汽轮机变工况下调节级压力预测模型及应用

doi:10.12096/j.2096-4528.pgt.18173

发电技术 ›› 2019, Vol. 40 ›› Issue (2): 161-167.DOI: 10.12096/j.2096-4528.pgt.18173

汽轮机变工况下调节级压力预测模型及应用

罗云^1,²(),陈雪林¹(),李瑞东³(),苏永健^1,*(),徐义巍¹,晁俊凯¹,李鹏竹¹,任海彬¹

¹ 宁夏京能宁东发电有限责任公司, 宁夏回族自治区银川市 750001
² 北京东方国信科技股份有限公司, 北京市朝阳区 100012
³ 北京京能电力股份有限公司, 北京市朝阳区 100025

收稿日期:2018-12-11 出版日期:2019-04-30 发布日期:2019-05-09
通讯作者: 苏永健
作者简介:罗云(1981),男,高级工程师,从事火力发电厂运行管理和大数据应用研究工作, ayunmeng@163.com|陈雪林(1984),男,工程师,从事火力发电厂运行和数据建模工作, 445752152@qq.com|李瑞东(1974),男,高级工程师,从事电力安全生产和技术管理工作, lird@sina.com

Prediction Model and Application of Turbine Regulating Stage Pressure Under Variable Conditions

Yun LUO^1,²(),Xuelin CHEN¹(),Ruidong LI³(),Yongjian SU^1,*(),Yiwei XU¹,Junkai CHAO¹,Pengzhu LI¹,Haibin REN¹

¹ Ningxia Ningdong Power Generation Co., Ltd., Yinchuan 750001, Ningxia Hui Autonomous Region, China
² Beijing Jing Business-intelligence of Oriental Nations Corporation Ltd., Chaoyang District, Beijing 100012, China
³ Beijing Jingneng Power Co., Ltd., Chaoyang District, Beijing 100025, China

Received:2018-12-11 Published:2019-04-30 Online:2019-05-09
Contact: Yongjian SU

摘要/Abstract

摘要：

为监视汽轮机通流部分的健康状况和进行故障早期诊断，以汽轮机变工况计算为理论基础，基于弗留格尔公式和Weierstrass逼近定理，建立了调节级压力的多元回归模型。根据某660MW间接空冷机组大修后的运行数据对模型进行回归分析和验证，结果表明：模型具有很高的拟合度，自变量对因变量影响显著；稳态工况时，预测结果与实测值趋势一致，相对误差约为1.2%，实现了变工况下调节级压力软测量。将模型应用于电厂分布式控制系统中，建立了汽轮机通流部分故障的预警系统。

关键词: 汽轮机, 故障诊断, 调节级压力, 预测模型, 多元回归分析, 分布式控制系统(DCS)

Abstract:

Using the calculation of the variable conditions for steam turbines as the theoretical basis, a multivariate regression model for regulating pressure was established based on the Frugell formula and the Weierstrass approximation theorem. According to the historical operation data of a 660MW generating set, the model was subjected to regression analysis and verification. The results show that the model has a high degree of fit, and the independent variable has a significant influence on the dependent variable; When the steady state conditions are met, the predicted results are consistent with the measured values and the relative error is about 1.2%, which enable soft pressure measurement of the regulation stage. The model was applied to the distributed control system (DCS) of the power plant, and an on-line warning system was established to adjust the pressure anomaly and the partial flow malfunction in the turbine under variable conditions.

Key words: steam turbine, fault diagnosis, regulation stage pressure, predicted model, multiple regression analysis, distributed control system(DCS)

罗云,陈雪林,李瑞东,苏永健,徐义巍,晁俊凯,李鹏竹,任海彬. 汽轮机变工况下调节级压力预测模型及应用[J]. 发电技术, 2019, 40(2): 161-167.

Yun LUO,Xuelin CHEN,Ruidong LI,Yongjian SU,Yiwei XU,Junkai CHAO,Pengzhu LI,Haibin REN. Prediction Model and Application of Turbine Regulating Stage Pressure Under Variable Conditions[J]. Power Generation Technology, 2019, 40(2): 161-167.

