基于改进磷虾群算法的汽轮机组最优运行初压研究

摘要

近年来，随着我国用电结构的改变和经济的持续高速发展，越来越多的热电厂大容量机组参与到电网的调峰运行工作当中，这样就导致机组长期在变负荷的条件下运行，从而造成机组热经济性能显著降低。要想确保汽轮机组在变负荷运行的条件下依然保持较高的热经济性能，就必须对汽轮机组热耗率最低时对应的主蒸汽压力进行优化，将得到的最优滑压运行曲线作为机组主蒸汽压力的调整值，结果表明，该种方法不仅能够有效降低机组的热耗率，而且能够更好的指导机组的安全经济运行。若要对机组的初压进行优化，需要解决两个难点：1)建立精度较高的热耗率模型；2)确定性能较好的优化方案。本文主要从上述两个问题展开研究，内容如下：
　　首先，对磷虾群算法(Krill Herd algorithm, KH)进行了研究，针对其易陷入局部最优和收敛精度低等不足，提出了一种修正的磷虾群算法，即基于反向学习自适应的磷虾群算法(Opposition Adaptive Krill Herd algorithm, OAKH)。为了检验OAKH算法的可行性，采用10个典型的基准函数对其进行测试，并与生物地理优化算法(Biogeography-Based Optimization, BBO)和原始磷虾群算法进行对比，实验结果表明， OAKH算法是可行、有效的。但对于少数的测试函数，OAKH算法不能快速的跳出局部最优值。针对此问题，在OAKH算法的基础上提出了改进的OAKH算法(A-OAKH)。通过实验得出，A-OAKH算法较OAKH算法搜索性能更优。
　　然后，将A-OAKH算法与快速学习网(Fast Learning Network, FLN)结合，建立汽轮机热耗率预测模型，A-OAKH算法主要的作用是对快速学习网的输入权值和隐藏层阈值进行优化，然后将最佳模型参数带入快速学习网中，完成对汽轮机热耗率预测模型的搭建任务，即A-OAKH-FLN模型。
　　最后，在建立好的A-OAKH-FLN模型基础上，再次采用A-OAKH算法在可行压力区间内对机组热耗率最低时所对应的主蒸汽压力进行优化。通过A-OAKH算法对机组的主蒸汽压力优化后，对应负荷的热耗率均有明显下降，这也证明了该种方法的有效性。最后给出了优化后的滑压运行曲线，相比于厂家给定滑压曲线，本文得出的滑压运行曲线能够更好的指导机组的安全经济运行，指导意义更强。

目录

声明

第1章 绪 论

1.1 课题研究的背景

1.2 课题研究的目的和意义

1.3 国内外研究现状

1.4 本文的主要研究内容及结构安排

第2章 相关理论知识介绍

2.1 极端学习机

2.2 快速学习网

2.3 汽轮机相关知识

2.4 热耗率建模相关知识

2.5 最优运行初压的目标函数建立

2.6 本章小结

第3章 磷虾群算法及其改进

3.1 磷虾群行为描述

3.2 磷虾群算法的基本原理

3.3 修正的磷虾群算法

3.4 仿真实验及结果分析

3.5 本章小结

第4章 基于快速学习网的汽轮机热耗率建模

4.1 汽轮机热耗率影响因素分析及模型参数的选取

4.2 热耗率建模与分析

4.3 本章小结

第5章 汽轮机组最优运行初压研究

5.1 机组调峰运行特性分析

5.2 机组最优运行初压的确定

5.3 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