基于运行数据的水轮机建模及应用

论文摘要

水电是我国电能的重要的组成部分,水电生产过程具有开停机方便、运行费用低、对环境污染小等优点。作为一种可再生的自然资源,水电已经被列入优先发展的对象。随着生产力的发展和社会的进步,安全高效的生产已成为各行各业共同追求的目标。水电作为国民生产中的重要一员,其实现安全高效地生产要求也是十分迫切的。水轮机运行参数是衡量水电生产水平的重要指标,运用先进方法对水轮机运行的综合特性进行合理有效的建模,建立合理的能量特性模型,进行运行参数的逼近拟合,并应用于水电厂的运行预测,是当前水电站实现经济运行、优化调度的基础,是水电生产发展的必然要求。首先,本文着重研究人工神经网络的构造方法和网络训练学习方法,利用其强大的逼近和记忆功能,基于万家寨水电厂水力机组的现场运行数据,分别建立基于BP神经网络和CC网络的水轮机能量特性整体模型。本文并研究了在考虑水轮机尾水压力脉动时的能量特性及振动特性,建立基于CC网络的水轮机振动特性模型。研究结果表明CC网络更优于BP神经网络,避免了BP神经网络的局限性。然后,本文还基于黄壁庄水电厂的协联特性试验,对轴流转桨式水轮机的现场协联特性试验数据的自动处理方法进行了研究,建立了基于RBF神经网络的水轮机协联特性整体模型,并通过模型变换和数据优化方法,实现了对协联特性试验数据的自动处理方法。本文所研究结果均可作为水电厂水力机组优化运行的运行依据,具有重要的实际意义。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究的背景及意义
• 1.2 国内外相关技术发展现状及趋势分析
• 1.2.1 水轮机的数学建模
• 1.2.2 水轮发电机组优化方法
• 1.3 本文主要研究内容及论文的结构安排
• 1.4 本文研究的创新点
• 第2章 人工神经网络基本理论
• 2.1 引言
• 2.2 人工神经网络的发展史、特性及分类
• 2.2.1 人工神经网络发展概述
• 2.2.2 人工神经网络的特点
• 2.2.3 人工神经网络的分类
• 2.3 人工神经网络的组成
• 2.3.1 生物神经元
• 2.3.2 人工神经元
• 2.3.3 人工神经网络的典型模型
• 2.3.4 人工神经网络的工作原理
• 2.3.5 人工神经网络的学习算法
• 2.4 人工神经网络建模
• 2.4.1 人工神经网络逼近理论
• 2.4.2 人工神经网络建模
• 2.5 本章小节
• 第3章 基于运行数据的水轮机能量特性建模及应用
• 3.1 引言
• 3.2 基于BP神经网络的水轮机能量特性建模及应用
• 3.2.1 BP神经网络结构及基本概念
• 3.2.2 BP算法基本思想
• 3.2.3 BP神经网络的学习训练过程
• 3.2.4 基于BP神经网络的水轮机能量特性建模
• 3.2.5 BP神经网络局限性分析
• 3.3 基于CC算法网络的水轮机能量特性建模及应用
• 3.3.1 CC算法的提出
• 3.3.2 CC算法网络结构
• 3.3.3 CC网络权值学习算法
• 3.3.4 基于CC算法网络的水轮机能量特性建模
• 3.3.5 基于CC算法网络的水轮机振动特性建模及应用
• 3.4 本章小结
• 第4章 基于运行数据的水轮机协联特性建模及应用
• 4.1 引言
• 4.2 径向基函数（RBF）神经网络与数据优化方法
• 4.2.1 RBF神经网络模型
• 4.2.2 RBF神经网络的学习算法
• 4.2.3 数据优化方法
• 4.3 基于运行数据的水轮机协联特性建模及应用
• 4.3.1 黄壁庄水电厂协联特性试验
• 4.3.2 基于RBF神经网络的黄壁庄试验数据处理方法研究
• 4.3.3 黄壁庄试验数据处理过程
• 4.4 小结
• 结论
• 参考文献
• 致谢
• 作者简介
• 攻读硕士学位期间发表的论文和科研成果