王成, 閻昌琪, 王建軍
(哈爾濱工程大學(xué) 核安全與仿真技術(shù)國(guó)防重點(diǎn)學(xué)科實(shí)驗(yàn)室,黑龍江 哈爾濱 150001)
?
核電汽輪機(jī)抽汽系統(tǒng)參數(shù)優(yōu)化
王成, 閻昌琪, 王建軍
(哈爾濱工程大學(xué) 核安全與仿真技術(shù)國(guó)防重點(diǎn)學(xué)科實(shí)驗(yàn)室,黑龍江 哈爾濱 150001)
針對(duì)核電汽輪機(jī)組熱效率較低問(wèn)題,本文建立了核電汽輪機(jī)抽汽系統(tǒng)的評(píng)價(jià)模型,并基于模型編制相應(yīng)的計(jì)算機(jī)程序,在此基礎(chǔ)上以660 MW核電機(jī)組為研究實(shí)例,對(duì)機(jī)組輸出功率受汽輪機(jī)抽汽參數(shù)的影響進(jìn)行了分析。提出一種將遺傳算法和單純形算法相結(jié)合的混合遺傳算法,并利用標(biāo)準(zhǔn)測(cè)試函數(shù)測(cè)試了其尋優(yōu)性能。在給定的約束條件下,選取了合適的優(yōu)化變量,利用混合遺傳算法,對(duì)汽輪機(jī)抽汽系統(tǒng)參數(shù)進(jìn)行了優(yōu)化。優(yōu)化結(jié)果顯示,與原方案相比,優(yōu)化方案的機(jī)組輸出功率提高了7.074 MW,表明該優(yōu)化方法可以提高核電機(jī)組的經(jīng)濟(jì)性。
核電站;汽輪機(jī)抽汽系統(tǒng);評(píng)價(jià)模型;遺傳算法;單純形算法;混合遺傳算法;參數(shù)優(yōu)化
核電站汽輪機(jī)抽汽通常用于高壓缸排汽再熱、給水加熱、給水除氧等,是影響電廠汽輪機(jī)組工作性能和系統(tǒng)熱效率的關(guān)鍵環(huán)節(jié)。汽輪機(jī)抽汽系統(tǒng)對(duì)機(jī)組和電廠的熱經(jīng)濟(jì)性有重要作用[1]。對(duì)于汽輪機(jī)抽汽系統(tǒng)的設(shè)計(jì),目前學(xué)者研究的焦點(diǎn)是在給水溫度和再熱蒸汽參數(shù)給定的情況下,考慮回?zé)嵯到y(tǒng)給水焓升的最佳分配。國(guó)外學(xué)者首先提出平均分配、等焓降分配、幾何級(jí)數(shù)分配、等效熱降及循環(huán)函數(shù)法等。由于是在理想回?zé)嵫h(huán)基礎(chǔ)上設(shè)定不同簡(jiǎn)化假設(shè),基于上述方法設(shè)計(jì)的抽汽系統(tǒng)會(huì)不同程度偏離最佳方案,影響機(jī)組經(jīng)濟(jì)性。張春發(fā)[2]基于典型熱力系統(tǒng)構(gòu)成,摒棄簡(jiǎn)化假設(shè)思想,建立了嚴(yán)格的回?zé)嵯到y(tǒng)傳熱模型,對(duì)經(jīng)典方法進(jìn)行改進(jìn)。張俊禮等[3-4]運(yùn)用遺傳算法、粒子群算法等智能算法對(duì)現(xiàn)有的回?zé)嵯到y(tǒng)參數(shù)進(jìn)行優(yōu)化,都能不同程度提高現(xiàn)有機(jī)組的經(jīng)濟(jì)性。付文峰等[5]在考慮除氧器和小汽機(jī)影響的前提下,對(duì)現(xiàn)有汽輪機(jī)抽汽系統(tǒng)的抽汽口位置進(jìn)行優(yōu)化,降低了電廠的煤耗率。
