摘要：汽轮机进汽调阀由于受蒸汽长期冲刷,在通流结构老化、变形和系统改造等因素的影响下,其实际流量特性容易偏离设计值,影响机组负荷精准控制和安全稳定运行。为避免进行复杂且要求严格的现场流量特性试验工作,通过对机组历史运行数据的挖掘和分析,准确辨识出汽轮机进汽调阀流量特性参数,并基于流量特性线性化考虑,优化DEH阀门管理函数。将该方法应用于某600 MW等级超临界机组,其汽轮机调阀流量特性的线性偏差度得到较大改善,机组变负荷能力和一次调频能力都得到了大幅提高。

摘要：汽轮机调门流量曲线会不可避免地出现与实际调门流量特性曲线失配的现象,流量曲线失配主要表现为控制回路出现非线性,影响机组的负荷控制甚至安全稳定运行。从汽轮机控制原理出发,研究汽轮机控制器自校正方案,在原有PID控制器结构的基础上,利用增益规划设计非线性控制器,采用基于对象模型的PID参数自整定方法达到对流量曲线失配非线性进行补偿的目的,仿真结果验证了该方法的可行性。

摘要：汽轮机调节阀门升程与通过阀门的蒸汽流量的对应关系,是调节机组输出功率的主要依据,但汽轮机阀门由于长期受主蒸汽冲刷,受机组通流结构的老化、变形、改造等影响,其实际流量特性曲线在使用过程中容易偏离设计值,从而严重影响机组运行的经济性以及安全性。针对这个问题,提出了一种基于长短期记忆(LSTM)神经网络的阀门升程-功率预测方法,利用调节阀门升程指令直接预测汽轮机机组的输出功率。该方法具有学习速度快、精度高以及自适应的特点,无需人为干预。电厂实际运行数据验证结果显示:对某电厂半年的运行数据进行学习,需要9h,预测430天误差平均值为0.49%。同时训练的神经网络模型较小,可以迁移到电厂现场的小型计算机上进行控制。该方法具有较高的工程实用价值。