基于GA-BP 神經(jīng)網(wǎng)絡(luò)的汽輪機(jī)冷端系統(tǒng)運(yùn)行優(yōu)化

程 波，盧緒祥，劉雨菲，丁海霞，王佳良，王雪如

（長沙理工大學(xué)能源與動力工程學(xué)院，湖南 長沙 410114）

0 引 言

在“中國制造2025”以及實(shí)現(xiàn)“雙碳”目標(biāo)的號召下，越來越多的發(fā)電企業(yè)加入了智慧電廠的轉(zhuǎn)型實(shí)踐中，通過大數(shù)據(jù)、人工智能等技術(shù)來提升自身的智能化運(yùn)行水平和對能源的利用效率.

汽輪機(jī)冷端系統(tǒng)是發(fā)電企業(yè)火電機(jī)組重要的輔助系統(tǒng).一般而言，機(jī)組的運(yùn)行背壓越低，越有利于機(jī)組發(fā)電功率的增加，但這通常是以增加冷端設(shè)備（循環(huán)水泵）功耗為代價(jià)來實(shí)現(xiàn)的，存在一個最佳的冷端設(shè)備運(yùn)行方式，使得機(jī)組的凈功率（機(jī)組負(fù)荷減去廠用電）達(dá)到最大.因此有必要加強(qiáng)對汽輪機(jī)冷端系統(tǒng)的運(yùn)行優(yōu)化方面的研究，以促進(jìn)火電機(jī)組的節(jié)能減排.

傳統(tǒng)的汽輪機(jī)冷端運(yùn)行優(yōu)化方法主要基于熱力試驗(yàn)和凝汽器變工況計(jì)算模型[1-3]，首先通過熱力試驗(yàn)獲得機(jī)組微增功率與背壓、冷端設(shè)備不同運(yùn)行方式下循環(huán)水流量與循環(huán)水泵耗功間的關(guān)系，然后根據(jù)凝汽器變工況計(jì)算模型，計(jì)算機(jī)組當(dāng)前邊界條件（汽輪機(jī)進(jìn)汽參數(shù)，循環(huán)水進(jìn)口溫度等）下不同冷端設(shè)備運(yùn)行方式所產(chǎn)生的凈功收益.目前該優(yōu)化方法已十分成熟，并被許多學(xué)者使用，但其優(yōu)化結(jié)果卻未必準(zhǔn)確.不準(zhǔn)確的主要原因在于機(jī)組在運(yùn)行一段時(shí)間后，因凝汽器換熱面污染、設(shè)備老化等原因，機(jī)組的實(shí)際運(yùn)行性能會發(fā)生改變，偏離試驗(yàn)結(jié)果及計(jì)算模型，不能實(shí)時(shí)反應(yīng)機(jī)組的實(shí)際運(yùn)行情況[4]，并且熱力試驗(yàn)費(fèi)時(shí)費(fèi)力，難以再次進(jìn)行熱力試驗(yàn)來進(jìn)行修正.

針對傳統(tǒng)方法的不足，國內(nèi)外許多學(xué)者提出了采用智能建模來反映冷端系統(tǒng)運(yùn)行特性的方法.葛曉霞等[5]基于果蠅算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)對某660 MW 火電機(jī)組凝汽器構(gòu)建了背壓預(yù)測模型.王建國等[6]采用粒子群算法優(yōu)化徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)參數(shù)建立了凝汽器背壓預(yù)測模型.吳偉等[7]基于粒子群算法優(yōu)化最小二乘支持向量機(jī)建立了某1 000 MW 機(jī)組的凝汽器背壓預(yù)測模型.S Jafarzadeh Ghoushchi[8]基于氣象條件和電廠參數(shù)采用粒子群算法及梯度下降算法實(shí)現(xiàn)了機(jī)組的功率預(yù)測.R Raidoo[9]采用遞歸神經(jīng)網(wǎng)絡(luò)預(yù)測了空冷機(jī)組凝汽器背壓及背壓變化對機(jī)組發(fā)電功率的影響.這些模型的建立為汽輪機(jī)的性能診斷、參數(shù)尋優(yōu)提供了有力的理論依據(jù).

本文利用機(jī)組運(yùn)行歷史數(shù)據(jù)，基于遺傳算法（GA）優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)分別建立機(jī)組的凈功率預(yù)測模型及背壓預(yù)測模型，并將兩者結(jié)合，尋找機(jī)組凈功最大時(shí)的循環(huán)水流量及背壓，以實(shí)現(xiàn)汽輪機(jī)冷端系統(tǒng)運(yùn)行的智能優(yōu)化.

