620 MW超临界机组辅机故障减负荷功能控制优化与应用

大容量、高参数火力发电机组良好的RB功能对电网的安全稳定运行具有十分重要的意义。为使RB过程更加安全可控、主要运行参数过度平稳,本文设计了 RB控制策略,在两台新建机组上进行工程实践,并根据试验结果对RB过程中的给水、炉膛压力以及一次风压控制策略进行优化,旨在为同类型机组RB功能的正常实现、控制指标优良提供参考。采用本文所述的控制策略,实现了RB发生至复位全程零干预,并经过多次实践检验;通过针对性的优化避免了RB过程中过热度“虚高”引起的给水流量以及机组负荷波动,减弱了RB过程中各参数的相互副作用,较大幅度地提升了RB过程中炉膛压力控制的安全余裕,使其接近正常运行允许波动范围,进一步提高了RB过程的安全性和可靠性,对同类型机组具有参考价值。     

强驻波声场中脉动速度特性

利用激光多普勒测速仪对管内空气强驻波声场中脉动速度特性进行了测量.实验结果表明:强声场对流场有很强的调制作用,使流场产生了与声波同频率的周期性脉动,且脉动幅度随着声场强度的增加而增大.管内声场强度不大时,实验值与理论值吻合较好;声场强度超过160dB后,出现了声湍流现象,实验测量值与理论计算值之间存在明显的偏差.当管内压力波幅处声场强度达到164 dB时,距离反射板130 mm位置处(sin kx=0.67)湍流脉动速度均方根值为3.50 m/s,达到了该位置处脉动速度幅值的45%,表明强驻波场声湍流脉动非常剧烈.     

基于特征量分析的电站锅炉燃烧状态诊断技术综述

概述了各类别燃烧诊断技术及特点,详细介绍了基于特征量分析的电站锅炉燃烧状态诊断技术流程,分析对比了单个特征量的物理意义及不同特征量组合的状态表征能力,进而归纳了特征量提取的基本要求.详细介绍了部分算法的数学推导过程及其在模式识别应用中所呈现的特点,旨在推动模式识别技术在火电机组故障诊断、运行经济性实时评价及智能控制领域中的应用.特征量的提取、算法的设计和训练/学习是基于特征量分析的模式识别技术的核心环节.特征量应有明确的物理意义且应具备表征状态某种属性的能力;特征量组合应完整全面地包含状态信息.特别地,当实际状态不同时,特征量组合应具备识别其差异的能力并具备较强的鲁棒性.反向传播(back propagation,BP)神经网络算法、模糊C均值(fuzzy C-means,FCM)算法适用于所有可根据人类经验进行分类的场合,FCM算法在状态渐变且无断然分界线的模式识别中表征更为精准,支持向量机(support vector machine,SVM)适用于样本模式非此即彼的分类应用;Kohonen自组织神经网络适用于各类别之间具有较强区分度的场合.     

基于耦合对象控制需求解析及仿人修正的协调控制方法应用

提出了一种基于耦合对象控制需求解析及仿人修正的协调控制方法。采用状态函数计算多变量系统输出的实时状态,形成状态矩阵,针对每一种状态分析所有输入变量的调节需求并归类,对每一类需求设计仿人修正指令,叠加至线性控制系统中,改善了强耦合系统的协调性能,提升了控制系统的稳定性和抗扰能力。将所述控制方法在某630MW超临界组上开展了工程应用,实现了该机组协调系统在28.7%-100%负荷区间运行的全自动控制,湿态稳定运行、湿态变负荷、转态、干态稳定运行以及干态变负荷等过程的控制品质较行业标准指标提升了25%-75%,全工况下无需降参数运行,在保障机组宽负荷调峰运行经济性的前提下提高了自动化水平。