[发明专利]一种基于径向基神经网络的火电机组供电煤耗计算方法

说明书

本发明涉及一种基于径向基神经网络的火电机组供电煤耗计算方法，包括：从发电厂分布式控制系统中获取各机组的历史运行数据，以及从发电厂厂级实时监控信息系统中获取历史供电煤耗数据；从历史运行数据中鉴别出机组的暂态运行数据将其剔除，并获取机组的稳态运行数据；基于稳态运行数据及历史供电煤耗数据构建径向基神经网络，并对径向基神经网络进行测试，直至径向基神经网络的输出满足预设的误差值；从发电厂分布式控制系统实时获取发电厂各机组的实时运行数据，并将实时运行数据作为径向基神经网络输入层的输入数据，计算得出机组供电煤耗数据。本发明实现了对火力电厂煤耗的快速准确计算。

技术领域

本发明属于火力发电技术领域，尤其涉及一种基于径向基神经网络的火电机组供电煤耗计算方法。

背景技术

随着国家对火电厂节能降耗要求的逐步提高及智能电厂的高速发展，火电厂供电煤耗的计算越来越受到关注。供电煤耗是指火力发电厂每向外提供1kWh电能平均耗用的标准煤量，是发电厂生产经营的主要经济性指标之一。实现机组供电煤耗实时计算，既是火电机组自动化技术演进过程中的必然趋势，也是火电机组节能精细化管理的根本要求。火电厂供电煤耗计算主要采用传统效率计算方法，如正平衡法和反平衡法。供电煤耗是典型的非线性、时变参数，机组的供电煤耗会随着时间的推移以及机组工况的变化而不断变化，不仅测量过程复杂、测量结果误差大，而且测量成本较高，测出的结果也不能准确地反映机组一段时间内的供电煤耗特性。因此，需要一种能够准确反映供电煤耗的供电煤耗计算方法。

发明内容

本发明的目的是提供一种基于径向基神经网络的火电机组供电煤耗计算方法，将径向基神经网络应用于火力发电机组煤耗计算之中，通过采集合理有效的机组运行数据，并对神经网络进行参数的修改优化后，实现对火力电厂煤耗曲线的快速准确计算。

本发明提供了一种基于径向基神经网络的火电机组供电煤耗计算方法，包括：

步骤1，从发电厂分布式控制系统中获取各机组的历史运行数据，以及从发电厂厂级实时监控信息系统中获取历史供电煤耗数据；

步骤2，从历史运行数据中鉴别出机组的暂态运行数据并将其剔除，从而获取机组的稳态运行数据；

步骤3，基于稳态运行数据及历史供电煤耗数据构建径向基神经网络，并对径向基神经网络进行测试，直至径向基神经网络的输出满足预设的误差值；

步骤4，从发电厂分布式控制系统实时获取发电厂各机组的实时运行数据，并将实时运行数据作为径向基神经网络输入层的输入数据，计算得出机组供电煤耗数据。

进一步地，步骤1中历史运行数据包括一段时间内汽轮机热耗率、发电厂厂用电率、锅炉机组负荷、炉膛出口氧量、各风口挡板开度、各磨煤机给煤量、炉膛温度中的多种。

进一步地，步骤2中获取机组的稳态运行数据的方法包括：

若15min内，机组的实际负荷和主蒸汽压力参数与其各自设定值的均方差之和小于设定的阈值，则判定机组处于稳态工况，所述稳态工况下的运行数据即为稳态运行数据；否则，顺时递推5min，重新判定机组是否处于稳态工况，直到运行数据满足稳态工况条件为止。

进一步地，步骤3包括：

将稳态运行数据及历史供电煤耗数据作为径向基神经网络输入层的输入数据，并划分出训练数据和测试数据；其中，从整体数据中随机选取75％的数据作为训练数据，用于径向基神经网络训练样本，将其余25％数据，用于径向基神经网络测试样本。

进一步地，步骤3还包括：

在对径向基神经网络进行测试过程中，调整径向基神经网络隐含层神经元个数，以获取径向基神经网络的输出值变化情况。

进一步地，步骤3还包括：

对历史供电煤耗数据进行连续差分化，以对应于稳态运行数据。