王麗娜

摘要：本文提出了兩種用于汽輪機(jī)在線監(jiān)測(cè)應(yīng)用的建模方法，一種混合-熱力動(dòng)力學(xué)方法和一種神經(jīng)網(wǎng)絡(luò)方法。 兩種模型都能預(yù)測(cè)功率以及其他不易測(cè)量的特性，如出口蒸汽質(zhì)量、壓力和出口溫度。 利用數(shù)據(jù)庫(kù)對(duì)兩種模型進(jìn)行了培訓(xùn)和驗(yàn)證，不通過(guò)GE尺寸設(shè)計(jì)工具創(chuàng)建， 利用高壓汽輪機(jī)現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)對(duì)模型進(jìn)行了測(cè)試。

Abstract： The paper proposes two different approaches for steam turbine modelling for on-line monitoring applications， a hybrid-thermodynamic method and a neural network approach. Both models can predict power and other features that cannot be easily measured such as outlet Steam Quality， Pressure and Temperature at drums outlet. Training and validation of both models was carried out by exploiting a dataset created by means the GE sizing design tool. The models were tested by means of real field data of a High Pressure Turbine.

關(guān)鍵詞：汽輪機(jī);模型;數(shù)值

1 ?介紹

汽輪機(jī)老化的監(jiān)測(cè)和控制是一個(gè)備受爭(zhēng)議的話題，特別是在蒸汽運(yùn)行條件非常多變的情況下，或在渦輪機(jī)的情況下，都是如此經(jīng)常啟動(dòng)和關(guān)閉周期。非穩(wěn)態(tài)蒸汽條件下的STS受到持續(xù)的熱應(yīng)力、風(fēng)效應(yīng)和過(guò)早老化，從而降低了效率。在這種情況下，基于渦輪機(jī)械模型的在線監(jiān)測(cè)算法必須平衡良好的準(zhǔn)確性和簡(jiǎn)單性，這即兩個(gè)基本的，經(jīng)常是反作用的特征，以便在PLC這樣的平臺(tái)上實(shí)現(xiàn)，它通常在內(nèi)存和計(jì)算速度方面有嚴(yán)格的要求。這類模型和算法用于監(jiān)測(cè)現(xiàn)象和無(wú)法訪問(wèn)的情況變量（例如，風(fēng)、效率、蒸汽質(zhì)量（液體蒸氣混合物中蒸汽質(zhì)量的百分比）、葉片之間的壓力和溫度）通常不通過(guò)傳感器測(cè)量。

ST模型允許在非設(shè)計(jì)狀態(tài)下對(duì)機(jī)器進(jìn)行監(jiān)視，必須考慮到不同的重非線性行為，如效率對(duì)轉(zhuǎn)速的依賴。以及鼓壓之間的比值、質(zhì)量流動(dòng)（通常用Stodola方程來(lái)估計(jì)）、風(fēng)效應(yīng)對(duì)壓力與動(dòng)能比值的依賴關(guān)系，這取決于蒸汽速度和葉片的幾何形狀。用于簡(jiǎn)化ST建模的方法，通常是基于半經(jīng)驗(yàn)關(guān)系或熱差近似。本文所做的工作比較了兩種不同的汽輪機(jī)建模方法。迭代混合熱力學(xué)模型和前饋神經(jīng)網(wǎng)絡(luò)模型（FFNN）。

論文組織如下：描述了迭代混合熱力學(xué)模型，描述了兩種模型的訓(xùn)練和驗(yàn)證數(shù)據(jù)集的設(shè)計(jì)方法。

2 ?混合熱力學(xué)模型

混合-熱力學(xué)方法旨在通過(guò)使用近似關(guān)系來(lái)擴(kuò)展基于物理的方法，該關(guān)系描述效率的線性行為，壓力比之間的非線性行為。不同的操作條件下的蒸汽和轉(zhuǎn)速的機(jī)器。 因此，修正了簡(jiǎn)單的方程焓降的計(jì)算，為了再現(xiàn)機(jī)器的真實(shí)行為。描述了沿定子和轉(zhuǎn)子葉片的蒸汽流動(dòng)，關(guān)于經(jīng)典的熱力學(xué)模型，其觀點(diǎn)是傾向于機(jī)器的部分。

