汽輪機閥門流量升程曲線的研究進展介紹

韓 飆

(陜西能源麟北發(fā)電有限公司，寶雞 721599)

閥門流量特性曲線是流經(jīng)閥門的流量與閥門開度的曲線關(guān)系。理想情況下，閥門流量特性與實際機組閥門的流量特性是一致的，然而實際情況中，由于受到流體對閥體的沖刷和腐蝕、閥門的安裝誤差、機組的改造等因素的影響，閥門流量特性曲線將逐漸偏離設(shè)計值，并與實際機組閥門流量特性曲線出現(xiàn)較大的差距，需要調(diào)整和優(yōu)化。

本文廣泛查閱文獻，分析了國內(nèi)外研究者在此課題上的研究現(xiàn)狀，并介紹了基于長短期記憶神經(jīng)網(wǎng)絡(luò)智能方法的優(yōu)點，為后續(xù)研究提供參考。

1 傳統(tǒng)研究方法簡介

1.1 基于試驗的方法

趙京雷等[1]利用閥門流量特性試驗，結(jié)合試驗數(shù)據(jù)優(yōu)化了閥門流量特性曲線，優(yōu)化解決了機組協(xié)調(diào)控制不足的問題，同時也提高了機組運行的穩(wěn)定性。許斯頓等[2]對1臺經(jīng)過大修的600 MW超臨界機組進行了單閥調(diào)節(jié)試驗和順序閥調(diào)節(jié)試驗，重新優(yōu)化了該機組的閥門流量特性曲線，同時優(yōu)化了機組的滑壓運行曲線。徐譽瑋等[3]對1臺330 MW的機組進行了單閥控制的閥門流量試驗和順序閥控制的流量試驗，然后對試驗數(shù)據(jù)進行了優(yōu)化，獲得了具有較好連續(xù)性和線性的優(yōu)化曲線。張偉等[4]對1臺改造后的330 MW機組的閥門流量特性進行了試驗，并根據(jù)試驗結(jié)果計算出與之相符合的閥門流量特性曲線。趙征等[5]對某超高壓抽凝式汽輪發(fā)電機組進行了閥門特性優(yōu)化試驗，同時還設(shè)計了單閥和順序閥的仿真計算，最后用仿真結(jié)果和試驗數(shù)據(jù)對閥門特性曲線參數(shù)做了調(diào)整，從而達到優(yōu)化目的。吳鵬等[6]通過實際閥門流量特性測試與仿真驗證相結(jié)合的方法，對某300 MW機組的閥門流量特性曲線進行了全行程的優(yōu)化修正。王玉輝[7]以某220 MW機組為例,對高壓主汽閥流量特性曲線進行了實測,介紹了高壓調(diào)閥流量特性曲線的實測方法及數(shù)據(jù)處理方法。

1.2 基于數(shù)值仿真分析的方法

除了上述的試驗方法之外，部分學(xué)者也開展了基于數(shù)值仿真輔助分析的方法。李前敏等[8]利用Savitzky-Golay算法對測得的主蒸汽壓力和溫度進行了數(shù)據(jù)處理，然后采用傳統(tǒng)的最小二乘法做數(shù)據(jù)擬合。針對1臺300 MW的機組，通過仿真模擬了順序閥運行下出現(xiàn)負荷突變的問題，并采用上述方式進行了優(yōu)化，優(yōu)化后獲得了具有良好連續(xù)性和線性的流量特性曲線。趙衛(wèi)正等[9]利用數(shù)值仿真技術(shù)研究了減少閥門流量-升程曲線的后端斜率的方法，結(jié)果表明這能有效減少閥門在調(diào)配流量時的開度變化，進而減小調(diào)配過程中閥門的晃動。盛鍇等[10]建立了汽輪機閥門流量特性的調(diào)速器模型，通過數(shù)值仿真研究了閥門流量特性對機組波動的影響，最后提出了相關(guān)控制策略。研究結(jié)果表明，該方法能夠提高機組的系統(tǒng)阻尼，從而迅速消除外部擾動，進而提升閥門調(diào)控中機組的穩(wěn)定性。張曦等[11]針對目前機組閥門流量曲線優(yōu)化存在的問題，提出了一種閥門重疊度的確定原則，基于閥門流量特性試驗，通過特性參數(shù)來調(diào)整和優(yōu)化順序閥的流量特性曲線。

