电厂大型汽轮机双压凝汽器运行自适应优化研究

摘 要：【目的】由于雙压凝汽器的高、低压双侧压力在实际运行时和预先设计值之间存在较大差距，影响凝汽器的运行效益，因此提出电厂大型汽轮机双压凝汽器运行自适应优化研究。【方法】首先基于双压凝汽器真空度的影响参数的历史运行数据，引入灰色理论，构建一个电厂大型汽轮机双压凝汽器真空计算模型，将各影响参数代入模型中，即可输出未来时刻的双压凝汽器真空度预测计算值。然后以凝汽器最佳真空度精确控制为目标，利用粒子群算法寻找模型最优超参数。最后将最优超参数应用于双压凝汽器的真空运行中，实现自适应优化。【结果】研究结果表明，设计方法优化后的双压凝汽器循环水流量明显低于优化前，在1.2×10-4 kg/s～1.4×10-4 kg/s之间。【结论】该研究结果可以提高机组的运行效率和稳定性，有助于提升电厂大型汽轮机的节能运行效益。

关键词：电厂大型汽轮机；双压凝汽器；运行优化；自适应优化方法

中图分类号：TK267     文献标志码：A     文章编号：1003-5168（2024）07-0029-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.07.006

Research on Adaptive Optimization of the Operation of Dual Pressure Condensers for Large Steam Turbines in Power Plants

ZHANG Meijun

（Huadian International Power Co.， Ltd. Shiliquan Power Plant， Zaozhuang 277000，China）

Abstract： [Purposes] Due to the significant difference between the actual operation and design values of the high and low pressure dual sides of a dual pressure condenser， which seriously affects the operational efficiency of the condenser， a study on adaptive optimization of the operation of a large steam turbine dual pressure condenser in power plants is proposed. [Methods] Firstly， based on the historical sequence of the influencing parameters of the vacuum degree of the dual pressure condenser， a grey theory is introduced to construct a vacuum calculation model for large steam turbine dual pressure condensers in power plants. By substituting each influencing parameter into the model， the predicted calculation values of the vacuum degree of the dual pressure condenser at future times can be output. Then， with the goal of precise control of the optimal vacuum degree of the condenser， the particle swarm optimization algorithm is used to find the optimal hyperparameters of the model， and the optimal parameters are applied to the vacuum operation of the dual pressure condenser to achieve adaptive optimization. [Findings] The research results indicate that the circulating water flow rate of the double pressure condenser optimized by the design method is significantly lower than before optimization， at 1.1.2×10-4  kg/s～1.4×10-4  kg/s. [Conclusions] The research results can improve the operational efficiency and stability of the unit， and contribute to the energy-saving operation benefits of large steam turbines in power plants.

Keywords： large scale steam turbines in power plants; dual pressure condenser; operational optimization; adaptive optimization methods

0 引言

随着全球能源需求的不断增长，电力工业作为能源转换和输送的关键环节，其发展日益受到重视。在电厂发电过程中，大型汽轮机作为核心设备，其运行效率直接关系到整个电力系统的稳定性和经济性。双压凝汽器作为汽轮机的重要组成部件，其运行状态对汽轮机的性能发挥起着至关重要的作用。由于双压凝汽器工作环境较为恶劣且工作过程十分复杂，为了保证其稳定、高效地运行，对双压凝汽器的运行优化研究具有重要的实际意义和理论价值。然而，在实际运行过程中，双压凝汽器的工况受到多种因素的影响，如蒸汽流量、温度、压力等，这些因素都具有时变性、非线性、耦合性等特点，这些因素使凝汽器运行优化受到限制。因此，本研究将开展电厂大型汽轮机双压凝汽器运行自适应优化研究，不仅有助于提高双压凝汽器的运行效率，降低电厂的运行成本，而且为电力工业的可持续发展提供有力支持。

1 构建双压凝汽器真空计算模型

现阶段，我国电厂大型汽轮机大多采用双压凝汽器。但与传统单压结构相比，双压凝汽器在实际运行过程中难以保证其稳定处于确定状态和真空度，如果机组一侧压力过高或过低，很容易出现运行故障，因此本研究设计一种电厂大型汽轮机双压凝汽器运行自适应优化方法。该方法主要以双压凝汽器的最佳真空度为优化目标，于是需要先进行双压凝汽器真空计算［1］。灰色理论作为处理不全信息系统的有效数学方法，主要强调从部分信息中挖掘整体的运动规律，特别在数据量小、信息不完整的情况下，通过对原始数据的处理和分析，可以发掘其潜在的规律，进而对未来的发展趋势作出预测。正因如此，本研究引入灰色理论来构建一个双压凝汽器真空计算模型［2］。该灰色计算模型为一元一阶预测模型，以电厂大型汽轮机双压凝汽器真空度的影响参数的历史运行数据为样本数据，主要包括凝汽器内的绝对压力、蒸汽凝结时的温度、排汽温度、冷取水温度、传热端差、冷却水温升、循环水流量等。将这些影响参数按照一定时间顺序组成数据序列[x0]，假设[x0]为双压凝汽器真空计算模型的建模序列，见式（1）。