然而,核電汽輪機(jī)抽汽系統(tǒng)既包括抽汽回?zé)嵯到y(tǒng),也包括抽汽再熱系統(tǒng),二者之間的參數(shù)相互耦合,單獨(dú)對(duì)回?zé)嵯到y(tǒng)參數(shù)進(jìn)行優(yōu)化并不合理。此外,核電機(jī)組熱力系統(tǒng)有其獨(dú)特性和復(fù)雜性,不能直接應(yīng)用火電機(jī)組研究成果,常規(guī)的智能算法也不一定能求得良好的優(yōu)化結(jié)果?;诖?,本文建立了完善的核電汽輪機(jī)抽汽系統(tǒng)評(píng)價(jià)模型,開(kāi)發(fā)新型混合優(yōu)化算法,對(duì)核電汽輪機(jī)抽汽系統(tǒng)參數(shù)進(jìn)行優(yōu)化。
1.1 系統(tǒng)基本結(jié)構(gòu)及參數(shù)
與火電機(jī)組不同,核電汽輪機(jī)蒸汽參數(shù)低、濕度大,利用新蒸汽和高壓缸抽汽對(duì)高壓缸排汽進(jìn)行再熱,再熱系統(tǒng)比火電機(jī)組復(fù)雜。本文以秦山二期660 MW核電機(jī)組為實(shí)例建立核電汽輪機(jī)抽汽系統(tǒng)數(shù)學(xué)模型,其額定工況下主要蒸汽參數(shù)如下:新蒸汽為飽和蒸汽,壓力6.41 MPa,溫度279.9 ℃,干度0.995;再熱蒸汽壓力0.998 MPa,溫度265.2 ℃;冷凝器工作壓力11.8 kPa;蒸汽發(fā)生器給水溫度230.5 ℃。
如圖1所示,再熱系統(tǒng)包括分離器和兩級(jí)再熱器,第1級(jí)再熱器加熱汽源來(lái)自高壓缸1級(jí)后抽汽,疏水進(jìn)入6號(hào)高壓加熱器;第2級(jí)再熱器加熱汽源為新蒸汽,疏水進(jìn)入7號(hào)高壓加熱器?;?zé)嵯到y(tǒng)包括三級(jí)低壓加熱器、三級(jí)高壓加熱器和除氧器。高壓加熱器汽源分別來(lái)自高壓缸汽輪機(jī)1、4、7級(jí)后抽汽,疏水逐級(jí)自流回除氧器;低壓加熱器汽源為低壓缸4、5、6級(jí)后抽汽,疏水逐級(jí)自流回冷凝器;除氧器加熱蒸汽來(lái)自低壓缸2級(jí)后抽汽。
圖1 核電汽輪機(jī)抽汽系統(tǒng)圖Fig.1 Steam extraction system of 660 MW NPP turbine
1.2 系統(tǒng)評(píng)價(jià)模型的建立
熱力系統(tǒng)的工質(zhì)參數(shù)和工質(zhì)質(zhì)能分配是相互耦合的,當(dāng)機(jī)組穩(wěn)態(tài)運(yùn)行時(shí),這些參數(shù)是確定的,機(jī)組熱力學(xué)性能也是唯一確定的。根據(jù)熱力系統(tǒng)的結(jié)構(gòu),建立各換熱設(shè)備的物質(zhì)平衡方程和熱平衡方程以及汽輪機(jī)組的功率方程,將工質(zhì)熱力參數(shù)和工質(zhì)分配參數(shù)代入這些方程,求解方程組即可得到機(jī)組功率。
回?zé)嵯到y(tǒng)里的高壓加熱器、低壓加熱器、軸封冷卻器和再熱系統(tǒng)里的再熱器都是疏水自流表面式加熱器,對(duì)于第i號(hào)加熱器,熱平衡方程為
(1)
4號(hào)除氧器是匯集式加熱器,熱平衡方程為
(2)
冷凝器熱平衡方程為
(3)
(4)
除了式(1)~(4)外,還要建立熱力系統(tǒng)內(nèi)各設(shè)備間汽-水質(zhì)量分配關(guān)系。蒸汽流動(dòng)過(guò)程中的壓力損失參照電站運(yùn)行時(shí)的實(shí)際壓損[6]:取新蒸汽到高壓缸壓損4%,取再熱蒸汽到低壓缸壓損2%,取蒸汽從抽汽口到高壓加熱器和再熱器的壓損為3%,取蒸汽從抽汽口到低壓加熱器的壓損為4%。
