基于非线性自回归神经网络和随机森林算法的核电汽轮机组出力优化

摘要：

针对国内某核电站夏季工况出力不足的问题,提出一种基于非线性自回归神经网络和随机森林算法优化核电汽轮机组出力的方法.非线性自回归神经网络能实现季节性时间序列的准确预测;随机森林算法对异常值不敏感、具有较强的泛化能力,被广泛应用于分类和回归问题.文中应用非线性自回归神经网络建立海水温度时间序列预测模型,应用随机森林算法建立海水温度和电功率设定值对高压调节阀开度和热功率的影响关系的回归模型,将2个模型相结合,获得未来24 h的电功率设定值优化曲线,机组运行人员可根据该优化曲线调整机组出力.通过该核电站的历史运行数据,验证了该方法的有效性,采用电功率设定值优化曲线设定机组出力,将在保证机组运行参数不超限的情况下,有效提升机组的夏季出力,提升机组经济性.

关键词：核电汽轮机组、出力不足、非线性自回归、时间序列、随机森林

所属期刊栏目：41

分类号：TM623(发电、发电厂)

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：409-415,中插2