[发明专利]一种基于改进人工神经网络的离心泵作透平性能预测方法

说明书

本发明公开一种基于改进人工神经网络的离心泵作透平性能预测方法，该方法首先分段计算每个比转速下泵作透平的最佳工况点的扬程H_BEP,T、流量Q_BEP,T，计算透平状态下的各个工况点的流量Q_i与Q_BEP,T的比值a和Q_i对应的H_i与H_BEP,T的比值的平方根b；构建训练集，每个训练样本包括离心泵的几何参数、流量、a、b和透平状态下的每个流量对应的扬程、效率；构建人工神经网络，对人工神经网络同时进行L1和L2正则化；采用所述训练集对所述人工神经网络进行训练；最后将待预测的离心泵在透平状态下的几何参数、a、b输入训练后的人工神经网络，输出每个流量工况对应的扬程和效率。本发明的方法适用范围广，预测精度高，计算周期短。

技术领域

本发明属于离心泵作透平性能预测领域，具体涉及到一种基于改进人工神经网络的离心泵作透平性能预测方法。

背景技术

电力是日常生产生活中必不可少的能源，从发电方式来看，目前，我国仍以火力发电为主要发电方式。但随着我国及世界对环境问题的越发重视，必将逐渐减少火力发电厂对电力生产的贡献占比，转而大力发展新型能源及环境友好型能源的方法来促进可持续发展。正是在这种情况下，微水电越来越受到重视。对于偏远地区，水轮机安装不便且维护成本高，采用泵反转作透平的方式可以有效降低成本，提升微水电覆盖范围。此外，泵作透平也同样适用于高压能量回收的场合，如：钢铁、石油、化工企业的高压液体压力能回收，海洋液体压力能开发等。相较于传统的小功率液体压力能回收与开发装置，采用泵反转作透平的方式有着以下几点优势：

（1）泵的适用范围更广，可以提供更加多样的水头与流量选择；

（2）泵的装机成本更低，可以更好地降低初始投入成本；

（3）泵的发展已经趋于成熟，能够提供更加多样化的标准件，使得泵在后期使用过程中能更加简单便捷的更换诸如密封件，轴承等的零部件，便于后期维护。

但是在使用泵作透平的过程中仍存在一些问题，其中最主要的便是难以准确预测透平状态下泵的性能，预测的准确性决定了整个工程项目的时间及经济成本，而每一种类型的泵在不同的工作环境下都会有一个在该环境下的最佳工况点，要想准确预测透平性能数据仍是目前亟待解决的一大难题。

对于传统的采用CFD进行仿真的方法而言，其准确率及预测速度确实可以达到很高程度，但其建模过程繁琐，预测精度受网格质量影响较大，且运算需要占用大量资源等缺点，使得该方法无法适用在需要快速获取离心泵作透平性能参数等的工程问题中。对于利用损失函数模型进行预测的方法而言，其模型建立难度较大，输入参数获取不便，模型泛化能力差等问题，对于需要快速获取离心泵作透平性能参数的工程问题仍未很好的解决。

近年来，以神经网络为主的机器学习方法迅速发展起来，神经网络是一种通过不断迭代来达到拟合效果的学习模型，有着较好的适用性与泛化性能。目前利用人工神经网络对离心泵透平状态下最佳工况点的预测已经可以达到一定的精度，但对于透平状况下全工况的水力特性预测方法仍旧较少，且精度较低。

发明内容

针对现有技术的不足，本发明提供一种基于改进人工神经网络的离心泵作透平性能预测方法，能够在已知泵送状态下部分参数的情况下较为准确快速的预测出泵在透平状态下的水力特性。

本发明的目的通过如下的技术方案来实现：

一种基于改进人工神经网络的离心泵作透平性能预测方法，其包括：