當(dāng)汽輪機(jī)各抽汽口的抽汽量變化時(shí),相當(dāng)于系統(tǒng)變工況運(yùn)行,不僅汽輪機(jī)各級(jí)的蒸汽流量、壓力、比焓會(huì)發(fā)生變化,而且各加熱器的汽水參數(shù)會(huì)同步變化,此時(shí)采用弗留格爾公式結(jié)合倒序迭代法[7]迭代求解汽輪機(jī)抽汽量變化后各抽汽節(jié)點(diǎn)新的蒸汽參數(shù),弗留格爾為
(5)
根據(jù)所建立的汽輪機(jī)抽汽系統(tǒng)評(píng)價(jià)模型,利用C#語(yǔ)言編制相應(yīng)計(jì)算程序,程序計(jì)算流程見(jiàn)圖2。針對(duì)評(píng)價(jià)模型需要指出幾點(diǎn):1) 再熱蒸汽溫度保持不變,當(dāng)高壓缸抽汽量變化時(shí),需同步調(diào)整分流至二級(jí)再熱器的新蒸汽流量,以保持在任何變工況運(yùn)行時(shí)再熱后的蒸汽溫度與額定工況運(yùn)行時(shí)相等;2) 除氧器采用滑壓運(yùn)行方案,在變工況運(yùn)行時(shí)除氧器進(jìn)出口的給水溫度相對(duì)于額定工況會(huì)發(fā)生變化,此時(shí)需同步調(diào)整除氧器工作壓力和低壓缸抽汽至除氧器的加熱蒸汽流量,以適應(yīng)進(jìn)出口水溫變化;3) 保持蒸汽發(fā)生器進(jìn)口給水溫度不變,這樣變工況運(yùn)行時(shí)二回路的變化不會(huì)造成一回路運(yùn)行參數(shù)變化,蒸汽發(fā)生器出口新蒸汽參數(shù)也保持不變,排除了一回路的影響。
1.3 系統(tǒng)評(píng)價(jià)模型的驗(yàn)證
汽輪機(jī)抽汽系統(tǒng)的評(píng)價(jià)模型準(zhǔn)確度高,優(yōu)化的結(jié)果才合理可信,因此需要對(duì)所建立的模型進(jìn)行正確性驗(yàn)證。將系統(tǒng)額定工況下的運(yùn)行參數(shù)代入評(píng)價(jià)模型中,得出機(jī)組計(jì)算電功率等參數(shù),與額定工況下的實(shí)際參數(shù)對(duì)比分析,對(duì)比結(jié)果見(jiàn)表1。從表1可以看出,評(píng)價(jià)模型計(jì)算得到的各項(xiàng)參數(shù)數(shù)值與系統(tǒng)實(shí)際值偏差均在0.7%以內(nèi),關(guān)鍵參數(shù)機(jī)組電功率的計(jì)算誤差為0.13%,說(shuō)明評(píng)價(jià)模型足夠精確,可以用于下一步優(yōu)化。
圖2 汽輪機(jī)抽汽系統(tǒng)評(píng)價(jià)模型流程圖Fig.2 Evaluation model of steam extraction system
參數(shù)實(shí)際值計(jì)算值誤差/%機(jī)組電功率/MW643.204644.0250.13除氧器運(yùn)行壓力/MPa0.4500.4470.67除氧器加熱汽量/(kg·s-1)45.1945.140.12冷凝器工作壓力/kPa11.8011.8010.01高壓缸排汽干度0.8750.8750低壓缸排汽干度0.880.880給水溫度/℃230.5230.50
1.4 參數(shù)影響分析
利用所開(kāi)發(fā)的計(jì)算程序,分別研究高壓缸至一級(jí)再熱器抽汽量G11、高壓缸至7號(hào)高壓加熱器抽汽量G12、高壓缸至6號(hào)高壓加熱器抽汽量G2、高壓缸至5號(hào)高壓加熱器抽汽量G3、低壓缸至3號(hào)低壓加熱器抽汽量D2、低壓缸至2號(hào)低壓加熱器抽汽量D3、低壓缸至1號(hào)低壓加熱器抽汽量D4等7個(gè)抽汽參數(shù)變化時(shí)對(duì)機(jī)組輸出功率的影響。通過(guò)分析,確定各參數(shù)變化對(duì)機(jī)組輸出功率影響趨勢(shì)和程度,也可動(dòng)態(tài)地檢驗(yàn)評(píng)價(jià)模型的有效性。具體結(jié)果如圖3、4所示。