對(duì)汽輪機(jī)的滾筒進(jìn)行建模，以估計(jì)質(zhì)量流量、壓力、溫度、焓和功率等基本參數(shù)。特別是，質(zhì)量流動(dòng)與入口和出口條件使用Stodola方程，表示如下：

并通過(guò)一個(gè)階大于3的多項(xiàng)式擴(kuò)展，根據(jù)以下方程：

在廣泛的操作條件下，通過(guò)最小化預(yù)測(cè)和實(shí)際質(zhì)量流之間的均方誤差來(lái)識(shí)別系數(shù)ksi。第一系數(shù)k si d通過(guò)一個(gè)非線性關(guān)系，通過(guò)一個(gè)查詢表表示ksi系數(shù)來(lái)匹配轉(zhuǎn)速，入口蒸汽閥行程，一個(gè)識(shí)別程序的結(jié)果。一旦確定了系數(shù)ksi，用Eq算出滾筒出口壓力。了解每個(gè)滾筒的入口條件（壓力、溫度和質(zhì)量流量）。其他數(shù)量 （如焓、熵等）用蒸汽表函數(shù)進(jìn)行評(píng)價(jià)。

實(shí)際出口焓與等熵出口焓之間的關(guān)系，通常描述為：

其中KI系數(shù)用與Eq相同的方法識(shí)別，特別是，一組系數(shù)被確定為的函數(shù) 通過(guò)表示i c來(lái)匹配此依賴項(xiàng)系數(shù)作為查找表。出口溫度和蒸汽質(zhì)量通過(guò)蒸汽表功能來(lái)評(píng)估。

汽輪機(jī)每個(gè)滾筒的功率由質(zhì)量流量、焓降和動(dòng)能貢獻(xiàn)的函數(shù)計(jì)算得到，

其中，動(dòng)力學(xué)貢獻(xiàn)是通過(guò)考慮質(zhì)量流動(dòng)守恒定律和汽包出口速度三角形來(lái)計(jì)算。

為了配合渦輪最后一個(gè)滾筒出口的壓力（模型的輸入），采用了一種迭代的方法：迭代計(jì)算入口質(zhì)量流量，迭代算法的邏輯是基于方程的。假設(shè)在每個(gè)操作條件下，都存在一個(gè)k，將質(zhì)量流與某些邊界條件聯(lián)系起來(lái)，根據(jù)下面的bas集成電路步驟計(jì)算壓力誤差，檢查估計(jì)的出口壓力是否與實(shí)際出口壓力相匹配;如果是，當(dāng)前質(zhì)量流量是正確的;如果沒(méi)有，則進(jìn)入下一步;如果出口壓力的估計(jì)來(lái)自方程，是一個(gè)復(fù)數(shù)，是一個(gè)復(fù)數(shù)，質(zhì)量流量計(jì)算為5%，否則計(jì)算如下。

如果壓力誤差的符號(hào)變化，并且出口壓力計(jì)算為Eq。是一個(gè)復(fù)數(shù)，質(zhì)量流被計(jì)算為在第一步和i和i+1否則它是通過(guò)等式計(jì)算的。

如果壓力誤差低于出口壓力的0.1%，則質(zhì)量流量是正確的

3 ?基于神經(jīng)網(wǎng)絡(luò)的建模方法

為了預(yù)測(cè)汽輪機(jī)的不同特性，對(duì)汽輪機(jī)模型進(jìn)行了研究。設(shè)計(jì)了四種不同的神經(jīng)網(wǎng)絡(luò)：用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)TUR的總功率賓（NN1）和每個(gè)鼓的功率（NN2）。還將NN應(yīng)用于各鼓出口溫度和壓力的預(yù)測(cè)（NN3）和渦輪出口蒸汽質(zhì)量的估計(jì)（NN4）。FFNN是重非線性輸入輸出關(guān)系逼近的典型選擇。通過(guò)優(yōu)化研究確定了權(quán)重和隱藏層的數(shù)量。

