基于神经网络的燃气–超临界CO_(2)联合循环变工况特性快速预测及优化

作     者：曹越 陈然璟 展君 陈祎璠 司风琪 CAO Yue;CHEN Ranjing;ZHAN Jun;CHEN Yifan;SI Fengqi

作者机构：能源热转换及其过程测控教育部重点实验室(东南大学)江苏省南京市210096 

基　　金：国家自然科学基金项目(52206006) 江苏省基础研究计划(自然科学基金)青年基金项目(BK20210240) 

出 版 物：《中国电机工程学报》 (Proceedings of the CSEE)

年 卷 期：2023年第43卷第11期

页      码：4178-4189页

摘      要：燃气–超临界CO_(2)联合循环清洁高效、结构紧凑,因系统部件中间容积较小,变负荷调节速率较高,具有良好的灵活性,通过其快速变负荷运行有利于大规模消纳可再生能源电量。该联合循环采用具有超–跨串级结构的超临界CO_(2)底循环实现燃机余热梯级利用。为解决其快速变负荷中循环特性快速预测及优化问题,该文提出基于面心立方设计和反向传播神经网络的变工况特性求解方法。采用粒子群优化算法确定该联合循环变负荷过程的最优滑压运行策略。结果表明:基于神经网络的循环变工况特性预测方法具有良好的精度,并有效缩短仿真计算时间。与流量比例调节法对比,最优滑压运行策略使循环变工况过程具有更优的循环效率及可行运行区间,可以快速准确地为燃气–超临界CO_(2)联合循环提供变工况运行参考。

主 题 词：超临界CO_(2)循环 变工况特性 反向传播神经网络 快速预测 运行优化 

学科分类：080703[080703] 080704[080704] 08[工学] 0807[工学-电子信息类] 

核心收录：

D　O　I：10.13334/j.0258-8013.pcsee.222661

馆 藏 号：203122366...