[发明专利]一种DSG槽式光热电站集热场工质参数预测方法

说明书

本发明公开一种DSG槽式光热电站集热场工质参数预测方法，包括：S1获取DSG槽式光热电站的工质相关参数历史数据；S2建立DSG槽式光热电站集热器的传热和水动力耦合稳态机理模型；S3搭建用于学习集热器入口工质压力和出口工质温度的神经网络，并利用S1获取的工质相关参数历史数据，和S2建立的传热和水动力耦合稳态机理模型，对搭建的神经网络进行训练；S4利用传热和水动力耦合稳态机理模型以及神经网络，组建用于预测集热器入口压力和出口温度的神经网络预测模型；S5获取待预测的DSG槽式光热电站集热器的已知工质相关参数数据，作为神经网络预测模型的输入量，对DSG槽式光热电站集热器的出口工质温度和入口工质压力进行预测。本发明可提高DSG槽式光热电站集热场工质参数预测的预测效率和精确度。

技术领域

本发明涉及光热电站功率预测技术领域，特别是一种基于传热机理和深度神经网络的 DSG槽式光热电站集热场工质参数预测方法。

背景技术

直接蒸汽发电(Direct Steam Generation,DSG)槽式太阳能热发电系统(槽式系统)作为一种新型的槽式系统，其基本原理是利用抛物线型槽式聚光器将太阳光聚焦到吸热管上，直接加热吸热管内的工质水，直至产生蒸汽推动汽轮发电机组发电。其中，由聚光器与集热管组成的装置称为DSG槽式太阳能聚光集热器(即DSG槽式集热器)，多组DSG槽式集热器按一定方式排列在一起，组成DSG槽式系统集热场。

由于DSG槽式系统具有以下优势：用水替代导热油，消除了环境污染风险；省略了油/ 蒸汽换热器及其附件等，电站投资大幅下降；简化了系统结构，大幅降低了电站投资和运营成本；具有更高的蒸汽温度，电站发电效率较高。因此，DSG槽式系统是今后槽式系统发展的重点方向。对DSG槽式光热电站进行功率预测是DSG槽式光热电站优化调度的基础工作，而DSG槽式光热电站集热场工质参数预测是功率预测的基础和关键。目前，由于DSG槽式光热电站正处于示范发展阶段，其运行数据并不多见，因此国内外均多采用机理模型对发电功率进行预测。

Heinzel等建立了抛物线型槽式集热器的光学模型，并利用该光学模型和基本热损模型对导热油工质的LS2型槽式集热器进行了模拟，与Sandia国家实验室的实验数据基本吻合。 Odeh在1996年至2003年之间的五篇论文中，分析了SEGS电站槽式集热器的热力学性质，建立了以管壁温度作为自变量的槽式集热器热力学稳态模型，该模型经与Sandia实验室导热油工质LS2型槽式集热器实验数据比较，验证了模型的正确性；根据集热管的发射率、风速、集热管管壁温度和辐射强度建立了以管壁温度为自变量的槽式集热器热损模型及效率模型，所建模型是根据管壁温度拟合的热损失曲线而不是基于工作介质的平均温度，这样扩大了模型的适用范围，适合于预测以任意流体作为工作介质的槽式集热器性能；建立了DSG槽式集热器的水动力稳态模型(包括流态模型和压降模型)，并与热力学模型联立建立了DSG槽式系统的统一模型，优化了直通式DSG槽式集热器的设计，提出了DSG集热器的稳态运行策略。Bonilla设计开发了一个基于面向对象的数学模型的DSG槽式太阳能热发电站的动态仿真方案。该动态仿真方案包含面向对象的数学模型，采集并转换传感器数据作为模型的输入并针对如何获得适合的边界条件问题的初值等，利用matlab开发了一些测试工具。并利用多目标遗传算法校准动态模型。Eck建立了再循环模式DSG槽式集热器的非线性分布参数模型，为了获得灵活且鲁棒性强的仿真模型，建立了显式的微分方程组。

近年来，随着我国对太阳能热发电技术研究的深入，国内学者也逐步开始了对槽式集热器的研究。