圖3 高壓缸抽汽流量與機(jī)組功率的關(guān)系Fig.3 Relationship of HP extraction steam and unit power
圖4 低壓缸抽汽流量與機(jī)組功率的關(guān)系Fig.4 Relationship of LP extraction steam and unit power
從圖3可以看出,保持至各級(jí)給水加熱器的抽汽量不變的情況下,當(dāng)高壓缸至一級(jí)再熱器抽汽量G11增加時(shí),機(jī)組功率也增加,這是因?yàn)槎?jí)再熱器的加熱蒸汽量隨著一級(jí)再熱器抽汽量的增加而減少,而二級(jí)再熱器的加熱蒸汽是新蒸汽,比一級(jí)再熱器的高壓缸抽汽品質(zhì)高,做功潛能大,這種減少新蒸汽損失增加抽汽消耗的策略能提高機(jī)組整體做功能力。與G11變化對(duì)機(jī)組功率的影響趨勢(shì)不同,當(dāng)至各級(jí)高壓給水加熱器的抽汽量G12、G2、G3分別增大時(shí),機(jī)組功率均減小, 這是因?yàn)閺恼麄€(gè)汽輪機(jī)抽汽系統(tǒng)來(lái)看,當(dāng)高壓缸抽汽增加時(shí),為保證最終給水溫度不變,至除氧器的低壓缸抽汽會(huì)同步減少,而高壓缸抽汽品質(zhì)較高,這樣導(dǎo)致機(jī)組做功減少。此外,當(dāng)G12、G2、G3分別增大相同幅度時(shí),機(jī)組功率減小的幅度依次減小,這是因?yàn)樗鼈兂槠焚|(zhì)是依次降低的,蒸汽品質(zhì)越低,對(duì)機(jī)組功率影響越小。
從圖4可以看出,保持至其他給水加熱器抽汽量不變的情況下,當(dāng)抽汽量D2、D3、D4分別增加時(shí),機(jī)組功率隨之增加,這是因?yàn)榈蛪焊壮槠麑儆诘推焚|(zhì)蒸汽,低品質(zhì)抽汽增加導(dǎo)致至除氧器高品質(zhì)抽汽減少,這有利于機(jī)組功率的提升。此外,3號(hào)低壓給水加熱器抽汽D2的蒸汽品質(zhì)比2號(hào)、1號(hào)低壓給水加熱器抽汽D3、D4的蒸汽品質(zhì)高,在他們各自減小同等幅度時(shí),D2引起的機(jī)組功率減小幅度卻最小,原因是低壓缸共有三個(gè),3號(hào)低壓給水加熱器的抽汽只來(lái)自3號(hào)低壓缸抽汽,而1號(hào)、2號(hào)低壓給水加熱器抽汽來(lái)自所有三個(gè)低壓缸抽汽,D2的變化只對(duì)一個(gè)低壓缸有影響,影響程度較小,D3、D4的變化卻能同時(shí)影響三個(gè)低壓缸,影響程度較大。
核電汽輪機(jī)抽汽系統(tǒng)參數(shù)優(yōu)化屬于復(fù)雜的多變量約束優(yōu)化問(wèn)題,優(yōu)化算法尋優(yōu)能力強(qiáng)才能獲得理想的優(yōu)化效果,從而得到真正的最佳抽汽方案。單一的優(yōu)化算法各有優(yōu)缺點(diǎn),尋優(yōu)能力有限,因此提出遺傳算法和單純形算法結(jié)合的新型混合遺傳算法。
2.1 算法原理
