电厂锅炉末级再热器温度的反向建模研究

作     者：蔡驰 

作者单位：西安科技大学 

学位级别：硕士

导师姓名：杜京义

授予年度：2018年

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

主      题：末级再热器 小波变换 SVR 算法 LabVIEW 

摘      要：大容量、高参数是目前电厂火电机组的主流发展方向。为保证电厂电力系统的可靠运行,锅炉各部件性能指标正常尤为关键。在机组容量越大的情况下,大型电厂锅炉受热面高温损坏,特别是“四管超温爆管现象造成的事故损失最大。论文以电厂锅炉末级再热器最危管壁为研究对象,对最危管的温度规律及预测模型进行了研究。研究分为以下几个步骤进行。首先,针对府谷电厂锅炉工作特征,根据锅炉的各个高温对流受热面超温次数与时长确定本文研究对象。在锅炉汽温调节手段基础上,结合经典的严密传热和水动力基本理论,分析最危管壁温的相关因素,现场采集锅炉运行过程中的实时数据。并选取灰色斜率关联法优化模型输入维数,从初选的15种输入变量中去掉相关程度较小的属性,提高预测模型的计算效率和精度。其次,针对振动、电磁等噪声干扰引起的锅炉数据采集设备故障问题,对最危管壁温相关数据进行了异常点剔除与去噪处理。采取统计分析方法检测序列值与其相应的曲线平滑估计值的绝对离差查找出离群点,并使用平滑算法进行修正。使用不同小波基并结合软阈值与硬阈值对壁温相关数据进行小波去噪。实验结果表明,Stein无偏风险阈值法rigrsure效果较好。接着,基于反向建模的思想采用支持向量机,结合网格参数优化与交叉验证选择回归最佳参数c与g,建立最危管壁温SVR模型。针对神经网络收敛速度慢问题,利用梯度下降法和牛顿法建立了 BP神经网络末级再热器第22排#3管壁温预测模型。为避免神经网络局部寻优,提出分别将GA算法、ABC算法与BP智能算法相结合的结构,对模型进行适当的调整和改进。并分别对四种模型实验验证,对比分析表明,四种预测模型各有优缺点,ABC-BP神经网络预测模型预测结果优于前三种模型。最后,将LabVIEW和MATLAB工具相结合,设计了末级再热器温度预测应用软件,实现了用户登录、数据导入、查询、预测等功能。本课题的研究在一定程度上能够预防最危管超过所用钢材许用温度而引发运行事故,提高锅炉乃至整个机组的可靠性,对指导锅炉运行、调整等安全方面具有重要价值。