韓 飆

(陜西能源麟北發(fā)電有限公司，寶雞 721599)

閥門流量特性曲線是流經(jīng)閥門的流量與閥門開(kāi)度的曲線關(guān)系。理想情況下，閥門流量特性與實(shí)際機(jī)組閥門的流量特性是一致的，然而實(shí)際情況中，由于受到流體對(duì)閥體的沖刷和腐蝕、閥門的安裝誤差、機(jī)組的改造等因素的影響，閥門流量特性曲線將逐漸偏離設(shè)計(jì)值，并與實(shí)際機(jī)組閥門流量特性曲線出現(xiàn)較大的差距，需要調(diào)整和優(yōu)化。

本文廣泛查閱文獻(xiàn)，分析了國(guó)內(nèi)外研究者在此課題上的研究現(xiàn)狀，并介紹了基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)智能方法的優(yōu)點(diǎn)，為后續(xù)研究提供參考。

1 傳統(tǒng)研究方法簡(jiǎn)介

1.1 基于試驗(yàn)的方法

趙京雷等[1]利用閥門流量特性試驗(yàn)，結(jié)合試驗(yàn)數(shù)據(jù)優(yōu)化了閥門流量特性曲線，優(yōu)化解決了機(jī)組協(xié)調(diào)控制不足的問(wèn)題，同時(shí)也提高了機(jī)組運(yùn)行的穩(wěn)定性。許斯頓等[2]對(duì)1臺(tái)經(jīng)過(guò)大修的600 MW超臨界機(jī)組進(jìn)行了單閥調(diào)節(jié)試驗(yàn)和順序閥調(diào)節(jié)試驗(yàn)，重新優(yōu)化了該機(jī)組的閥門流量特性曲線，同時(shí)優(yōu)化了機(jī)組的滑壓運(yùn)行曲線。徐譽(yù)瑋等[3]對(duì)1臺(tái)330 MW的機(jī)組進(jìn)行了單閥控制的閥門流量試驗(yàn)和順序閥控制的流量試驗(yàn)，然后對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行了優(yōu)化，獲得了具有較好連續(xù)性和線性的優(yōu)化曲線。張偉等[4]對(duì)1臺(tái)改造后的330 MW機(jī)組的閥門流量特性進(jìn)行了試驗(yàn)，并根據(jù)試驗(yàn)結(jié)果計(jì)算出與之相符合的閥門流量特性曲線。趙征等[5]對(duì)某超高壓抽凝式汽輪發(fā)電機(jī)組進(jìn)行了閥門特性優(yōu)化試驗(yàn)，同時(shí)還設(shè)計(jì)了單閥和順序閥的仿真計(jì)算，最后用仿真結(jié)果和試驗(yàn)數(shù)據(jù)對(duì)閥門特性曲線參數(shù)做了調(diào)整，從而達(dá)到優(yōu)化目的。吳鵬等[6]通過(guò)實(shí)際閥門流量特性測(cè)試與仿真驗(yàn)證相結(jié)合的方法，對(duì)某300 MW機(jī)組的閥門流量特性曲線進(jìn)行了全行程的優(yōu)化修正。王玉輝[7]以某220 MW機(jī)組為例,對(duì)高壓主汽閥流量特性曲線進(jìn)行了實(shí)測(cè),介紹了高壓調(diào)閥流量特性曲線的實(shí)測(cè)方法及數(shù)據(jù)處理方法。

1.2 基于數(shù)值仿真分析的方法

除了上述的試驗(yàn)方法之外，部分學(xué)者也開(kāi)展了基于數(shù)值仿真輔助分析的方法。李前敏等[8]利用Savitzky-Golay算法對(duì)測(cè)得的主蒸汽壓力和溫度進(jìn)行了數(shù)據(jù)處理，然后采用傳統(tǒng)的最小二乘法做數(shù)據(jù)擬合。針對(duì)1臺(tái)300 MW的機(jī)組，通過(guò)仿真模擬了順序閥運(yùn)行下出現(xiàn)負(fù)荷突變的問(wèn)題，并采用上述方式進(jìn)行了優(yōu)化，優(yōu)化后獲得了具有良好連續(xù)性和線性的流量特性曲線。趙衛(wèi)正等[9]利用數(shù)值仿真技術(shù)研究了減少閥門流量-升程曲線的后端斜率的方法，結(jié)果表明這能有效減少閥門在調(diào)配流量時(shí)的開(kāi)度變化，進(jìn)而減小調(diào)配過(guò)程中閥門的晃動(dòng)。盛鍇等[10]建立了汽輪機(jī)閥門流量特性的調(diào)速器模型，通過(guò)數(shù)值仿真研究了閥門流量特性對(duì)機(jī)組波動(dòng)的影響，最后提出了相關(guān)控制策略。研究結(jié)果表明，該方法能夠提高機(jī)組的系統(tǒng)阻尼，從而迅速消除外部擾動(dòng)，進(jìn)而提升閥門調(diào)控中機(jī)組的穩(wěn)定性。張曦等[11]針對(duì)目前機(jī)組閥門流量曲線優(yōu)化存在的問(wèn)題，提出了一種閥門重疊度的確定原則，基于閥門流量特性試驗(yàn)，通過(guò)特性參數(shù)來(lái)調(diào)整和優(yōu)化順序閥的流量特性曲線。

