(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111270988.X (22)申请日 2021.10.2 9 (71)申请人 国网河北能源技 术服务有限公司 地址 050000 河北省石家庄市高新区兴安 大街200号 申请人 国家电网有限公司 　 国网河北省电力有限公司电力科 学 研究院 (72)发明人 金飞　郝晓光　王斌　包建东　 杨春来　李剑锋　侯倩　 (74)专利代理 机构 石家庄新世纪专利商标事务 所有限公司 1310 0 代理人 张栋然 (51)Int.Cl. G06F 30/27(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 119/08(2020.01) G06F 119/14(2020.01) (54)发明名称 基于模拟退火粒子群算法的汽轮机最优初 压确定方法 (57)摘要 本发明涉及一种基于模拟退火粒子群算法 的汽轮机最优初压确定方法， 通过利用汽轮机组 的历史运行数据， 确定影 响汽轮机组热耗率的变 量因素， 确定滑压运行时最优初压数学模型， 通 过构建LSTM神经网络模型， 对热耗率进行精准预 测， 得到热耗率与负荷、 温度等影响因素之间的 非线性关系然后按照滑压运行时最优初压数学 模型， 使用模拟退火粒子群算法遍历整个可行压 力区间进行热耗率优化计算， 得到热耗率最小时 所对应的主 蒸汽压力值， 即得到最优初压值。 权利要求书4页 说明书9页 附图2页 CN 114139439 A 2022.03.04 CN 114139439 A 1.一种基于模拟退火粒子群算法的汽轮机最优初压确定方法， 其特征在于其包括如下 步骤： 步骤1： 从汽轮机组集散控制系统当中采集历史运行数据S； 步骤2： 对采集到的数据进 行预处理， 计算汽轮机组的热耗率， 将数据集S与算出的汽轮机热耗率HR合并构成数据集 步骤3： 将数据集 的80％作为训练集 剩余的20％数据作为测试集 将训练 集 中的数据作为LSTM模型的输入变量， 将热耗率作为模型的输出变量， 通过构建LSTM 模型对输入变量和 输出变量求解出映射关系； 步骤4： 构造LSTM神经网络的模型， 建立汽轮 机热耗率预测模型； 步骤5： 寻找汽轮机滑压运行的最优初压， 以机组热耗率最小为优化目 标， 使用模拟退火粒子群算法对其寻优； 步骤6： 在步骤5确定的滑压运行最优初压数学模型 的基础上， 使用模拟退火粒子群算法进行初压优化。 2.根据权利要求1所述的基于模拟退火粒子群算法的汽轮机最优初压确定方法， 其特 征在于步骤2中汽轮机组的热耗 率计算方法包括： 步骤2‑1： 热耗率为外界加入系统的热量与机组输出功率之比， 通过式(1)计算得到： 式(1)中HR表示热耗率、 D0为主蒸汽流量、 h0主蒸汽焓值、 Dh0再热器热端蒸汽流量、 hh0再 热器热端蒸汽焓值、 Qe给水流量、 he给水焓值、 Dl再热器冷端蒸汽流量、 hl再热器冷端蒸汽焓 值、 Pb过热减温水流量、 hb过热减温水焓值、 Qo再热减温水流量、 ho再热减温水焓值、 Pe发电机 输出功率， 上述焓值 通过水和水蒸汽热力性质图表进行查询计算； 步骤2‑2： 将步骤1中采集得到的数据 集S与步骤2‑1算出的汽轮机热耗率HR合并构成数 据集 并将建立起来的数据集S*进行归一化处理， 使用mapminmax函数将数据归一化至0 ‑ 1之间， 其mapmi nmax函数表达式如下： 式(2)中ymin是期望归一化后矩阵每行的最小值， ymax是期望归一化后矩阵每行的最大 值； xmin、 xmax分别对应数据集S*中每行的最小值与最大值。 3.