基于CFD数值模拟和AI算法的燃气轮机燃烧优化

为提高燃气轮机的燃烧性能和稳定性,减少污染物排放,提出了一种基于CFD数值模拟和AI算法的燃气轮机燃烧优化方法.利用大涡模拟(LES)和部分预混火焰面生成流形(FGM)燃烧模型来保证CFD数值模拟的准确性,将其计算结果与电厂运行数据相结合,建立更全面的训练数据库,然后利用拉依达法则和核主成分分析法(KPCA)进行数据预处理.在此基础上,建立了3个最小二乘支持向量机(LS-SVM)模型,分别用来预测NO_x排放量、燃烧效率和压力脉动最大幅值,预测的平均相对误差分别为0.562%、0.336%和0.469%.结果表明,CFD模拟数据的加入使该预测模型适用范围更广,稳定性和准确性更高.基于最小二乘支持向量机模型的预测结果,采用遗传算法(GA)对燃料比例分配、空燃体积比等参数进行优化,最终得到NO_x排放量、燃烧效率和压力脉动最大幅值的平均优化量分别为3.692×10^-6、0.568%和0.926 kPa,基本满足优化要求.