[发明专利]一种基于最小二乘支持向量机的汽轮机排汽焓实时计算方法

说明书

本发明公开了一种基于最小二乘支持向量机的汽轮机排汽焓实时计算方法，该方法选取机组负荷，主汽流量、压力和温度、调节级后压力和温度、中压缸进汽压力和温度等进汽参数作为输入变量，同时，选取高压缸排汽压力和温度、低压缸排汽和温度等排汽参数作为输入变量，此外，选取汽轮机八级回热系统的抽汽压力和温度等抽汽参数作为输入变量，总计共28个参数作为最小二乘支持向量机模型的输入变量，汽轮机低压缸的排汽焓作为输出变量，建立基于最小二乘支持向量机的汽轮机低压缸的排汽焓实时计算模型。通过对最小二乘支持向量机模型的训练，得到了汽轮机低压缸的排汽焓的计算模型，便于在线监测中进行实时调用。

技术领域

本发明属于能源动力技术领域，具体涉及一种基于最小二乘支持向量机的汽轮机排汽焓实时计算方法，适用于汽轮机低压缸的排汽焓的在线计算、汽轮机低压缸效率的在线计算、汽轮发电机组热力系统的在线经济分析。

背景技术

随着发电行业逐步进入信息化时代，这就需要在线计算汽轮机组的经济性，难点在于汽轮机低压缸的排汽焓的在线计算。汽轮机低压缸的排汽品位低，而且是湿蒸汽，除了需要排汽压力和排汽温度外，还需要利用湿蒸汽干度，才能计算排汽焓，然而，汽轮机低压缸的排汽干度没有在线测量装置，这就无法在线计算低压缸的排汽焓，进而无法在线计算低压缸效率以及汽轮发电机组的经济性。

传统的能量平衡法计算汽轮机的排汽焓，所需数据多，且计算工作量大、计算步骤繁琐，缺乏实时性差。曲线外推法计算汽轮机的排汽焓，在低负荷以及变工况时不理想，计算精度差。熵增计算法计算汽轮机的排汽焓，涉及到辅助汽水的流量分布，实用性不大。人工神经网络算法计算汽轮机低压缸的排汽焓容易陷入局部极值，还易发生“过拟合”现象。

如何利用机器学习算法实现汽轮机低压缸排汽焓的在线计算成为了技术难点。最小二乘支持向量机能够克服人工神经网络的不足，还能够克服普通支持向量机对于大样本数据训练的局限性，因此越来越广泛地被用于复杂非线性系统的建模中。

发明内容

本发明的目的在于提供一种基于最小二乘支持向量机的汽轮机排汽焓实时计算方法，通过最小二乘支持向量机这种机器学习算法，建立基于最小二乘支持向量机的汽轮机低压缸的排汽焓计算模型，通过对模型的训练得到基于最小二乘支持向量机的汽轮机低压缸排汽焓计算模型，便于在线监测中实时调用，从而在线计算汽轮机的排汽焓、在线分析汽轮发电机组热力系统的经济性。

本发明采用如下技术方案来实现的：

一种基于最小二乘支持向量机的汽轮机排汽焓实时计算方法，包括以下步骤：

1)收集汽轮机正常运行全负荷工况下的历史数据并进行数据预处理；

2)对预处理后的历史数据进行归一化处理；

3)建立基于最小二乘支持向量机的汽轮机低压缸的排汽焓预测模型；

4)基于最小二乘支持向量机的汽轮机低压缸的排汽焓计算模型的训练；

5)将训练好的基于最小二乘支持向量机的汽轮机低压缸的排汽焓计算模型储存，方便在线计算汽轮发电机组的经济性时实时调用。

本发明进一步的改进在于，步骤1)的具体实现方法如下：

提取汽轮机正常运行全负荷工况下的历史数据，包括由机组负荷、主蒸汽流量、压力和温度、调节级后压力和温度、中压缸进汽压力和温度组成的进汽参数，由高压缸排汽压力和温度、低压缸排汽和温度组成的排汽参数，汽轮机八级回热系统的抽汽压力和温度的抽汽参数，以及汽轮机低压缸的排汽焓试验数据，并对历史数据用证实法进行数据预处理，剔除明显的坏点，计算模型如下：

X＝(x₁,x₂,…,x_m)^T (2)