根据权利要求1所述的基于模拟退火粒子群算法的汽轮机最优初压确定方法， 其特 征在于在步骤3中， 将训练集 中的发电负荷Ne、 主蒸汽压力 P0、 主蒸汽温度 T0、 再热器出 口蒸汽压力Pr、 再热器出口蒸汽 温度Tr、 再热减温水流量Qo、 过热减温水流量Qx、 过热减温水 流量Pb、 循环水进水口温度Tc、 再热器入口蒸汽温度T0、 再热器入口蒸汽压力Ph、 给水流量Qe 作为LSTM模型的输入变量， 即输入变量X(k)＝[Ne,P0,T0,Pr,Tr,Qo,Qx,Pb,Tc,T0,Ph,Qe]， 将热 耗率作为模型的输出变量， 即输出变量Y(k)＝[HR]， 通过构建LSTM模型对输入变量和输出 变量求解出映射关系。 4.根据权利要求1所述的基于模拟退火粒子群算法的汽轮机最优初压确定方法， 其特 征在于在步骤4中的模型构建步骤 包括： 步骤4‑1： 初始化LSTM神经网络的初始网络结构、 确定隐藏层层数， 初始化训练步长， 设 置单元状态激活函数为tanh函数， 设置输入门it、 输出门ot、 遗忘门ft的激活函数为sigmoid 函数， 其各个单 元门控的计算公式具体如下：权　利　要　求　书 1/4 页 2 CN 114139439 A 2其中， it为输入门主要决定保 留多少当前信息输入到当前时刻的单元中， ot为输出门主 要用来决定当前时刻的单元状态有多少的输出， ft为遗忘门主要用于决定保留上一时刻的 单元状态ct‑1信息到当前时刻单元状态ct中， 为当前输入的单元状态， wi,wo,wf,wc分别为 相对应的权 重矩阵， bi,bo,bf,bc分别为相对应的偏置项； ht表示为网络的最终输出； 步骤4‑2： 对上述构建的初始化LSTM网络模型导入数据进行训练， 将步骤3确定训练集 数据 中的X(k)＝[Ne,P0,T0,Pr,Tr,Qo,Qx,Pb,Tc,T0,Ph,Qe]作为模型的输入变量数据导 入LSTM网络当中， 训练集数据 中的热耗率HR作为LSTM网络模型的输出变量Y(k)＝ [HR]导入到LSTM网络模 型当中， 建立起12个输入变量参数X(k)与热耗率HR之间的映射关系 HR＝f(X(k) )， 进而得到汽轮机组的热耗 率预测模型； 步骤4‑3： 为衡量汽轮机组热耗率预测模型精度， 使用测试集数据 对网络模型精度 进行评价， 将测试集数据 中的输入变量X(k)＝[Ne,P0,T0,Pr,Tr,Qo,Qx,Pb,Tc,T0,Ph,Qe] 导入模型当中， 得到网络模型的热耗率预测值 使用均方根误差来评价模型的精度， 其均 方根误差值越小说明模型精度越高， 其RMSE计算公式如下： 其中yi表示测试集数据 中的实际热耗率值， 表示模型热耗率预测值， n为测试集 数据 的样本总数。 5.根据权利要求1所述的基于模拟退火粒子群算法的汽轮机最优初压确定方法， 其特 征在于步骤5的具体步骤如下： 步骤5‑1： 首先确定机组的可行压力区间范围[POmin,Pod],POmin是确定负荷下最低主蒸汽 压力， Pod为机组的额定主蒸汽 压力， 对于给定 好的汽轮机负荷， 一定存在一个可以运 行的主 蒸汽压力范围区间[POmin,Pod]， 其中最优运行初压一定存在于这个区间当中， 其最低主蒸汽 压力POmin计算公式如下： 其中， POmin为确定负荷下最低主蒸汽压力， Pod为机组额定主蒸汽压力， Ne为发电负荷， Ned为机组额定负荷； 步骤5‑2： 在步骤5和步骤5 ‑1所提出的汽轮机初压优化总策略下， 以机组的运行经济性 最优为评判标准， 在给定负荷可行压力变化范围内必 存在一个使机组热耗率达到最小的主权　利　要　求　书 2/4 页 3 CN 114139439 A 3