武廣富 莊 劼上海明華電力技術(shù)工程有限公司許 競 楊世華上海外高橋發(fā)電有限責(zé)任公司
?
大型軸流式風(fēng)機(jī)的建模
武廣富 莊 劼
上海明華電力技術(shù)工程有限公司
許 競 楊世華
上海外高橋發(fā)電有限責(zé)任公司
摘要:軸流式風(fēng)機(jī)因良好的經(jīng)濟(jì)性而成為大型電站鍋爐的常用風(fēng)機(jī),根據(jù)軸流式風(fēng)機(jī)的工作特點(diǎn),通過神經(jīng)網(wǎng)絡(luò)優(yōu)化算法,以全壓開度、煙氣流量、電流等參數(shù)為輸入輸出單元,建立了軸流式風(fēng)機(jī)仿真模型,為該類風(fēng)機(jī)的參數(shù)預(yù)測和經(jīng)濟(jì)性評估提供技術(shù)途徑。
關(guān)鍵詞:軸流式風(fēng)機(jī);神經(jīng)網(wǎng)絡(luò);建模;靜態(tài)特性
目前新建機(jī)組在風(fēng)機(jī)選型上基本擯棄了擋板節(jié)流式通風(fēng)機(jī),轉(zhuǎn)而選擇靜葉可調(diào)式或動葉可調(diào)式軸流式風(fēng)機(jī),風(fēng)機(jī)電耗較傳統(tǒng)配置有明顯優(yōu)勢。國內(nèi)對軸流式風(fēng)機(jī)的研究主要集中于風(fēng)機(jī)選型、風(fēng)機(jī)內(nèi)部流場數(shù)值模擬上,文獻(xiàn)[1]~[4]詳細(xì)地介紹了風(fēng)機(jī)選型的主要考慮因素,對風(fēng)機(jī)的選型計(jì)算進(jìn)行了深入討論,形成了完整的選型計(jì)算方法。多所大學(xué)的研究人員在風(fēng)機(jī)流場的數(shù)值模擬方面進(jìn)行了深入的研究和模擬仿真[5~7],但對于成型的風(fēng)機(jī)來說,如何推算風(fēng)機(jī)的運(yùn)行工況點(diǎn),從而對風(fēng)機(jī)在不同條件下的運(yùn)行參數(shù)進(jìn)行預(yù)測,仍是有待研究的課題。本文通過神經(jīng)網(wǎng)絡(luò)優(yōu)化算法,建立了軸流式風(fēng)機(jī)仿真模型,為該類風(fēng)機(jī)的參數(shù)預(yù)測和經(jīng)濟(jì)性評估提供技術(shù)途徑。
圖1 軸流式風(fēng)機(jī)性能曲線圖
軸流風(fēng)機(jī)的工作原理與透平壓縮機(jī)基本相同,只是由于氣體流速較低,壓力變化不大,一般不需要考慮氣體比容的變化,即把氣體作為不可壓縮流體處理。
軸流風(fēng)機(jī)靜態(tài)性能曲線由不同角度β對應(yīng)的性能曲線族構(gòu)成,如圖1所示,各曲線縱坐標(biāo)為全壓p0,橫坐標(biāo)為體積流量Q0。所有葉片角度對應(yīng)的性能曲線可表達(dá)為流量Q0與全壓p0及葉片角度β的關(guān)系式,其具體形式可由神經(jīng)網(wǎng)絡(luò)擬合實(shí)現(xiàn)。
但由于風(fēng)機(jī)全壓p0包含動壓項(xiàng),與流量Q0有直接關(guān)系,即:
人工神經(jīng)網(wǎng)絡(luò)是模擬生物腦神經(jīng)系統(tǒng)的信息處理機(jī)制建立起來的一種智能信息處理模型,具有很強(qiáng)的適應(yīng)于復(fù)雜環(huán)境和多目標(biāo)控制要求的自學(xué)習(xí)能力,并具有可以任意精度逼近任意非線性連續(xù)函數(shù)的特性,為非線性系統(tǒng)的辨識提供了一種有力的工具,同時也為計(jì)算機(jī)系統(tǒng)仿真建模提供了一種通用模式,而且神經(jīng)網(wǎng)絡(luò)本身就是一種數(shù)學(xué)模型,可作為實(shí)際系統(tǒng)的仿真實(shí)現(xiàn)。
神經(jīng)網(wǎng)絡(luò)以其拓?fù)浣Y(jié)構(gòu)的不同,可實(shí)現(xiàn)不同功能。目前,在神經(jīng)網(wǎng)絡(luò)的實(shí)際應(yīng)用中,絕大部分模型是采用反向誤差傳播(Back-propagation,簡稱Bp)網(wǎng)絡(luò)及其變化形式,它也是前向網(wǎng)絡(luò)的核心。Bp網(wǎng)絡(luò)是一種多層前饋型神經(jīng)網(wǎng)絡(luò),其神經(jīng)元的傳遞函數(shù)S型函數(shù),輸出量為0到1之間的連續(xù)量,它可以實(shí)現(xiàn)從輸入到輸出的任意非線性映射。