Yoo Y H等[12]通過測試裝置以及自主開發(fā)的仿真軟件，結(jié)合試驗分析，進行了閥門的流量特性曲線優(yōu)化的研究，探討了將數(shù)值方法作為試驗方法的替代方案的可行性。Gerta Zimmer等[13]提出了一種優(yōu)化閥門升程-流量特性曲線的線性化方法，能夠有效控制和預(yù)測機組功率的變化。將預(yù)測數(shù)據(jù)和調(diào)試數(shù)據(jù)進行了比較，結(jié)果證明了該方法的有效性。該方法已經(jīng)被成功應(yīng)用于多個發(fā)電廠。Chris Bolin等[14]為了進一步優(yōu)化閥門流量曲線，從閥門不穩(wěn)定流動的機理出發(fā)，研究了一種新式閥門，通過結(jié)構(gòu)上的優(yōu)化改進了閥門流量特性曲線。研究表明，相比于傳統(tǒng)的閥門，該新型閥門具有更大的開度和更靈活的操作范圍。Lisyanskii A S等[15]通過試驗方式，對機組的閥門升程-流量曲線進行了優(yōu)化，并通過優(yōu)化曲線進一步獲得了機組蒸汽流量與輸出功率的正比對應(yīng)關(guān)系。Halimi B等[16]利用空氣作為工質(zhì)進行了組合式氣流調(diào)節(jié)運行試驗，證實了聯(lián)合閥布置的優(yōu)越性，并為閥門流量特性曲線的優(yōu)化提供了重要參考。

2 基于人工智能和機器學(xué)習(xí)的方法

2.1 研究現(xiàn)狀

近年來，隨著大數(shù)據(jù)挖掘技術(shù)和機器學(xué)習(xí)的發(fā)展，在大數(shù)據(jù)環(huán)境中，傳統(tǒng)的數(shù)據(jù)技術(shù)和平臺效率較低，表現(xiàn)出響應(yīng)緩慢、缺乏可擴展性和準(zhǔn)確性的特點。為了應(yīng)對復(fù)雜的大數(shù)據(jù)挑戰(zhàn)，部分學(xué)者開展了大量工作，開發(fā)了各種類型的工業(yè)大數(shù)據(jù)處理技術(shù)。目前電廠分布式控制系統(tǒng)(Distrib-uted Control System，DCS)每天都產(chǎn)生大量的數(shù)據(jù)，部分學(xué)者開展了基于人工智能和機器學(xué)習(xí)算法的閥門優(yōu)化方法。

高亞杰等[17]提出通過分析DCS歷史數(shù)據(jù)來辨識調(diào)閥流量特性，進而提出線性化汽輪機調(diào)閥流量曲線的思路。這是對機組運行大數(shù)據(jù)進行處理的一種嘗試。付忠廣等[18]基于關(guān)聯(lián)規(guī)則挖掘技術(shù)對DCS數(shù)據(jù)進行了探索性挖掘。對挖掘結(jié)果的分析表明該技術(shù)可以用于電廠機組的性能分析、狀態(tài)監(jiān)測、故障診斷等，可為機組開展?fàn)顟B(tài)檢修提供技術(shù)支持。文樂等[19]基于DCS數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)實現(xiàn)了閥門流量特性曲線的優(yōu)化，實驗與計算工況流量特性曲線對比圖如圖1所示。優(yōu)化結(jié)果表明，相比于傳統(tǒng)方法，新方法具有更高的精度。張勤[20]基于DCS數(shù)據(jù)，分別利用決策樹、聚類分析等數(shù)據(jù)挖掘技術(shù)，從DCS系統(tǒng)的數(shù)據(jù)中研究了機組的性能，結(jié)果表明相比于傳統(tǒng)分析技術(shù)， 采用機器學(xué)習(xí)方法可以有效提高分析精度。肖海濤[21]利用決策樹等機器學(xué)習(xí)算法，提出了一種可基于DCS系統(tǒng)數(shù)據(jù)分析機組運行平穩(wěn)度的方法。陳萬青[22]利用改進的多層流模型(Multilevel Flow Modeling，MFM)建模方法，研究了基于DCS數(shù)據(jù)挖掘的核電廠可靠性分析。李存文[23]基于機組的歷史DCS數(shù)據(jù)，提供了一種噴嘴流量計算方法，以及基于特征通流面積的辨識方法，能夠識別和優(yōu)化機組的流量特性。