参考文献

1	丁旭春, 王毅, 殷志龙, 等. 超临界630MW机组汽轮机通流结垢诊断及处理[J]. 热力发电, 2013, 42 (11): 138- 140.
2	杨涛, 胥建群, 周克毅, 等. 汽轮机通流部分结垢与热力参数变化的关系分析[J]. 江苏电机工程, 2013, 32 (2): 71- 74.
3	刘志江, 李续军, 刘向民. 超临界压力汽轮机固体颗粒侵蚀的表面硬化处理技术[J]. 中国电力, 1996, 37 (2): 25- 28.
4	朱永利, 尹金良. 人工智能在电力系统中的应用研究与实践综述[J]. 发电技术, 2018, 39 (2): 106- 111.
5	王建国, 孟娜, 殷鑫. 基于粒子群优化算法的凝汽器真空预测模型[J]. 动力工程学报, 2012, 32 (10): 815- 820.
6	邓博, 徐鸿, 郭鹏, 等. 变负荷下超临界机组过热器壁温预测[J]. 中国电力, 2018, 51 (3): 13- 20.
7	孙宝民, 信晶, 杨斌, 等. 基于独立主成分预测电站锅炉NOx[J]. 中国电力, 2018, 51 (3): 39- 43.
8	李维特, 黄保海. 汽轮机变工况热力计算[M]. 北京: 中国电力出版社, 2001: 143- 145.
9	靳智平. 电厂汽轮机原理及系统[M]. 北京: 中国电力出版社, 2004: 88- 92.
10	将尔雄, 赵风光. 数值逼近[M]. 上海: 复旦大学出版社, 1996: 183- 185.
11	李慧君, 赵翔. 汽轮机调节级特性曲线快速算法改进[J]. 热力发电, 2016, 45 (10): 94- 98.
12	张利平, 王夕阳, 王睿, 等. 基于MATLAB的汽轮机调节级变工况计算[J]. 华北水利水电大学学报, 2015, 36 (3): 72- 72.
13	颜节礼, 唐建荣. 应用统计学[M]. 西安: 西安电子科技大学出版社, 2016: 103- 104.
14	Jiang X , Liu P , Li Z . Data reconciliation and gross error detection for operational data in power plants[J]. Energy, 2014, (75): 14- 23.
15	杨勇平, 袁星, 黄圣伟, 等. 火电机组湿法脱硫系统能耗的回归分析[J]. 工程热物理学报, 2012, 33 (11): 54- 56.
16	杨勇平, 杨昆. 汽轮机通流部分故障的热力判据[J]. 热能动力工程, 1999, 14 (5): 347- 349.
17	李勇, 徐君诏, 黄萍力. 凝汽式汽轮机通流部分结垢诊断方法研究[J]. 汽轮机技术, 2008, 50 (5): 286- 287.

[1]	李延兵, 贾树旺, 张军亮, 符悦, 刘明, 严俊杰. 汽轮机高位布置超超临界燃煤发电系统变工况㶲经济性分析[J]. 发电技术, 2024, 45(1): 69-78.
[2]	梁岩芳, 彭姝璇, 崔永军, 罗建超, 何垚年, 白林超, 付经伦. 汽轮机轴封加热器换热性能计算[J]. 发电技术, 2023, 44(6): 817-823.
[3]	张航, 周传杰, 张林, 陈节涛, 徐春梅, 彭道刚. 基于概率神经网络-小波神经网络-DS信息融合的电厂引风机故障诊断[J]. 发电技术, 2022, 43(6): 951-958.
[4]	石红晖, 王海波, 曹蓉秀, 姚力, 晏鑫. 变工况条件下汽轮机高压缸末级气动及强度性能研究[J]. 发电技术, 2022, 43(6): 959-969.
[5]	王志云, 赵玉柱, 王学栋, 张元舒. 调峰机制下供热汽轮机中压调门调节特性试验研究[J]. 发电技术, 2022, 43(6): 970-976.
[6]	左启尧, 唐震, 李慧勇, 张颖, 王江峰. 电网调峰背景下汽轮机低压缸零出力技术现状综述[J]. 发电技术, 2022, 43(4): 645-654.
[7]	白明亮, 张冬雪, 刘金福, 刘娇, 于达仁. 基于深度自编码器和支持向量数据描述的燃气轮机高温部件异常检测[J]. 发电技术, 2021, 42(4): 422-430.
[8]	王婧, 杨金福, 段立强, 田李果, 荆雨田, 杨名. 高参数超超临界燃煤机组汽轮机热力系统优化设计[J]. 发电技术, 2021, 42(4): 480-488.
[9]	王玉亭, 陈彦奇, 徐钢, 陈衡. 大型燃煤电站汽轮机排汽通道结构优化研究[J]. 发电技术, 2021, 42(4): 464-472.
[10]	刘云锋, 李宇峰, 王健, 马义良, 关淳. 汽轮机深度调峰的水蚀问题研究[J]. 发电技术, 2021, 42(4): 473-479.
[11]	陈尚年, 李录平, 张世海, 欧阳敏南, 樊昂, 文贤馗. 汽轮发电机组振动故障诊断技术研究进展[J]. 发电技术, 2021, 42(4): 489-499.
[12]	刘长春, 关淳, 郭魁俊, 李宇峰, 马义良. 汽轮机长叶片颤振预测方法[J]. 发电技术, 2021, 42(4): 500-508.
[13]	李亚光, 李蒙. 基于深度小世界神经网络的风电机组异常检测[J]. 发电技术, 2021, 42(3): 313-321.
[14]	王学栋, 姜明超, 宋昂. 低压省煤器性能评价试验与节能效果的修正计算方法[J]. 发电技术, 2021, 42(2): 280-287.
[15]	杨昌杏, 李录平. 风力机叶片损伤故障检测技术研究进展[J]. 发电技术, 2020, 41(6): 599-607.

汽轮机变工况下调节级压力预测模型及应用

Prediction Model and Application of Turbine Regulating Stage Pressure Under Variable Conditions

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

参考文献

相关文章 15

编辑推荐

Metrics