Yoo Y H等[12]通過(guò)測(cè)試裝置以及自主開(kāi)發(fā)的仿真軟件，結(jié)合試驗(yàn)分析，進(jìn)行了閥門的流量特性曲線優(yōu)化的研究，探討了將數(shù)值方法作為試驗(yàn)方法的替代方案的可行性。Gerta Zimmer等[13]提出了一種優(yōu)化閥門升程-流量特性曲線的線性化方法，能夠有效控制和預(yù)測(cè)機(jī)組功率的變化。將預(yù)測(cè)數(shù)據(jù)和調(diào)試數(shù)據(jù)進(jìn)行了比較，結(jié)果證明了該方法的有效性。該方法已經(jīng)被成功應(yīng)用于多個(gè)發(fā)電廠。Chris Bolin等[14]為了進(jìn)一步優(yōu)化閥門流量曲線，從閥門不穩(wěn)定流動(dòng)的機(jī)理出發(fā)，研究了一種新式閥門，通過(guò)結(jié)構(gòu)上的優(yōu)化改進(jìn)了閥門流量特性曲線。研究表明，相比于傳統(tǒng)的閥門，該新型閥門具有更大的開(kāi)度和更靈活的操作范圍。Lisyanskii A S等[15]通過(guò)試驗(yàn)方式，對(duì)機(jī)組的閥門升程-流量曲線進(jìn)行了優(yōu)化，并通過(guò)優(yōu)化曲線進(jìn)一步獲得了機(jī)組蒸汽流量與輸出功率的正比對(duì)應(yīng)關(guān)系。Halimi B等[16]利用空氣作為工質(zhì)進(jìn)行了組合式氣流調(diào)節(jié)運(yùn)行試驗(yàn)，證實(shí)了聯(lián)合閥布置的優(yōu)越性，并為閥門流量特性曲線的優(yōu)化提供了重要參考。

2 基于人工智能和機(jī)器學(xué)習(xí)的方法

2.1 研究現(xiàn)狀

近年來(lái)，隨著大數(shù)據(jù)挖掘技術(shù)和機(jī)器學(xué)習(xí)的發(fā)展，在大數(shù)據(jù)環(huán)境中，傳統(tǒng)的數(shù)據(jù)技術(shù)和平臺(tái)效率較低，表現(xiàn)出響應(yīng)緩慢、缺乏可擴(kuò)展性和準(zhǔn)確性的特點(diǎn)。為了應(yīng)對(duì)復(fù)雜的大數(shù)據(jù)挑戰(zhàn)，部分學(xué)者開(kāi)展了大量工作，開(kāi)發(fā)了各種類型的工業(yè)大數(shù)據(jù)處理技術(shù)。目前電廠分布式控制系統(tǒng)(Distrib-uted Control System，DCS)每天都產(chǎn)生大量的數(shù)據(jù)，部分學(xué)者開(kāi)展了基于人工智能和機(jī)器學(xué)習(xí)算法的閥門優(yōu)化方法。

高亞杰等[17]提出通過(guò)分析DCS歷史數(shù)據(jù)來(lái)辨識(shí)調(diào)閥流量特性，進(jìn)而提出線性化汽輪機(jī)調(diào)閥流量曲線的思路。這是對(duì)機(jī)組運(yùn)行大數(shù)據(jù)進(jìn)行處理的一種嘗試。付忠廣等[18]基于關(guān)聯(lián)規(guī)則挖掘技術(shù)對(duì)DCS數(shù)據(jù)進(jìn)行了探索性挖掘。對(duì)挖掘結(jié)果的分析表明該技術(shù)可以用于電廠機(jī)組的性能分析、狀態(tài)監(jiān)測(cè)、故障診斷等，可為機(jī)組開(kāi)展?fàn)顟B(tài)檢修提供技術(shù)支持。文樂(lè)等[19]基于DCS數(shù)據(jù)，利用數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)了閥門流量特性曲線的優(yōu)化，實(shí)驗(yàn)與計(jì)算工況流量特性曲線對(duì)比圖如圖1所示。優(yōu)化結(jié)果表明，相比于傳統(tǒng)方法，新方法具有更高的精度。張勤[20]基于DCS數(shù)據(jù)，分別利用決策樹(shù)、聚類分析等數(shù)據(jù)挖掘技術(shù)，從DCS系統(tǒng)的數(shù)據(jù)中研究了機(jī)組的性能，結(jié)果表明相比于傳統(tǒng)分析技術(shù)， 采用機(jī)器學(xué)習(xí)方法可以有效提高分析精度。肖海濤[21]利用決策樹(shù)等機(jī)器學(xué)習(xí)算法，提出了一種可基于DCS系統(tǒng)數(shù)據(jù)分析機(jī)組運(yùn)行平穩(wěn)度的方法。陳萬(wàn)青[22]利用改進(jìn)的多層流模型(Multilevel Flow Modeling，MFM)建模方法，研究了基于DCS數(shù)據(jù)挖掘的核電廠可靠性分析。李存文[23]基于機(jī)組的歷史DCS數(shù)據(jù)，提供了一種噴嘴流量計(jì)算方法，以及基于特征通流面積的辨識(shí)方法，能夠識(shí)別和優(yōu)化機(jī)組的流量特性。