所有的NN都是通過(guò)標(biāo)準(zhǔn)的Levenberg-Mar quardt反向傳播過(guò)程和早期停止算法。最小化的目標(biāo)函數(shù)是預(yù)測(cè)和目標(biāo)輸出之間的MSE。

每個(gè)NN的輸入由入口蒸汽壓力和溫度、每次出的質(zhì)量流量或萃取和出口壓力組成。

4 ?數(shù)值結(jié)果

為了測(cè)試所提出的方法，模擬了一個(gè)由沖擊級(jí)和3個(gè)反應(yīng)桶組成的真正的高壓汽輪機(jī)，標(biāo)稱功率為18MW。用于培訓(xùn)這兩種方法的數(shù)據(jù)集是通過(guò)通用電氣內(nèi)部尺寸調(diào)整工具設(shè)計(jì)的，方法是創(chuàng)造一大套操作條件，其中80%的數(shù)據(jù)用于培訓(xùn)，其余的用于驗(yàn)證。從全天測(cè)量的實(shí)地?cái)?shù)據(jù)開始創(chuàng)建了一個(gè)額外的數(shù)據(jù)集，有助于測(cè)試各種方法。

利用4個(gè)指標(biāo)：平均絕對(duì)誤差（Eav）、最大絕對(duì)誤差（EM）、最大百分比絕對(duì)誤差r，通過(guò)驗(yàn)證數(shù)據(jù)集對(duì)模型的精度進(jìn)行了評(píng)價(jià)目標(biāo)值（EP）和標(biāo)準(zhǔn)偏差（STD）。

神經(jīng)網(wǎng)絡(luò)模型在總功率上提供了第一個(gè)指數(shù)Eav=8.3kW超過(guò)18MW的值，EP=0.5%。用EP估計(jì)每個(gè)鼓的功率在0.3-1.2%范圍內(nèi)。壓力和每個(gè)滾筒的溫度分別在0.8-1.3%和0.1-0.8%范圍內(nèi)用EP估計(jì)。出口蒸汽質(zhì)量用EP=0.1%估算..熱力學(xué)模型估計(jì)具有Eav=571kW的Erall功率超過(guò)18兆瓦左右，EP=5.9%。

5 ?結(jié)論

介紹了兩種不同的建模方法，它們估計(jì)了整個(gè)渦輪或每個(gè)汽包產(chǎn)生的功率、每個(gè)汽包出口的溫度和壓力渦輪出口的團(tuán)隊(duì)質(zhì)量。這兩個(gè)模型都是用通用電氣Turbomachinery設(shè)計(jì)工具創(chuàng)建的數(shù)據(jù)集進(jìn)行訓(xùn)練的，但也用實(shí)際發(fā)電廠測(cè)量的現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行了測(cè)試?；贜N的模型提供了滿意的結(jié)果，也考慮到了極端的非設(shè)計(jì)條件。另一方面，混合熱力學(xué)模型結(jié)合了風(fēng)效的監(jiān)測(cè)，但其性能并不完全令人滿意。

未來(lái)的工作將集中在為混合熱力學(xué)模型設(shè)計(jì)更精確的算法，并探索更復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)和混合方法。

參考文獻(xiàn)：

[1]岳姍.淺析混合動(dòng)力電動(dòng)汽車電機(jī)驅(qū)動(dòng)系統(tǒng)的故障診斷[J].內(nèi)燃機(jī)與配件，2018（08）.

[2]呂玉紅，李洪超.電站引風(fēng)機(jī)驅(qū)動(dòng)方式的分析研究[J].價(jià)值工程，2015（16）.

[3]杜洪玉.前置前驅(qū)動(dòng)汽車的驅(qū)動(dòng)系統(tǒng)扭轉(zhuǎn)振動(dòng)分析[J].內(nèi)燃機(jī)與配件，2011（01）.