遺傳算法(genetic algorithm)是典型的進(jìn)化算法,通過(guò)模擬生物的進(jìn)化過(guò)程搜索最優(yōu)值,算法關(guān)鍵操作有交叉、變異和選擇,通過(guò)不斷地執(zhí)行這些操作,群體中會(huì)產(chǎn)生好的個(gè)體并受到保護(hù),進(jìn)而一步一步接近最佳個(gè)體[8];單純形算法(simplex algorithm)是基于幾何多面體的啟發(fā)式算法,m+1個(gè)個(gè)體(其中m是優(yōu)化變量個(gè)數(shù))組成一個(gè)幾何單純形,每個(gè)個(gè)體代表一個(gè)單純形多面體的頂點(diǎn),通過(guò)單純形頂點(diǎn)的不斷變換位置搜索最佳值[9]。遺傳算法全局尋優(yōu)能力強(qiáng)而局部尋優(yōu)能力弱,而單純形算法全局尋優(yōu)能力弱而局部尋優(yōu)能力強(qiáng)[10],它們?cè)趯?yōu)能力上是互補(bǔ)的,新型混合遺傳算法(genetic-simplex algorithm)將二者結(jié)合,在群體進(jìn)化前期,采用遺傳算法尋優(yōu),搜索到全局最優(yōu)值所在區(qū)域,在群體進(jìn)化末期,運(yùn)用單純形尋優(yōu),進(jìn)而搜索到全局最優(yōu)值。新型算法的基本參數(shù)包括:群體數(shù)目N、單純形頂點(diǎn)數(shù)K、最大進(jìn)化代數(shù)T、交叉概率pc以及變異概率pm。對(duì)于一般優(yōu)化問(wèn)題,N取值100以內(nèi),K由優(yōu)化問(wèn)題的變量數(shù)目決定,pc取0.5左右,pm取值范圍為(0.01, 0.1)。新型算法流程見(jiàn)圖5。
圖5 混合遺傳算法流程圖Fig.5 Flow chart of hybrid genetic algorithm
2.2 算法測(cè)試
為了檢測(cè)混合遺傳算法的尋優(yōu)性能,選取兩個(gè)具有相當(dāng)復(fù)雜度的標(biāo)準(zhǔn)測(cè)試函數(shù)[11]進(jìn)行測(cè)試,并與原算法測(cè)試結(jié)果進(jìn)行對(duì)比。測(cè)試函數(shù)分別為
測(cè)試函數(shù)g01:
(6)
測(cè)試函數(shù)g02:
(7)
測(cè)試函數(shù)g01中,0≤xi≤10,最優(yōu)解f(X*)=0.095 825,函數(shù)有兩個(gè)優(yōu)化變量,可行域占搜索空間比例為0.76‰;測(cè)試函數(shù)g02中,-10≤xi≤10,最優(yōu)解f(X*)=680.630 57,函數(shù)有7個(gè)優(yōu)化變量,可行域占搜索空間比例為0.519 9%。用GSA、GA、SA3個(gè)算法對(duì)測(cè)試函數(shù)進(jìn)行優(yōu)化,對(duì)于g01:N=60,T=200,K=3;對(duì)于g02:N=80,T=200,K=8;對(duì)兩個(gè)測(cè)試函數(shù)均取pc=0.6,pm=0.01,測(cè)試結(jié)果見(jiàn)圖6。對(duì)g01測(cè)試結(jié)果顯示,SA沒(méi)有搜索到測(cè)試函數(shù)最優(yōu)解,GSA經(jīng)過(guò)75次迭代搜索到最優(yōu)解,GA經(jīng)過(guò)197次迭代搜索到最優(yōu)解;對(duì)g02測(cè)試結(jié)果顯示,GA、SA沒(méi)有搜索到測(cè)試函數(shù)最優(yōu)解,均陷入局部最優(yōu),GSA經(jīng)過(guò)187次迭代搜索到最優(yōu)解。結(jié)果表明在算法測(cè)試中,新型混合遺傳算法相對(duì)于原算法具有更強(qiáng)的尋優(yōu)能力。
