一种基于动态数据的汽轮机配汽曲线优化方法
阅读说明：本技术 一种基于动态数据的汽轮机配汽曲线优化方法 (Steam turbine steam distribution curve optimization method based on dynamic data ) 是由 张国斌 郭瑞君 张叔禹 刘永江 纪煜 张谦 高正平 霍红岩 赵炜 魏东 殷建华 于 2019-11-19 设计创作，主要内容包括：本发明公开了一种汽轮机配汽曲线优化方法,通过采集汽轮机在变负荷过程中历史数据,利用数据清洗算法剔除离散点和坏点,采用数据聚类算法,以机组负荷作为质心划分依据,对相关参数进行聚类,得到不同负荷工况下蒸汽参数和阀门指令；进而根据流量修正公式对不同负荷工况下的主蒸汽进行修正,得到相同蒸汽参数下的主蒸汽流量；最后采用最小二乘拟合算法,对蒸汽流量与总阀门指令进行线性化拟合,并结合原有流量与阀门指令之间的关系,对阀门配汽曲线进行修正,得到优化后的汽轮机配汽曲线。(The invention discloses a steam turbine steam distribution curve optimization method, which comprises the steps of collecting historical data of a steam turbine in a variable load process, utilizing a data cleaning algorithm to eliminate discrete points and dead points, adopting a data clustering algorithm, taking unit load as a centroid division basis, clustering related parameters, and obtaining steam parameters and valve instructions under different load working conditions; correcting the main steam under different load working conditions according to a flow correction formula to obtain the main steam flow under the same steam parameters; and finally, performing linear fitting on the steam flow and the total valve instruction by adopting a least square fitting algorithm, and correcting a valve steam distribution curve by combining the relation between the original flow and the valve instruction to obtain an optimized steam turbine steam distribution curve.)
技术领域
本发明属于汽轮机运行优化技术领域，涉及一种基于动态数据的汽轮机配汽曲线优化方法。以机组动态工况数据为依据，通过数据清洗、聚类分析及蒸汽流量修正等技术，对汽轮机配汽曲线线性度进行优化，可以有效改善汽轮机的动态调节性能，提升机组负荷控制精度和一次调频控制品质。
背景技术
随着风能、太阳等新能源电力的大量接入，为了保证电网负荷和频率的稳定，平抑随机波动性电源对电网安全造成的影响，常规燃煤发电机组需频繁的参与到电网调峰和调频中，电网对火电机组的控制要求不断提高，机组需能够快速跨出调节死区，并实现快速高精度的负荷调节。
机组负荷控制通常由数字电液控制系统(DEH系统)来完成，DEH系统的阀门流量特性曲线线性度偏差过大，其不仅会增加机组对负荷的响应时间，而且在快速调节过程中容易造成高调门的频繁震荡，导致机组负荷的调节速率和调节精度性能变差、主蒸汽参数波动，阀门执行机构的疲劳损伤增加，影响电网两个细则的考核指标，不利于机组安全、经济运行。
在机组实际运行过程中，其每天频繁的参与负荷调节，在分散控制系统(DCS系统)中存在大量机组动态数据，这些数据能够客观、全面的反映出机组当前的运行特性和性能。如何从小批量的动态数据中分析机组的阀门流量特性，使其更好地为运行实际服务，也是摆在工程技术人员面前的一个难题。