圖2 Bp網(wǎng)絡(luò)神經(jīng)元的一般模型
圖3 BP網(wǎng)絡(luò)結(jié)構(gòu)
圖2給出一個基本的Bp神經(jīng)元模型,它具有R個輸入,每個輸入都通過一個適當(dāng)?shù)臋?quán)值w和下一層相連,網(wǎng)絡(luò)輸入可以表示為:
Bp前饋神經(jīng)網(wǎng)絡(luò)通常有一個或多個隱層,隱層中的神經(jīng)元均采用S型傳遞函數(shù),輸出層的神經(jīng)元采用線性傳遞函數(shù)。圖3是一個典型的Bp網(wǎng)絡(luò)結(jié)構(gòu),有一個隱層,隱層神經(jīng)元數(shù)目為S,隱層采用S型神經(jīng)元函數(shù)logsig(),具有R個輸入。
Bp網(wǎng)絡(luò)的算法如下。
假設(shè)三層Bp網(wǎng)絡(luò),輸入節(jié)點(diǎn)xi,隱層節(jié)點(diǎn)yi,輸出節(jié)點(diǎn)zi。輸入節(jié)點(diǎn)與隱層節(jié)點(diǎn)間的網(wǎng)絡(luò)權(quán)值為wj,隱層節(jié)點(diǎn)與輸出節(jié)點(diǎn)間的網(wǎng)絡(luò)權(quán)值為vlj。當(dāng)輸出節(jié)點(diǎn)的期望值為t1時,模型的計(jì)算公式如下:
隱層節(jié)點(diǎn)的輸出:
輸出節(jié)點(diǎn)的計(jì)算輸出:
輸出節(jié)點(diǎn)的誤差:
根據(jù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)要求和軸流式風(fēng)機(jī)的工作特點(diǎn),建立軸流式風(fēng)機(jī)靜態(tài)神經(jīng)網(wǎng)絡(luò)模型,以個別特征量的變化預(yù)測風(fēng)機(jī)運(yùn)行狀態(tài)。以同類型風(fēng)機(jī)歷史運(yùn)行數(shù)據(jù)為樣本,查取p0、Q0、I及β的數(shù)據(jù)樣本,并由式(1)將p0換算為Pst0,為神經(jīng)網(wǎng)絡(luò)提供足夠的訓(xùn)練樣本,選取Pst0和β經(jīng)過歸一化處理后作為輸入,流量p0、I作為輸出,其網(wǎng)絡(luò)模型如圖4所示。
圖4 神經(jīng)網(wǎng)絡(luò)模型
為提高模型精度和學(xué)習(xí)速率,該網(wǎng)絡(luò)模型采用有動量的自適應(yīng)學(xué)習(xí)速率梯度下降法,并根據(jù)風(fēng)機(jī)的設(shè)計(jì)參數(shù)選擇初始權(quán)值。
(1)學(xué)習(xí)算法
該算法公式為:
其中,m、n為常數(shù),0 研究表明,有動量的自適應(yīng)學(xué)習(xí)速率梯度下降法占用內(nèi)存小,神經(jīng)元個數(shù)變化對仿真運(yùn)行影響不大,但初始權(quán)值的選取對誤差收斂性的影響較大。 (2)初始權(quán)值 通常情況下采取比較法選取初始權(quán)值,訓(xùn)練時隨機(jī)產(chǎn)生多個初始權(quán)值,選連后選擇一個最佳值作為初始權(quán)值。研究發(fā)現(xiàn),初始權(quán)值在輸入累加時,使每個神經(jīng)元的狀態(tài)值接近于零,可以保證每個神經(jīng)元在一開始就在它們激活函數(shù)變化最大的地方,這樣能夠加快收斂速度。 根據(jù)神經(jīng)網(wǎng)絡(luò)的建模思想,利用MATLAB仿真工具,對引風(fēng)機(jī)A進(jìn)行了參數(shù)仿真模擬。