基于CFD数值模拟和AI算法的燃气轮机燃烧优化

作     者：顾颀 钟文琪 石岩 石永锋 封伟 Gu Qi;Zhong Wenqi;Shi Yan;Shi Yongfeng;Feng Wei

作者机构：东南大学能源热转换及其过程测控教育部重点实验室南京210096 中国华电集团有限公司上海华电闵行能源有限公司上海201108 江苏省产业技术研究院工业过程模拟与优化研究所苏州215123 

出 版 物：《东南大学学报（自然科学版）》 (Journal of Southeast University：Natural Science Edition)

年 卷 期：2020年第50卷第3期

页      面：545-554页

核心收录：

学科分类：0810[工学-信息与通信工程] 080702[工学-热能工程] 08[工学] 0807[工学-动力工程及工程热物理] 0805[工学-材料科学与工程（可授工学、理学学位）] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金重大资助项目(51390492) 装备预研教育部联合基金资助项目(6141A02033524) 

主　　题：多目标优化 LS-SVM-GA 燃气轮机燃烧 CFD数值模拟 数据预处理 

摘      要：为提高燃气轮机的燃烧性能和稳定性,减少污染物排放,提出了一种基于CFD数值模拟和AI算法的燃气轮机燃烧优化方法.利用大涡模拟(LES)和部分预混火焰面生成流形(FGM)燃烧模型来保证CFD数值模拟的准确性,将其计算结果与电厂运行数据相结合,建立更全面的训练数据库,然后利用拉依达法则和核主成分分析法(KPCA)进行数据预处理.在此基础上,建立了3个最小二乘支持向量机(LS-SVM)模型,分别用来预测NOx排放量、燃烧效率和压力脉动最大幅值,预测的平均相对误差分别为0.562%、0.336%和0.469%.结果表明,CFD模拟数据的加入使该预测模型适用范围更广,稳定性和准确性更高.基于最小二乘支持向量机模型的预测结果,采用遗传算法(GA)对燃料比例分配、空燃体积比等参数进行优化,最终得到NOx排放量、燃烧效率和压力脉动最大幅值的平均优化量分别为3.692×10^-6、0.568%和0.926 kPa,基本满足优化要求.