[發明專利]一種燃氣輪機燃燒優化控制方法及系統

在審

• 申請號: 201810927004.2
• 申請日: 2018-08-15
• 公開（公告）號: CN110837223A
• 公開（公告）日: 2020-02-25
• 發明（設計）人: 劉龍海;沈浩;殷鷹;潘昕;錢玉君
• 申請（專利權）人: 大唐南京發電廠
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京元中知識產權代理有限責任公司 11223
• 代理人: 張則武

1.一種燃氣輪機燃燒優化控制方法，其特征在于：包括下列步驟：

S1，挖掘收集燃氣輪機運行的歷史工況數據，通過矩陣映射投影、建造新的數據映射空間數據，建立PCA降維處理模塊；

S2，將經過降維處理模塊處理后的數據進行歸一化，結合燃氣輪機循環發電效率構建訓練樣本和預測樣本，并進行深度學習和預測分析，建立BP神經網絡預測輸出模塊；

S3，結合神經網絡預測輸出模塊神經網絡非線性擬合結果，通過數據種群初始化及計算效率適應度，建立燃氣輪機燃燒效率系統影響因素的基于BP神經網絡遺傳算法優化模塊；

S4，接口電廠的實時運行參數，利用基于BP神經網絡遺傳算法優化模塊進行參數配比尋優，利用尋優得到的最優工況指導燃氣輪機燃燒過程。

2.根據權利要求1所述的燃氣輪機燃燒優化控制方法，其特征在于：燃氣輪機運行的歷史數據包括環境溫度、壓氣機進口溫度、燃氣壓力、可調空氣進口導葉的開度信號、燃料氣體溫度、值班燃料比例、燃氣輪機轉速和排氣平均溫度的歷史數據。

3.根據權利要求2所述的燃氣輪機燃燒優化控制方法，其特征在于：每間隔設定時間測試記錄歷史數據并形成數據庫，通過燃料熱值、燃料流速、燃料密度，功率因數和無功功率參數計算燃氣輪機循環發電機組效率。

4.根據權利要求2所述的燃氣輪機燃燒優化控制方法，其特征在于：步驟S2中，環境溫度、壓氣機進口溫度、燃氣壓力、可調空氣進口導葉的開度信號、燃料氣體溫度、值班燃料比例、燃氣輪機轉速和排氣平均溫度的歷史數據作為輸入，燃氣輪機循環發電效率作為輸出，采用BP神經網絡進行學習和預測，完成BP神經網絡的訓練過程。

5.根據權利要求1-4任一項所述的燃氣輪機燃燒優化控制方法，其特征在于：PCA降維處理模塊的處理包括如下步驟：

S201，對歷史工況大數據進行標準化處理，假設樣本觀測數據矩陣為：

按照下列方式對原始工況數據進行標準化處理：

S202，計算樣本相關系數矩陣，經標準化處理的相關系數矩陣為：

該式中，

S203，計算相關系數矩陣R的特征值和相應特征向量：

特征值：λ₁，λ₂，…,λ_p

特征向量：a_i＝(a_i1,a_i2,…,a_ip),i＝1,2,….p；

S204，選擇重要的主成分，寫出主成分表達式：

記貢獻率ε是指某個主成分的方差占全部總方差的比重，表示某個特征值占全部特征值合計的比重，即

根據上述計算公式得到的結果選擇主成分；

S205，計算主成分得分，分別代入主成分表達式，從而得到新數據，進行篩選和最終降維處理。

6.根據權利要求1-5任一項所述的燃氣輪機燃燒優化控制方法，其特征在于：步驟S2中，樣本的深度學習包括如下步驟：

S211，將經過降維預處理之后的數據構成訓練網絡的樣本；

S212，確定訓練網絡的初始參數，初始參數包括最大訓練次數、隱含層神經元數量、網絡學習速率和訓練的目標誤差；

S213，計算中間層各單位的輸入輸出，公式如下：

計算輸出層各單元的輸入輸出，公式如下：

計算輸出層各單元的一般化誤差，公式如下：

計算中間層各單元的一般化誤差，公式如下：

S214，調整中間層至輸入層、輸入層至中間層之間的連接權，公式如下：

S215，更新學習輸入模式及學習次數，當誤差小于設定值時結束學習。