1 汽輪機(jī)冷端系統(tǒng)概述

火電機(jī)組冷端系統(tǒng)按冷卻水的來源可分為直流供水系統(tǒng)和循環(huán)供水系統(tǒng)，本文主要以循環(huán)供水系統(tǒng)為例進(jìn)行研究.該系統(tǒng)主要由汽輪機(jī)、凝汽器、冷卻塔、循環(huán)水泵、凝結(jié)水泵等設(shè)備組成，具體如圖1 所示[10].

在該系統(tǒng)中，影響汽輪機(jī)背壓的最大可控因素是循環(huán)水流量，提高循環(huán)水流量能夠有效降低汽輪機(jī)背壓，增加汽輪機(jī)做功，但與此同時(shí)也會增加循環(huán)水泵的耗功量.因此，存在一個最佳的循環(huán)水流量（循環(huán)水泵運(yùn)行方式）使得汽輪機(jī)功率增加值與循環(huán)水泵耗功的差值最大，機(jī)組運(yùn)行經(jīng)濟(jì)性最佳，原理示意圖見圖2.

圖2 冷端系統(tǒng)功率特性示意圖

2 GA-BP 神經(jīng)網(wǎng)絡(luò)模型

2.1 基本理論

人工神經(jīng)網(wǎng)絡(luò)是一種模擬人腦結(jié)構(gòu)及功能的信息處理系統(tǒng)[11].它的基本單元是人工神經(jīng)元，其結(jié)構(gòu)模型如圖3 所示，反應(yīng)了輸入到輸出的處理關(guān)系.

圖3 人工神經(jīng)元模型圖

BP 神經(jīng)網(wǎng)絡(luò)是一種按誤差逆向傳播算法訓(xùn)練的多層前饋型網(wǎng)絡(luò)[12].它的結(jié)構(gòu)如圖4所示，包含輸入層，隱含層和輸出層，根據(jù)實(shí)際輸出值與預(yù)測輸出值的誤差，修改網(wǎng)絡(luò)運(yùn)算中的閥值和權(quán)值，使計(jì)算產(chǎn)生誤差平方和達(dá)到最小[13].

圖4 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

由于傳統(tǒng)的BP 神經(jīng)網(wǎng)絡(luò)在訓(xùn)練樣本時(shí)，其初始的權(quán)值和閥值是隨機(jī)生成的，這容易使神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速率過慢而難以收斂或者陷入局部最優(yōu).遺傳算法（GA）是一種模擬自然進(jìn)化的全局搜索和優(yōu)化方法，可以將BP 神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閥值作為遺傳算法中的染色體進(jìn)行全局優(yōu)化調(diào)整，得到最優(yōu)的初始權(quán)值和閥值，使得BP 神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果更為精確[14-15].

2.2 應(yīng)用模型

電廠SIS（廠級實(shí)時(shí)監(jiān)控信息）系統(tǒng)中記錄了汽輪機(jī)和冷端系統(tǒng)運(yùn)行所積累的大量數(shù)據(jù)，這些數(shù)據(jù)中隱藏著機(jī)組發(fā)電功率、背壓以及冷端功耗等參數(shù)之間的關(guān)系，可通過神經(jīng)網(wǎng)絡(luò)等技術(shù)進(jìn)行數(shù)據(jù)挖掘來獲取冷端系統(tǒng)運(yùn)行優(yōu)化問題中相關(guān)設(shè)備的特性.

汽輪發(fā)電機(jī)組功率的大小同機(jī)組的進(jìn)汽參數(shù)及背壓是密切相關(guān)的.其中，進(jìn)汽參數(shù)包括汽輪機(jī)機(jī)前的主蒸汽與再熱蒸汽的流量、壓力與溫度，即公式（1）：

式中，N—機(jī)組發(fā)電功率，MW；D0—主蒸汽流量，t/h；P0—主蒸汽壓力，MPa；t0—主蒸汽溫度，℃；Dz—再熱蒸汽流量，t/h；Pz—再熱蒸汽壓力，MPa；tz—再熱蒸汽溫度，℃；Pc—汽輪機(jī)背壓，kPa.