圖6 算法測(cè)試結(jié)果Fig.6 Results of algorithm test
3.1 優(yōu)化變量和目標(biāo)函數(shù)
從參數(shù)影響分析中可以看出高壓缸、低壓缸的各級(jí)抽汽量變化對(duì)機(jī)組功率都有一定程度影響,所以把高壓缸各級(jí)抽汽量G11、G12、G2、G3和低壓缸各級(jí)抽汽量D2、D3、D4都作為優(yōu)化變量,優(yōu)化目標(biāo)是使機(jī)組功率最大化,因此優(yōu)化變量和目標(biāo)函數(shù)可以寫(xiě)成
(8)
3.2 優(yōu)化問(wèn)題的約束條件
進(jìn)行汽輪機(jī)抽汽系統(tǒng)參數(shù)優(yōu)化時(shí)會(huì)受到設(shè)備熱力學(xué)性能、系統(tǒng)運(yùn)行參數(shù)等各方面的限制,這些限制構(gòu)成優(yōu)化問(wèn)題的約束條件,本文考慮了以下約束條件:
1) 各抽汽量相對(duì)于其額定工況下的值的變化幅度限制在±20%以內(nèi);由于一級(jí)再熱器的加熱蒸汽參數(shù)和被加熱蒸汽參數(shù)不能太接近,至一級(jí)再熱器抽汽量變化幅度限制在±10%以內(nèi);
2) 除氧器壓力PAD變化范圍:0.35~0.55MPa;
5) 各加熱器下端差保持不變?yōu)?.6 ℃;
6) 高壓缸及低壓缸排汽干度均大于0.86;
7) 冷凝器工作壓力大于9kPa。
以上約束條件共同組成優(yōu)化空間里的可行域,用φi(X)≤0表示。
3.3 優(yōu)化結(jié)果及分析
每一個(gè)優(yōu)化變量組合X對(duì)應(yīng)一個(gè)汽輪機(jī)抽汽方案,把X賦值給評(píng)價(jià)模型,計(jì)算出的機(jī)組功率及其他熱力參數(shù),對(duì)方案進(jìn)行評(píng)估,這是方案評(píng)價(jià)過(guò)程;運(yùn)用混合遺傳算法對(duì)優(yōu)化空間可行域內(nèi)的可能方案進(jìn)行搜索篩選,找出最佳方案,完成汽輪機(jī)抽汽
系統(tǒng)參數(shù)優(yōu)化。優(yōu)化結(jié)果見(jiàn)表2和3。
表2 汽輪機(jī)抽汽系統(tǒng)優(yōu)化結(jié)果
表3 各加熱器參數(shù)變化對(duì)比
對(duì)比優(yōu)化方案與原方案可知,優(yōu)化方案下機(jī)組輸出電功率增加了7.074 MW,增加幅度為1.1%;除氧器運(yùn)行壓力減小了4.69%,除氧器加熱蒸汽量顯著減少;優(yōu)化前后冷凝器運(yùn)行壓力、高壓缸和低壓缸入口壓力、排汽干度等關(guān)鍵運(yùn)行參數(shù)都只有微小的變化,這是因?yàn)閮?yōu)化過(guò)程中控制抽汽量小幅度變化,而且抽汽量相對(duì)于主蒸汽量是很小的,因此對(duì)抽汽量的優(yōu)化不會(huì)造成主系統(tǒng)參數(shù)明顯變化,這也保證了優(yōu)化方案的可行性。此外,結(jié)果表明,在優(yōu)化方案中冷凝器運(yùn)行壓力只減小了0.86%,表明機(jī)組功率的增加不是通過(guò)降低蒸汽排汽參數(shù)實(shí)現(xiàn)的,而是通過(guò)找到系統(tǒng)最佳工質(zhì)分配來(lái)挖掘做功潛能;循環(huán)水流量減少了0.59%,這是因?yàn)榈蛪焊椎推焚|(zhì)蒸汽抽汽增加,使進(jìn)入冷凝器排汽減少,從而減少了循環(huán)水泵的功耗,從另一個(gè)方面增加機(jī)組的經(jīng)濟(jì)性。
