滤波在数据驱动的燃气轮机参数预测中的应用.pdf
《滤波在数据驱动的燃气轮机参数预测中的应用.pdf》由会员分享,可在线阅读,更多相关《滤波在数据驱动的燃气轮机参数预测中的应用.pdf(6页珍藏版)》请在咨信网上搜索。
1、第52 卷第3期2023年0 9 月文章编号:16 7 2-5549(2 0 2 3)0 3-0 18 4-0 6滤波在数据驱动的燃气轮机参数预测中的应用热力透平THERMALTURBINEVol.52 No.3Sep.2023李刚正,刘尚明(清华大学能源与动力工程系,北京10 0 0 8 4)摘要:在直接使用神经网络模型对燃气轮机的状态参数进行预测时,发现预测结果往往不够精确。通过观察采集到的机组实际运行数据发现,误差很可能是由实时数据的噪声引起的。结合其他学者的研究经验,提出了一种先对原始数据进行滤波处理,再将其输入神经网络进行计算的方法。对同一组数据的预测情况的比较结果证明了该滤波环节对
2、提高神经网络预测精度十分有效。关键词:燃气轮机;神经网络;数据驱动;滤波中图分类号:TK472Application of Filter in Data Driven Predictionof Gas Turbine ParametersLI Gangzheng,LIU Shangming(Department of Energy and Power Engineering,Tsinghua University,Beijing 100084,China)Abstract:The prediction results of state parameters in gas turbines ar
3、e not accurate enough with direct applicationof neural network models.By observing the actual collected data during unit operation,it was found that the error waslikely caused by the noise of real-time data.Combined with the research experience of other scholars,it was proposedto carry out the filer
4、ing of original data firstly and then put it in neural network to calculate.For the filteringprocedure,its effectiveness of improving the prediction accuracy of neural network has been verified by comparison ofprediction of the same group of data.Key words:gas turbine;neural network;data driven;filt
5、er对于燃气轮机这类高度非线性系统,国内外很多学者都采用了神经网络工具对其运行参数进行预测,以实现对整个机器健康状态的管理和故障的预警。Asgari 等 提出了将神经网络应用于燃气轮机建模的方法,但未考虑机器运行时采集的数据往往质量较低,将其直接输人神经网络进行训练后,效果并不很理想。孙嘉娴等2 采用数据驱动的燃气轮机模型对燃气轮机的机理模型进行误差补偿,结果表明在机理模型中增加基于数据驱动的前馈神经网络模型后,模型的精度有较大的提升。肖晋飞3 提出了一种自联想神经网络建模的方式对燃气轮机的仿真数据进行了预测,对神经网络的输入数据进行了稳态因子计算,进而简化了数据样本,使输入数据整体的质量得到
6、提高。谭湘敏等4 提出将数据按照燃气轮机的运文献标志码:Adoi:10.13707/ki.31-1922/th.2023.03.004行过程进行分类,通过不同神经网络对不同物理过程的数据进行计算,实际上也提高了神经网络所处理的数据的质量。贾佩霖5 在构建燃气轮机仿真模型时,考虑了环境变量的线性变化,将环境参数以折合的形式输入神经网络,使得训练后的神经网络有更大的适用范围。对传感器采集的参数进行降噪处理是一种提高神经网络输人数据质量的方法。关于噪声抑制,刘芬等6 提出了一种卡尔曼滤波迭代算法,并进一步地将卡尔曼滤波应用于非线性系统中,以估计值替代原始数据进行计算。李莹7 在地震数据降噪研究中,采