发明内容
为解决上述问题，本发明提供了一种基于动态数据的汽轮机配汽曲线优化方法。本发明的目的在于提供一种基于动态数据的汽轮机配汽曲线优化方法，通过小批量的机组动态数据，辨识并优化汽轮机总阀位指令与主蒸汽流量之间的线性关系，使得汽轮机配汽函数更加合理，提升机组的变负荷动态性能。
为实现上述目的，本发明采用的技术方案是：
一种基于动态数据的汽轮机配汽曲线优化方法，包括以下步骤：
步骤一：动态历史数据采集。利用DCS中存储的历史数据，选取机组负荷在50％-100％区间内的连续变负荷数据段；
步骤二：数据清洗。将所采集到的历史数据按照时序平均分为多段，对每一段数据进行多项式拟合，判断每个原始数据与拟合曲线之间的距离，将偏离拟合曲线的离散点剔除；
步骤三：数据聚类。以机组负荷作为质心划分的依据，每变化1MW为一个质心，采用PAM聚类算法对清洗后的数据进行聚类计算，得到表征汽轮机运行特性的目标数据集；
步骤四：主蒸汽流量修正。选取额定主蒸汽压力和温度作为修正目标，将目标数据集中的蒸汽流量修正至同一蒸汽压力和温度水平下；
步骤五：阀门流量特性线性化拟合。根据修正后的主蒸汽流量与总阀位指令，采用最小二次算法进行线性化拟合，得到期望的主蒸汽流量与总阀位指令间的线性关系；
步骤六：配汽曲线修正。依据拟合得到的主蒸汽流量与总阀位之前的线性曲线，结合原始的汽轮机阀门配汽函数，对总阀位指令分配至各单阀指令函数进行修正，得到新的汽轮机阀门配汽函数。
附图说明
图1为本发明实施例实际流量特性曲线与修正后流量特性曲线
图2为本发明实施例优化后总阀位指令与GV1阀位指令对应关系曲线示例
具体实施方式
本发明所述的一种基于动态数据的汽轮机配汽曲线优化方法，包括以下步骤：
第一步：动态历史数据采集。利用DCS中存储的历史数据，选取机组负荷在50％-100％区间内的连续变负荷数据段；如表1所示：
表1 DCS历史数据采集列表
序号
描述
单位
1
机组功率
MW
2
主蒸汽流量
t/h
3
主蒸汽压力
Mpa
4
主蒸汽温度
℃
5
调节级压力
Mpa
6
高压缸排汽压力
Mpa
7
高压缸排汽温度
℃
8
总阀位开度
％
9
GV1阀位开度
％
10
GV2阀位开度
％
11
GV3阀位开度
％
12
GV4阀位开度
％
本发明数据采集参数包括：机组功率、主蒸汽流量、主蒸汽压力、主蒸汽温度、调节级压力、高压缸排汽压力、高压缸排汽温度、总阀位开度、GV1阀位开度、GV2阀位开度、GV3阀位开度、GV4阀位开度。
采用周期：1秒。
第二步：数据清洗。将读取的历史数据按照时序平均分为多段，对每一段数据进行多项式拟合，判断每个原始数据与拟合曲线之间的距离，将偏离拟合曲线的离散点剔除。
以机组负荷数据为例，选取100个连续时间段内的负荷数据点作为输出量
第三步：数据聚类。以机组负荷作为质心划分的依据，每变化1MW为一个质心，随机抽取初始聚类中心，并采用PAM聚类算法对清洗后的数据进行聚类计算，得到表征汽轮机运行特性的目标数据集。以机组负荷变化范围为[150MW,300MW]为例，以1MW间隔作为质心划分依据，确定聚类质心为150个，采用PAM聚类算法获取目标数据集；
第四步：主蒸汽流量修正。选取目标数据集中最高机组负荷工况下对应的主蒸汽压力和温度作为参考值，将目标数据集中的蒸汽流量修正至同一蒸汽压力和温度水平下，计算方法如下：
a.计算实际主蒸汽流量。对于主蒸汽流量与抽汽量呈正比关系、蒸汽流速为亚音速的高压缸，选取调节级至高压缸排汽口作为级段，采用下式来计算机组各实际工况的实际主蒸汽流量G：
其中，G、p、v分别表示主蒸汽流量t/h、压力MPa、比体积m3/kg；下标0表示参考工况；下标1表示调节级蒸汽参数；下标zr表示高压缸排汽蒸汽参数。
b.计算修正后进汽量。以高压缸入口至调节级作为研究对象，机组总阀位指令以及各高压调节阀开度均保持不变，即该级段的通流面积不变，采用特征通流面积方法计算各实际工况主蒸汽压力(工况D)修正到参考主蒸汽压力(工况C)时的进汽量GC：
其中，下标1表示调节级蒸汽参数；下标st表示主蒸汽参数；
第五步：阀门流量特性线性化拟合。根据修正后的主蒸汽流量与总阀位指令，采用最小二次算法进行线性化拟合，得到期望的主蒸汽流量与总阀位指令间的线性关系，如图1所示。
第六步：配汽曲线修正。依据拟合得到的主蒸汽流量与总阀位之前的线性曲线，结合原始的汽轮机阀门配汽函数，对总阀位指令分配至各单阀指令函数进行修正，得到新的汽轮机阀门配汽函数。如图2所示为优化后总阀位指令与GV1阀位指令对应关系曲线。