從表3看出,對(duì)于再熱系統(tǒng),至一級(jí)再熱器的高壓缸抽汽增加,而至二級(jí)再熱器的新蒸汽抽汽減少;對(duì)于給水加熱系統(tǒng),至高壓加熱器和除氧器抽汽減少,至低壓加熱器抽汽增加。這表明,優(yōu)化方案相比與原方案是高品質(zhì)蒸汽段的抽汽減少、低品質(zhì)段蒸汽的抽汽增多,這也正是導(dǎo)致做功潛能釋放的原因所在。從數(shù)據(jù)中還發(fā)現(xiàn),多個(gè)優(yōu)化變量(抽汽量)的值達(dá)到約束條件的限值,說(shuō)明混合遺傳算法尋優(yōu)能力強(qiáng),能找到可行域與不可行域交界的邊界最優(yōu)值,也說(shuō)明放寬約束條件或許會(huì)有更大優(yōu)化空間。
各級(jí)加熱器給水焓升變化與抽汽量變化類(lèi)似,焓升在低壓加熱器里增大,高壓加熱器里減少。此外,優(yōu)化方案和原方案各加熱器給水焓升的標(biāo)準(zhǔn)差分別為18.85、27.63,優(yōu)化方案較小,更符合給水等焓升分配的熱經(jīng)濟(jì)性原則。
1) 核電汽輪機(jī)抽汽系統(tǒng)參數(shù)優(yōu)化能在不改變系統(tǒng)結(jié)構(gòu)、不更換設(shè)備的情況下通過(guò)優(yōu)化抽汽系統(tǒng)工質(zhì)分配來(lái)挖掘現(xiàn)有核電機(jī)組的做功潛能,提高機(jī)組的經(jīng)濟(jì)性。
2) 減少高品質(zhì)蒸汽抽汽、增加低品質(zhì)蒸汽的抽汽量是提升機(jī)組功率的方向,單獨(dú)改變?nèi)我庖粋€(gè)抽汽量的值對(duì)機(jī)組功率的提升幅度都比較小,要更大幅度地提升機(jī)組功率輸出需要運(yùn)用智能算法對(duì)各抽汽量進(jìn)行綜合協(xié)調(diào)優(yōu)化。
3) 混合遺傳算法有較強(qiáng)的搜索能力,能夠適用于核電熱力系統(tǒng)這類(lèi)復(fù)雜多變量約束優(yōu)化。
[1]鄭體寬. 熱力發(fā)電廠[M]. 北京:中國(guó)電力出版社, 2006: 143-146. ZHENG Kuanti. Thermal power plant [M]. Beijing: China Power Press, 2006: 143-146.
[2]張春發(fā),張素香,崔映紅,等. 現(xiàn)行電力系統(tǒng)熱經(jīng)濟(jì)性狀態(tài)方程[J]. 工程熱物理學(xué)報(bào), 2001, 22(6): 665-667. ZHANG Chunfa, ZHANG Suxiang, CUI Yinghong, et al. Thermo-economy state equation of modern power system [J]. Journal of engineering thermo-physics, 2001, 22(6): 665-667.
[3]張俊禮,葛斌. 遺傳算法在壓水堆核電機(jī)組給水回?zé)岱峙渲械膽?yīng)用[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2005, 25(6): 152-156.
ZHANG Junli, GE Bin. Application of genetic algorithm in feed heat′s distribution of PWR nuclear power unit [J]. Proceedings of the CSEE, 2005, 25(6): 152-156.