7、用深度学习的方法尝试分离出噪声数据,以原始数据与噪声数据之差作为纯净数据进行计算。彭志云8 将噪声作为一个服从高斯分布的序收稿日期:2 0 2 2-0 2-2 1作者简介:李刚正(2 0 0 0 一),男,清华大学能源与动力工程系在读硕士研究生,主要从事燃气轮机建模、仿真与控制研究。184修订日期:2 0 2 3-0 6-2 3滤波在数据驱动的燃气轮机参数预测中的应用列值,基于此进行了小波变换,所涉及的数据时序信号处理方法给其他处理模式提供了一定的指导。本文将以燃气轮机运行的实际数据为基础,通过滤波环节构造降噪后的信号序列,并以此来讨论在神经网络系统中增加滤波优化环节以降低噪声影响的可行性。1
8、基于数据的燃气轮机建模燃气轮机是一个具有高度非线性性质的系统。通常情况下,燃气轮机的物理模型是基于其设计值而构建的,这样的模型很难反映燃气轮机运行的真实情况,特别是对于发生了性能退化的燃气轮机,物理模型所产生的误差将被放大。而基于数据的燃气轮机模型采用人工神经网络系统对真实的运行数据进行处理,其基准有一定的自适应能力,可以根据燃气轮机的实际运行状态做出调整,进而实现对燃气轮机的健康管理和故障诊断,在实际应用中相比于物理模型有显著优势。燃气轮机的人工神经网络模型的精度取决于神经网络的质量。神经网络由输入层、隐含层、输出层3个部分组成,常用的神经网络有前向式神经网络(BP神经网络)和反馈式神经网络
9、(NARX神经网络)2 种,其结构如图1、图2 所示。输入层输出层隐含层图1BP神经网络输人层X()隐含层X(t-1)输出层X(t-2)Y(t)Y(t-1)Y(t-2)图2 反馈式神经网络在相关研究中,刘微11 采用了BP神经网络热力透平模型,周奎12 、Asgari 等1 采用了反馈式神经网络模型。一般情况下,反馈式神经网络由于具有反馈调节,其预测精度通常优于BP神经网络。但文献13 指出,神经网络的质量还取决于其隐含层结构、传递函数、输入参数、训练数据的质量等,而反馈式神经网络在训练集数据质量不高的情况下,其反馈调节功能反而可能会强化部分低质量数据的影响,进而降低神经网络整体的计算输出质量
10、。因此为了能更好地构建反馈式神经网络模型,需要对数据做相应的预处理。为了使数据模型更加准确,本文针对多个参数构建了不同的神经网络,并用同一组数据进行训练,通过比较预测结果筛选出3个质量最高的神经网络。为了采用数据模型预测燃气轮机的真实情况,在神经网络的输入变量中考虑了环境因素,通过引人环境参数构造折合参数,使数据模型能够准确反映大多数环境下燃气轮机的运行情况。尽管本文对数据进行了一定的预处理,对神经网络参数也进行了大规模的筛选,但平均而言数据模型的计算结果与实际值之间仍然存在约1.5%的相对误差。通过对输人输出数据的观察,发现误差集中的区域往往存在较大的数据波动。为了进一步降低误差,提高数据模
11、型的预测精度,需要对数据本身的噪声进行进一步的处理。W2楼数据噪声的影响2.1神经网络的设置利用人工神经网络对燃气轮机的压气机部件进行建模,如图3所示。压气机转速空气流量G进口导叶开度IGV图3压气机的神经网络模型建模时通常将压气机的进口空气流量G、主轴转速N和进口导叶开度作为输入参数9,将环境压力Po1、环境温度toi作为环境参数输人,用于185压气机出口温度t第3期参数的约化10 。神经网络的输出为压气机的出口温度t,考虑到环境因素的影响,用折合参数替代绝对参数进行计算。相应的关系式如下:to18=toaPo1Poat2t2tNN式中:toa、Po a 分别为标准情况(设计条件下)的环境温
12、度和压力;to1、Po 1分别为实际情况下的环境温度和压力;与为折合后的环境温度和压力;G为压气机的空气流量;q为燃料流量;t为进口气体温度;t为出口气体温度;N为燃气轮机转速。为了便于神经网络的计算,所有参数均归一化到0 1区间内。采用上海漕泾电站9F级燃气轮机的实际运行数据,调试好神经网络参数并训练完成后,模型对t的预测值如图4所示,预测值与实际值的相对误差如图5所示。1r0.90.80.70.60.50.40.20.10图4神经网络对压气机出口温度的预测结果2.2输入数据的局限性由图4和图5可以看到,神经网络的预测结果在某些区域与实际值符合得并不很好,分析表明这很有可能是由于输人数据的波
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 滤波 数据 驱动 燃气轮机 参数 预测 中的 应用
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。