模型采用雙曲正切S型(Tan-Sigmoid)和線性傳輸函數(shù),訓(xùn)練函數(shù)采用有動量的自適應(yīng)學(xué)習(xí)速率梯度下降法,最大訓(xùn)練次數(shù)50次,初始學(xué)習(xí)速率0.05,允許誤差0.001,輸入?yún)?shù)為引風(fēng)機(jī)進(jìn)出口煙氣壓力和出口煙氣溫度,輸出參數(shù)為引風(fēng)機(jī)煙氣流量和電動機(jī)電流,建立軸流式風(fēng)機(jī)仿真模型。 以230~300 MW負(fù)荷段引風(fēng)機(jī)A的134組運(yùn)行數(shù)據(jù)為訓(xùn)練樣本,對該模型進(jìn)行仿真訓(xùn)練,以經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型對一組數(shù)據(jù)進(jìn)行仿真計(jì)算,并將仿真計(jì)算的結(jié)果與實(shí)際數(shù)據(jù)進(jìn)行比對,結(jié)果如圖5所示。 圖5 仿真計(jì)算結(jié)果與實(shí)際數(shù)據(jù)比對結(jié)果 參考文獻(xiàn) [1] 袁泉,姚斌.羅茨鼓風(fēng)機(jī)選型中風(fēng)量和風(fēng)壓計(jì)算方法的探討[J].風(fēng)機(jī)技術(shù),2006,(6):23-26. [2] 聶志剛,黃發(fā)菁.大型干法煙氣脫硫的引風(fēng)機(jī)選型探討[J].電力建設(shè),2005,(10):59-61 [3] 段成杰,孔林.濕法煙氣脫硫工藝中增壓風(fēng)機(jī)的選型分析[J].華電技術(shù),2008,(7):54-57. [4] 陳泗水.試論羅茨鼓風(fēng)機(jī)的選型設(shè)計(jì)[J].風(fēng)機(jī)技術(shù),1998,(2):8-11. [5] 劉飛,吳克啟.大型軸流風(fēng)機(jī)來流條件對內(nèi)流影響的數(shù)值分析[J].工程熱物理學(xué)報,2006,(6):145-148. [6] 陳晗,任鵬,任永泉.離心式風(fēng)機(jī)邊界層流場計(jì)算[J].石油化工設(shè)備,2008,(9):51-52. [7] 陳慎宇,眭曦,王燦星.離心式通風(fēng)機(jī)內(nèi)部流場的數(shù)值模擬[J].流體機(jī)械,2007,35(9):22-24. 武廣富:(1984-),男,工程師,碩士研究生,從事熱力動力工程相關(guān)領(lǐng)域工作。 Large Scale Axial Flow Fan Modeling Wu Guangfu, Zhuang Jie Abstract:Axial flow fan is used to work for large power plant boilers due to its better economic benefits. According to axial flow fan working principle and characteristics, the article introduces how to build up simulation model of axial flow fan through neural network optimization algorithm based on full pressure, open degree, flue gas flow, current parameters as input and output unit, which provides technologic approaches for parameter prediction and economic evaluation of those types axial flow fans. Key words:Axial Flow Fan, Neural Network, Modeling, Static Characteristics DOI:10.13770/j.cnki.issn2095-705x.2016.05.009 [作者簡介]4 仿真實(shí)例
Shanghai Minghua Electric Power Technology Engineering Co.,Ltd
Xu Jing, Yang Shihua
Shanghai Waigaoqiao Power Generation Co.,Ltd