基于BP神经网络和SA-BBO算法的汽轮机组最优运行初压的确定

被引：13

作者：

刘伟 ^{[1
]}

叶亚兰 ^{[2
]}

司风琪 ^{[1
]}

徐治皋 ^{[1
]}

机构：

[1] 东南大学能源与环境学院

[2] 江苏海事职业技术学院轮机工程系

来源：

热能动力工程 | 2013年 / 28卷 / 01期

关键词：

汽轮机; 最优初压; 神经网络; 模拟退火(SA); 生物地理学优化算法(BBO);

D O I：

暂无

中图分类号：

TK267 [运行];

学科分类号：

080704 ;

摘要：

为确定超超临界机组主汽压力设定值及机组优化运行方式,在对1 000 MW机组进行主汽压力寻优试验研究的基础上,利用BP神经网络建立了汽轮机组滑压特性模型。提出了一种基于模拟退火的生物地理学优化法,将BBO(生物地理学优化算法)算法能较快找到全局最优解的能力和SA(模拟退火)算法较强的局部搜索能力相结合,有效地提高了算法的搜索精度和收敛速度。应用SA-BBO算法对所建机组滑压特性模型进行主蒸汽压力寻优,结果表明机组的滑压曲线与设计值存在较大差别,而且受到环境温度等因素的影响。在不同负荷和相关约束条件下,优化后机组热耗率可降低25～60 kJ/(kW.h),供电煤耗率可降低0.8～2 g/(kW.h)。

引用

页码：18 / 22+106 +106-107

页数：7

共 14 条

[11]

汽轮机原理[M]. 中国电力出版社 , 康松等编著, 2000

[12] A real-coded biogeography-based optimization with mutation [J].

Gong, Wenyin ;

Cai, Zhihua ;

Ling, Charles X. ;

Li, Hui .

APPLIED MATHEMATICS AND COMPUTATION, 2010, 216 (09) :2749-2758

[13] An analysis of the equilibrium of migration models for biogeography-based optimization [J].

Ma, Haiping .

INFORMATION SCIENCES, 2010, 180 (18) :3444-3464

[14]

DE/BBO: a hybrid differential evolution with biogeography-based optimization for global numerical optimization[J] . Wenyin Gong,Zhihua Cai,Charles X. Ling.Soft Computing . 2010 (4)

← 1 2 →