[发明专利]一种基于冷端系统储能的机组负荷智能优化控制方法

权利要求书

1.一种基于冷端系统储能的机组负荷智能优化控制方法，其特征在于，其包括如下步骤：

（1）建立超临界机组负荷特性神经网络预测模型；

（2）利用机组历史运行数据对预测模型进行训练和验证；

（3）利用该预测模型在机组的动态变负荷阶段和负荷趋稳阶段分别对冷端储能系统进行预测和优化；

（4）将各优化结果与原控制指令的偏差作为补偿信号叠加至相应的控制信号上对机组实施优化控制。

2.根据权利要求1所述的控制方法，其特征在于，所述步骤（1）中，建立所述预测模型的方法为：以BP网络模型为基础，以8个输入变量k时刻的值及其n阶时延数据、1个输出变量的m阶时延反馈数据作为神经网络模型的输入，来构建负荷预测模型。

3.根据权利要求2所述的控制方法，其特征在于，所述步骤（1）中，建立所述预测模型的8输入变量为：主蒸汽压力、主蒸汽温度、再热蒸汽压力、再热蒸汽温度、高压调节阀开度、凝汽器真空、凝结水流量和给水流量；建立所述预测模型的输出变量为机组负荷。

4.根据权利要求3所述的控制方法，其特征在于，所述BP网络模型为串-并联模型辨识结构。

5.根据权利要求4所述的控制方法，其特征在于，所述步骤（2）中，训练样本的选择包括不同稳态负荷点和变负荷动态过程中的原始数据以及扰动数据；所述扰动数据包括真空、凝结水流量、燃料量和高压调节阀开度。

6.根据权利要求5所述的控制方法，其特征在于，所述步骤（2）中，模型训练样本的归一化方法为：结合各参数在机组升、降负荷过程中的变化范围，人工确定各参数的最大、最小值，以此为基准对所有离线训练及在线校验数据进行归一化处理。

7.根据权利要求6所述的控制方法，其特征在于，所述步骤（2）中，模型训练样本的归一化公式为：

y＝(y_max－y_min)×(x－x_min)÷(x_max－x_min)＋y_min

式中：[x_min，x_max]为人工确定的参数实际取值范围；

[y_min，y_max]为规整后参数的取值范围，这里取[-1，1]；

x，y分别为参数实际值和标称值。

8.根据权利要求7所述的控制方法，其特征在于，所述步骤（2）中，运用MATLAB软件提供的NEWFF函数创建一个前向BP神经网络；所述前向BP神经网络采用3层结构，隐含层和输出层的激活函数分别选用tansig和purelin函数，并采用Levenberg-Marquardt算法完成训练。

9.根据权利要求8所述的控制方法，其特征在于，所述步骤（2）中，模型最大训练周期为3000，目标均方误差MSE≤1×10^-7。

10.根据权利要求9所述的控制方法，其特征在于，所述步骤（2）中，隐含层节点数为15~20。