(a) 各閥位值

(b) 總閥位值

從方法上講，國(guó)內(nèi)外學(xué)者的主要工作集中在尋找閥門升程與主蒸汽流量之間的關(guān)系，進(jìn)而調(diào)節(jié)功率上。此外傳統(tǒng)的機(jī)器學(xué)習(xí)方法仍然需要大量人工經(jīng)驗(yàn)以及試驗(yàn)測(cè)試，例如文獻(xiàn)[19]中提出的流量-升程曲線，需要對(duì)大量變工況經(jīng)驗(yàn)系數(shù)進(jìn)行測(cè)試，并不具備自適應(yīng)性。

2.2 長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)方法

劉天源等[24]提出了一種基于長(zhǎng)短期記憶(Long Short Term Memory, LSTM)神經(jīng)網(wǎng)絡(luò)的閥門升程-功率預(yù)測(cè)方法，通過(guò)調(diào)節(jié)閥門升程指令，直接預(yù)測(cè)對(duì)汽輪機(jī)機(jī)組輸出功率。該方法具有學(xué)習(xí)速度快、精度高以及自適應(yīng)的特點(diǎn)，無(wú)需人為干預(yù)。不同學(xué)習(xí)樣本模型預(yù)測(cè)誤差分布圖及預(yù)測(cè)結(jié)果如圖2所示。通過(guò)兩個(gè)電廠的實(shí)際運(yùn)行數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果表明：對(duì)1號(hào)電廠DCS系統(tǒng)中半年的運(yùn)行數(shù)據(jù)學(xué)習(xí)，耗時(shí)12 h，預(yù)測(cè)3個(gè)月閥門升程-功率誤差平均值為0.63%；對(duì)2號(hào)電廠半年的運(yùn)行數(shù)據(jù)學(xué)習(xí)，需要9 h，預(yù)測(cè)430天誤差平均值為0.49%。同時(shí)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型較小，僅1 Mb左右大小，預(yù)測(cè)10個(gè)工況的時(shí)間為1 ms級(jí)別，該神經(jīng)網(wǎng)絡(luò)可以遷移到電廠現(xiàn)場(chǎng)的小型計(jì)算機(jī)上進(jìn)行控制，具有較高的工程實(shí)用價(jià)值。

圖2 不同學(xué)習(xí)樣本模型預(yù)測(cè)誤差分布圖及預(yù)測(cè)結(jié)果[24]

3 結(jié) 論

本文首先介紹了目前閥門流量特性曲線的研究進(jìn)展，綜述了現(xiàn)階段的研究情況，然后介紹了一種基于LSTM神經(jīng)網(wǎng)絡(luò)的閥門升程-功率預(yù)測(cè)方法，得到以下主要結(jié)論：

1)目前閥門流量特性曲線的優(yōu)化研究大多基于試驗(yàn)的方法，存在著操作周期長(zhǎng)、經(jīng)濟(jì)效益差等缺點(diǎn)。

2)現(xiàn)階段數(shù)值方法以仿真為主，同時(shí)需要輔以試驗(yàn)數(shù)據(jù)對(duì)閥門流量特性曲線進(jìn)行優(yōu)化，優(yōu)化效果較差。

3)現(xiàn)階段有部分學(xué)者開(kāi)始關(guān)注利用機(jī)器學(xué)習(xí)領(lǐng)域的知識(shí)來(lái)解決閥門流量特性曲線優(yōu)化的問(wèn)題，然而相關(guān)研究依然很少。

4)基于LSTM神經(jīng)網(wǎng)絡(luò)的閥門升程-功率預(yù)測(cè)方法，具有學(xué)習(xí)速度快、精度高以及自適應(yīng)的特點(diǎn)，兩個(gè)電廠的實(shí)際運(yùn)行數(shù)據(jù)的驗(yàn)證結(jié)果證明了該方法的有效性。