[4]周蘭欣,李飛,付文峰,等. 基于粒子群算法的壓水堆核電機(jī)組回?zé)嵯到y(tǒng)優(yōu)化[J]. 熱力發(fā)電, 2014, 43(9): 5-11. ZHOU Lanxin, LI Fei, FU Wenfeng, et al. PSO-based collaborative optimization of regenerative heating system for a PWR nuclear power plant [J]. Thermal power generation, 2014, 43(9): 5-11.
[5]付文峰,李飛,王藍(lán)婧.除氧器和給水泵汽輪機(jī)汽源與汽輪機(jī)抽汽口的協(xié)同優(yōu)化[J].華北電力大學(xué)學(xué)報(bào), 2014,41(3): 94-100. FU Wenfeng, LI Fei, WANG Lanjing. Cooperative optimization on turbine extraction port and sources of de-aerator and feed pump turbine [J]. Journal of North China Electric Power University, 2014, 41(3): 94-100.
[6]楊蘭和, 戚屯鋒. CNP600壓水堆核電站的運(yùn)行[M]. 北京:原子能出版社, 2009: 233.
[7]王新軍,李亮,宋立明.汽輪機(jī)原理[M].西安:西安交通大學(xué)出版社, 2014:227-232.
[8]RUDOLPH G. Convergence analysis of canonical genetic algorithms [J]. IEEE transactions on neural networks, 1994, 5(1): 96-101.
[9]KRUIP C J H, PAARDEKOOPER J P, CLAUWENS B J F. Mathematical properties of the simplex algorithm [J]. Astronomy and astrophysics, 2010, 9(6): 515-520.
[10]DA R, CLAUDIO C. A simplex crossover based evolutionary algorithm including the genetic diversity as objective [J]. Applied soft computing journal, 2013, 13(4): 2104-2123.
[11]RUNARSSON T P, YAO X. Ranking for constrained evolutionary optimization [J]. IEEE transactions on evolutionary computation, 2000, 4(3): 284-292.
Parameter optimization of a turbine extraction system in a nuclear power plant
WANG Cheng, YAN Changqi, WANG Jianjun
(Fundamental Science on Nuclear Safety and Simulation Technology Laboratory, Harbin Engineering University, Harbin 150001, China)
In order to solve the low-efficiency problem of the turbine unit in nuclear power plant (NPP), an evaluation model of a turbine extraction system was established and the corresponding computer program was developed. Based on the computer program, a case study of a 660 MW NPP was implemented to investigate the influence of the extraction parameters on turbine output power. Furthermore, a genetic algorithm and a simplex algorithm were combined to form a hybrid genetic algorithm (GSA). The performance of the GSA was verified using the standard test function. Given the boundary condition groups, extraction steam parameter optimization was conducted using the GSA to harmonize the selected variables. The result shows that the output power of the optimized scheme increases 7.074 MW comparing with the original scheme, which demonstrates the capability of the GSA to optimize steam extraction schemes in NPPs.
nuclear power plant; turbine extraction system; evaluation model; genetic algorithm; simplex algorithm; hybrid genetic algorithm; parameter optimization
2016-03-26.
日期:2017-03-17.
國(guó)家自然科學(xué)基金項(xiàng)目(11475048).
王成(1988-),男,博士研究生; 閻昌琪(1955-),男,教授,博士生導(dǎo)師.
閻昌琪,E-mail:changqi_yan@163.com.
10.11990/jheu.201603088
TK284.1
A
1006-7043(2017)04-0588-07
王成, 閻昌琪, 王建軍.核電汽輪機(jī)抽汽系統(tǒng)參數(shù)優(yōu)化[J]. 哈爾濱工程大學(xué)學(xué)報(bào), 2017, 38(4): 588-594.
WANG Cheng, YAN Changqi, WANG Jianjun.Parameter optimization of a turbine extraction system in a nuclear power plant[J].Journal of Harbin Engineering University, 2017, 38(4): 588-594.
網(wǎng)絡(luò)出版地址:http://kns.cnki.net/kcms/detail/23.1390.u.20170317.0858.006.html