對于汽輪機(jī)的背壓，根據(jù)凝汽器變工況計(jì)算模型及相關(guān)文獻(xiàn)[1-4]，可以認(rèn)為存在以下關(guān)系.由于機(jī)組的排汽流量和進(jìn)汽流量之間必然存在明顯的函數(shù)關(guān)系，故也可用主蒸汽流量來代替排汽流量，即公式（2）：

式中，Dc—汽輪機(jī)排汽流量，t/h；Dw—循環(huán)水流量，t/h；tw1—循環(huán)水進(jìn)口溫度，℃.

循環(huán)水泵的功耗只取決于循環(huán)水流量，即公式（3），且該功耗的變化最終體現(xiàn)在機(jī)組廠用電的變化上.

式中，P—循環(huán)水泵功耗，MW.

定義汽輪機(jī)的凈功率為機(jī)組發(fā)電功率減去廠用電，其中循環(huán)水泵的功耗被包含在廠用電內(nèi)，即公式（4）：

式中，Nj—機(jī)組凈功率，MW；Nap—機(jī)組廠用電功率，MW.

結(jié)合以上分析，可建立如圖5 所示的神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)對汽輪機(jī)凈功率及背壓的預(yù)測，其中隱藏層的節(jié)點(diǎn)數(shù)由試湊法確定，在初始設(shè)定的節(jié)點(diǎn)個數(shù)上，逐步增加（減少）節(jié)點(diǎn)數(shù)，試探多少節(jié)點(diǎn)數(shù)擬合效果最佳.

圖5 汽輪機(jī)凈功及背壓預(yù)測神經(jīng)網(wǎng)絡(luò)模型圖

神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中的數(shù)據(jù)來自于電廠SIS 系統(tǒng)，可能存在一些工況異常或跳閘數(shù)據(jù)，需要提前進(jìn)行數(shù)據(jù)清理，以免對模型訓(xùn)練產(chǎn)生干擾.同時(shí)，為了進(jìn)一步提升神經(jīng)網(wǎng)絡(luò)的預(yù)測精度，還可對運(yùn)行數(shù)據(jù)進(jìn)行分季節(jié)、分負(fù)荷范圍訓(xùn)練.

模型訓(xùn)練完畢后，將機(jī)組當(dāng)前的邊界條件輸入，改變循環(huán)水流量，得到汽輪機(jī)的凈功率.當(dāng)機(jī)組凈功率最大時(shí)，此時(shí)的循環(huán)水流量就是最佳循環(huán)水流量，將其帶入背壓預(yù)測模型，可得到該工況的最佳背壓.

由于機(jī)組的上網(wǎng)電量一定，當(dāng)機(jī)組的凈功率增加時(shí)，電廠ACG（自動發(fā)電量控制系統(tǒng)）將發(fā)出信號，CCS（系統(tǒng)指協(xié)調(diào)控制系統(tǒng)）和DEH（汽輪機(jī)數(shù)字電液控制系統(tǒng)）控制汽輪機(jī)調(diào)節(jié)閥門關(guān)小，進(jìn)而主蒸汽流量減小，使得燃料量下降，機(jī)組供電煤耗下降，實(shí)現(xiàn)節(jié)能.

綜上所述，汽輪機(jī)冷端系統(tǒng)運(yùn)行優(yōu)化過程可總結(jié)見圖6.

圖6 汽輪機(jī)冷端系統(tǒng)運(yùn)行優(yōu)化流程圖

3 案例分析

3.1 參數(shù)信息

本文對某N630-24.2/566/566 機(jī)組進(jìn)行分析，汽輪機(jī)及凝汽器部分參數(shù)見表1.獲取的機(jī)組實(shí)際運(yùn)行數(shù)據(jù)，部分見表2.由于該機(jī)組的凝汽器為雙背壓凝汽器，采用高背壓凝汽器與低背壓凝汽器背壓的平均值作為汽輪機(jī)背壓.又由于該機(jī)組的循環(huán)水流量無測點(diǎn)，根據(jù)傳熱學(xué)理論及能量守恒定律進(jìn)行估算，見公式（5）：

表1 某630 MW 汽輪機(jī)參數(shù)及凝汽器參數(shù)表

表2 機(jī)組變工況運(yùn)行數(shù)據(jù)

式中，Δh—1kg 排汽凝結(jié)時(shí)放出的汽化潛熱，該值隨背壓變化不大，一般可取2 300，kJ/kg；cpw—循環(huán)水的比定壓比熱容，可直接取4.187，kJ/（kg·℃）；Δt—循環(huán)水溫升，℃.

