学位论文 > 优秀研究生学位论文题录展示

大型联合循环机组性能模型及燃烧优化调整分析

作　者: 卢榕昌
导　师: 马晓茜；尧志
学　校: 华南理工大学
专　业: 动力工程
关键词: 联合循环 BP模型燃烧脉动仿真燃烧调整
分类号: TM611.31
类　型: 硕士论文
年　份: 2011年
下　载: 54次
引　用: 0次
阅　读: 论文下载

内容摘要

大型燃气—蒸汽联合循环发电是高效、环保的发电方式,但天然气发电在我国发电结构中所占的比例相对于发达国家明显偏低,截止2009年底,全国发电装机总容量为874097.2MW,其中燃气机组装机容量为24029.6MW,所占比例为2.75%。专家预测,到2020年,我国天然气发电比例将占到6%~7%。我国天然气的大规模开发、引进和应用为天然气发电提供了基础。环境污染的严峻形势和国家节能减排政策的要求将支持天然气发电的持续发展。本文的研究对象是三菱M701F燃气轮机,M701F型燃气轮机由17级高效率轴流式压气机、装有20个沿引擎环型分布燃烧器的燃烧室和4级反动式透平组成。M701F燃气轮机的总体结构特点是双轴承、单轴结构、冷端电驱动和轴向排气,联合循环采用单轴的布置。神经网络不仅具有非线性映射能力,而且具有自学习、自组织、自适应能力,在非线性系统辨识和控制方面具有很大的潜力。用神经网络进行系统辨识时,不需要建立系统辨识格式,其可调参数分布在网络内部的连接权值上,非线性映射能力隐含在神经元函数及网络结构中。神经网络在辨识多输入多输出系统时只需要输入和输出层的节点数满足实际需要即可,而不需要特殊的学习算法,因此神经网络适于多输入、多输出非线性系统的预测建模。为达到燃气轮机的安全、高效、稳定燃烧,燃烧控制系统必然是一个多变量耦合的非线性系统。燃气轮机主控系统的输出(CSO)、天然气处理系统(天然气参数)、压机机控制系统(IGV等)多变量决定了燃烧控制系统的输入,其输出决定了燃气透平叶片通道温度、燃烧压力脉动及燃烧排放。M701F燃烧控制系统的核心是燃烧调整系统。燃烧控制系统及其参数之间的关系,呈非线性及复杂耦合性的特点。因此,需要采用一种多输入、多输出非线性系统的建模方法,对燃烧控制系统及燃气轮机的主要参数进行预测或仿真。采用BP神经网络可以构建燃烧脉动的良好模型,模拟研究结果表明:燃气轮机不同负荷阶段,值班燃料比例PilotRatio对各频段燃烧压力脉动的影响规律不尽相同。定燃烧室旁路空气阀的开度后,通过调整值班燃料比例,可以达到燃烧调整的目的。

全文目录

摘要  5-6
Abstract  6-8
物理量名称和符号表  8-12
第一章绪论  12-19
  1.1 课题研究的背景和意义  12-14
  1.2 燃气轮机燃烧技术发展与研究概况  14-18
    1.2.1 扩散燃烧与预混合燃烧原理  14-15
    1.2.2 燃机燃烧技术研究概况  15-18
  1.3 本文研究的内容  18
  1.4 本章小结  18-19
第二章 M701F 发电机组特点介绍  19-28
  2.1 燃机结构和联合循环布置  19-21
  2.2 压气机  21
  2.3 燃烧室  21-23
  2.4 透平及叶片的冷却技术  23-27
  2.5 本章小结  27-28
第三章 BP 神经网络介绍及应用  28-40
  3.1 人工神经网络  28-31
    3.1.1 神经网络模型  28-29
    3.1.2 神经网络基本特征  29-30
    3.1.3 神经网络的特点  30-31
  3.2 BP 神经网络  31-35
    3.2.1 单层感知器  31-32
    3.2.2 多层感知器和BP 神经网络  32-33
    3.2.3 BP 算法  33-35
    3.2.4 BP 算法的优缺点  35
  3.3 人工神经网络及BP 网络应用  35-39
    3.3.1 应用概述  35-38
    3.3.2 在电力行业的应用情况  38-39
  3.4 本章小结  39-40
第四章性能参数的BP 模型与结果  40-51
  4.1 数据采集与处理  40-43
    4.1.1 数据采集  40-43
  4.2 本研究BP 模型参数选择说明  43
  4.3 燃料行程基准CSO 的BP 神经网络模拟  43-45
    4.3.1 M701F 燃气轮机的主控系统  43-44
    4.3.2 CSO 神经网络模型的有效性  44-45
  4.4 透平排气温度t4 的BP 神经网络模拟  45
  4.5 燃烧室压力p3 的BP 神经网络模拟  45-46
  4.6 燃烧室空气旁路ByCSO 的BP 神经网络模拟  46-47
    4.6.1 M701F 燃气轮机的空气旁路控制逻辑  46
    4.6.2 空气旁路ByCSO 神经网络模型的有效性  46-47
  4.7 压气机IGV 基准 IGVCSO 的BP 神经网络模拟  47-48
    4.7.1 M701F 燃气轮机的IGV 控制逻辑  47-48
    4.7.2 可调导叶开度基准IGVCSO 神经网络模型的有效性  48
  4.8 天然气加热温度tg 的BP 神经网络模拟  48-50
    4.8.1 M701F 天然气温度控制逻辑  48-49
    4.8.2 燃料温度神经网络模型的有效性  49-50
  4.9 本章小结  50-51
第五章燃烧压力脉动的BP 模型与燃烧调整  51-68
  5.1 燃烧室功能和工作过程特点  51
  5.2 M701F 燃机燃烧主控系统  51-52
    5.2.1 主控系统概况  51
    5.2.2 燃料分配、燃气压力和温度控制  51-52
  5.3 燃烧压力脉动  52-54
    5.3.1 脉动机理概述  52-53
    5.3.2 压力波动的种类和影响因素  53
    5.3.3 M701F 燃烧室压力波动监视（CPFM）系统  53-54
  5.4 M701F 燃气轮机燃烧脉动的神经网络模拟技术路线  54-58
  5.5 燃烧室空气旁路随负荷的变化规律  58-59
  5.6 不同负荷阶段值班燃料比例对燃烧脉动的影响  59-64
  5.7 燃烧调整  64-67
    5.7.1 调整方法  64-65
    5.7.2 调整过程示例  65
    5.7.3 新的值班燃料PLCSO 的计算方法  65-66
    5.7.4 新的旁路阀开度BYCSO 的计算方法  66
    5.7.5 燃烧调整在控制系统中的实现  66-67
  5.8 本章小结  67-68
第六章结论  68-69
参考文献  69-71
攻读硕士学位期间取得的研究成果  71-72
致谢  72-73
附件  73

大型联合循环机组性能模型及燃烧优化调整分析

内容摘要

全文目录

相似论文