(a) 各閥位值

(b) 總閥位值

從方法上講，國內(nèi)外學(xué)者的主要工作集中在尋找閥門升程與主蒸汽流量之間的關(guān)系，進而調(diào)節(jié)功率上。此外傳統(tǒng)的機器學(xué)習(xí)方法仍然需要大量人工經(jīng)驗以及試驗測試，例如文獻[19]中提出的流量-升程曲線，需要對大量變工況經(jīng)驗系數(shù)進行測試，并不具備自適應(yīng)性。

2.2 長短期記憶神經(jīng)網(wǎng)絡(luò)方法

劉天源等[24]提出了一種基于長短期記憶(Long Short Term Memory, LSTM)神經(jīng)網(wǎng)絡(luò)的閥門升程-功率預(yù)測方法，通過調(diào)節(jié)閥門升程指令，直接預(yù)測對汽輪機機組輸出功率。該方法具有學(xué)習(xí)速度快、精度高以及自適應(yīng)的特點，無需人為干預(yù)。不同學(xué)習(xí)樣本模型預(yù)測誤差分布圖及預(yù)測結(jié)果如圖2所示。通過兩個電廠的實際運行數(shù)據(jù)進行驗證，結(jié)果表明：對1號電廠DCS系統(tǒng)中半年的運行數(shù)據(jù)學(xué)習(xí)，耗時12 h，預(yù)測3個月閥門升程-功率誤差平均值為0.63%；對2號電廠半年的運行數(shù)據(jù)學(xué)習(xí)，需要9 h，預(yù)測430天誤差平均值為0.49%。同時訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型較小，僅1 Mb左右大小，預(yù)測10個工況的時間為1 ms級別，該神經(jīng)網(wǎng)絡(luò)可以遷移到電廠現(xiàn)場的小型計算機上進行控制，具有較高的工程實用價值。

圖2 不同學(xué)習(xí)樣本模型預(yù)測誤差分布圖及預(yù)測結(jié)果[24]

3 結(jié) 論

本文首先介紹了目前閥門流量特性曲線的研究進展，綜述了現(xiàn)階段的研究情況，然后介紹了一種基于LSTM神經(jīng)網(wǎng)絡(luò)的閥門升程-功率預(yù)測方法，得到以下主要結(jié)論：

1)目前閥門流量特性曲線的優(yōu)化研究大多基于試驗的方法，存在著操作周期長、經(jīng)濟效益差等缺點。

2)現(xiàn)階段數(shù)值方法以仿真為主，同時需要輔以試驗數(shù)據(jù)對閥門流量特性曲線進行優(yōu)化，優(yōu)化效果較差。

3)現(xiàn)階段有部分學(xué)者開始關(guān)注利用機器學(xué)習(xí)領(lǐng)域的知識來解決閥門流量特性曲線優(yōu)化的問題，然而相關(guān)研究依然很少。

4)基于LSTM神經(jīng)網(wǎng)絡(luò)的閥門升程-功率預(yù)測方法，具有學(xué)習(xí)速度快、精度高以及自適應(yīng)的特點，兩個電廠的實際運行數(shù)據(jù)的驗證結(jié)果證明了該方法的有效性。