3.2 模型訓(xùn)練

根據(jù)機(jī)組變工況運(yùn)行數(shù)據(jù)建立神經(jīng)網(wǎng)絡(luò)模型，訓(xùn)練樣本數(shù)540 組，測試樣本數(shù)50組.汽輪機(jī)凈功率預(yù)測結(jié)果如圖7、圖8 所示，背壓預(yù)測結(jié)果如圖9、圖10 所示.

圖7 汽輪機(jī)凈功預(yù)測結(jié)果圖

圖8 汽輪機(jī)凈功預(yù)測誤差結(jié)果圖

圖9 汽輪機(jī)背壓預(yù)測結(jié)果圖

圖10 汽輪機(jī)背壓預(yù)測誤差結(jié)果圖

為了判別預(yù)測結(jié)果的精度，以平均絕對誤差（MAE）、均方誤差（MES）、均方誤差根（RMES）以及平均絕對百分比誤差（MAPE）進(jìn)行衡量[4]，具體結(jié)果見表3.可見，通過GA優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)，預(yù)測結(jié)果的精度得到了一定的提升，最終的結(jié)果具有一定的可信度.

表3 預(yù)測結(jié)果誤差表

3.3 優(yōu)化結(jié)果

模型建立后，將待優(yōu)化工況的邊界條件輸入，改變循環(huán)水流量，輸出機(jī)組凈功.當(dāng)凈功最大時(shí)，得到最佳循環(huán)水流量，將其帶入汽輪機(jī)背壓預(yù)測模型中，得到該工況的最佳背壓.本文以表2 中的工況為例，進(jìn)行優(yōu)化，優(yōu)化結(jié)果見表4.

其中工況1 的優(yōu)化過程如圖11 所示，汽輪機(jī)背壓隨循環(huán)水流量變化如圖12 所示.優(yōu)化后，機(jī)組凈功率增加0.47 MW，以機(jī)組額定熱耗7 556 kJ/kWh，管道效率99%，鍋爐效率94%，燃用熱值為230 23 kJ/kg 的動力煤，煤價(jià)750 元/ 噸進(jìn)行粗略計(jì)算，可節(jié)省燃料成本約118 元/h.

圖11 工況1 凈功優(yōu)化過程圖

圖12 工況1 背壓隨循環(huán)水流量變化圖

4 結(jié) 論

通過GA-BP 神經(jīng)網(wǎng)絡(luò)對汽輪機(jī)冷端系統(tǒng)運(yùn)行進(jìn)行優(yōu)化，得到以下結(jié)論：

（1）基于GA-BP 神經(jīng)網(wǎng)絡(luò)構(gòu)建了汽輪機(jī)凈功預(yù)測模型及背壓預(yù)測模型，通過對某630 MW 機(jī)組實(shí)際運(yùn)行數(shù)據(jù)的訓(xùn)練與預(yù)測，驗(yàn)證了模型具有較好的精度，可以用來反映機(jī)組的部分運(yùn)行特性，從而為機(jī)組的性能診斷及參數(shù)尋優(yōu)提供依據(jù).

（2）神經(jīng)網(wǎng)絡(luò)的預(yù)測精度直接決定了優(yōu)化效果.GA-BP 神經(jīng)網(wǎng)絡(luò)相較于單純的BP 神經(jīng)網(wǎng)絡(luò)，其預(yù)測精度確實(shí)得到了一定的提升，但為了進(jìn)一步提升優(yōu)化效果，應(yīng)采用新型算法并進(jìn)行多種算法的比較，選取最優(yōu)算法.

（3）對汽輪機(jī)進(jìn)行凈功最大尋優(yōu)，從優(yōu)化結(jié)果來看，目前的火電機(jī)組冷端系統(tǒng)仍具有較大的節(jié)能潛力.

（4）通過不斷更新機(jī)組最近的運(yùn)行數(shù)據(jù)并將其帶入神經(jīng)網(wǎng)絡(luò)模型進(jìn)行修正，就可以實(shí)時(shí)跟蹤機(jī)組的實(shí)際運(yùn)行情況，有效解決了冷端系統(tǒng)運(yùn)行優(yōu)化傳統(tǒng)方法不能實(shí)時(shí)反映機(jī)組實(shí)際運(yùn)行情況的問題.