[x0=x01，x02，???，x0n] （1）

式中：[n]表示序列数。

根据式（1）的建模序列即可得到模型的1-AGO序列，见式（2）。

[x1m=i=1mx0i，m=1，2，???，n] （2）

式中：[x1m]表示1-AGO序列；[m]为1-AGO序列数。

假设[y1m]为[x1m]的紧邻均值生成的序列，见式（3）。

[y1m=0.5x1m+0.5x1m-1] （3）

那么根据灰色模型的定义，可以构建出基于灰色理论的双压凝汽器真空计算模型，见式（4）。

[x0m+ηy1m=μ] （4）

式中：[η]表示灰色模型的发展系数；[μ]表示灰色作用量。

如上所述，本研究主要基于双压凝汽器真空度的影响参数的历史序列，构建灰色理论模型，将各影响参数代入模型中，即可输出未来时刻的双压凝汽器真空度预测计算值［3］。通过上述步骤，成功构建了双压凝汽器真空计算模型，该模型能够根据历史数据预测计算出未来时刻的凝汽器真空度，为运行优化提供了依据，而且该模型的输入参数均为双压凝汽器真空度的影响因素，通过模型分析可以深入了解这些因素如何共同影响双压凝汽器的运行效率，进而为优化策略的制定提供科学依据。

2 粒子群算法自适应寻找模型最优超参数

本研究为了实现双压凝汽器的优化运行，以凝汽器最佳真空度的精确控制为目标。但双压凝汽器的真空度受多种因素的影响，如蒸汽流量、冷却水温度、设备老化等，这些因素相互作用，使真空度的变化呈现出高度的非线性和不确定性。而上述双压凝汽器真空计算模型难以准确描述这种复杂的动態关系。因此，为达到最佳真空度的运行目标，需要对双压凝汽器真空计算模型进行超参数寻优操作，以实现电厂大型汽轮机双压凝汽器运行自适应优化的目的［4］。粒子群算法作为一种基于群体智能的优化算法，具有简单、易实现的特点，对处理复杂的非线性优化问题具有显著的优势。因此在双压凝汽器真空计算模型的最优超参数选择上，本研究采用粒子群算法进行自适应寻找，通过不断迭代，找到最优的超参数组合。具体而言，首先将双压凝汽器的真空计算模型视为一个目标函数，超参数作为决策变量；然后对所有粒子进行初始化，包括粒子速度、位置等，并将个体的历史最优设为当前位置，群体的最优个体设为当前最佳粒子；最后计算各粒子适应值并进行比较分析即可更新模型的最优解。这里主要根据历史数据和模型计算误差定义适应度函数，并将其用于评估每个粒子的优劣，见式（5）。

[f（x）=[1/（1+eε）]×[1-（eε/k/k）]] （5）

式中：[f（x）]表示适应度函数；[x]为双压凝汽器真空计算模型的超参数；[ε]表示模型的计算误差；[k]表为常数。

根据式（5）计算双压凝汽器真空计算模型超参数粒子的适应度函数值，并将各粒子适应值和初始最佳粒子的位置进行对比，保留较好的粒子。与此同时，在粒子群算法的每一次迭代中，粒子主要根据自身经验和群体经验来更新自己的速度和位置，并不断逼近最优解，见式（6）。

[Vt+1=ωVt+c1γ1[X0-Xt]+c2γ2                      [X1-Xt]Xt+1=Xt+Vt+1] （6）

式中：[Vt+1]表示粒子在[t+1]时刻的速度；[Xt+1]表示粒子在[t+1]时刻的位置；[ω]表示惯性权重；[c1]、[c2]表示加速因子；[γ1]、[γ2]表示随机数，取值范围为［0，1］；[X0]表示粒子历史最优位置；[X1]表示粒子全局最优位置。

通过式（6）不断迭代和更新粒子的速度和位置，能够找到最优的双压凝汽器真空计算模型超参数组合［5］。当算法迭代次数达到预设次数或满足一定的终止条件时则退出，此时最优解输出即为模型最佳超参数。由于粒子群算法是一种启发式算法，其性能受参数设置、初始解分布、问题复杂度等多种因素的制约，所以在实际的电厂大型汽轮机双压凝汽器运行优化中，需要采用动态调整策略来适当调整粒子的速度和位置，并保留每一代的最优解，这有助于进一步提高粒子群算法的性能，更好地解决双压凝汽器真空计算模型的最优超参数选择问题。总之，利用粒子群算法进行双压凝汽器真空计算模型的超参数寻优，可以得到凝汽器最佳真空度的最优运行参数，将最优参数应用于双压凝汽器的真空运行中，即可实现双压凝汽器运行的自适应优化，该过程满足了电厂大型汽轮机节能、高效运行的需求。

3 实例分析

为验证本研究设计的自适应优化方法下，电厂大型汽轮机双压凝汽器实际运行优化效果，本研究以某电厂600 MW的双压凝汽器机组为例，展开实验分析。该600 MW的双压凝汽器主要技术指标，见表1。

基于表1所示的实例双压凝汽器，为体现本研究设计方法的优化效果，应当先在凝汽器的运行过程中，通过试验测量双压凝汽器的最佳循环水流量。然后，采用本研究设计方法对该凝汽器进行优化，随后以同样的参数再次运行，测量优化后的最佳循环水流量，通过对比判断该方法的优化效果。为了直观地展示实验结果，本研究采用了折线图的形式进行展示，如图1所示。

由图1可知，经过本研究设计方法优化后，双压凝汽器的循环水流量明显低于优化前，这一变化表明本研究设计的自适应优化方法可以有效降低循环水的需求量，从而提高了机组的运行效率。具体而言，优化前双压凝汽器的循环水流量较高，这可能是由于凝汽器在运行过程中存在某些不必要的热损失或者传热效率低下，从而导致凝汽器存在一定的浪费和低效问题。通过本研究设计的自适应优化方法优化后，这些问题得到了有效解决，从而使循环水流量显著降低。与此同时，设计方法优化后的双压凝汽器的循环水流量变化趋势较为平缓，波动较小，表明凝汽器的运行状态更加稳定，传热效率得到了提高，进而为整个机组的稳定运行提供了更好的保证。综上所述，本研究的双压凝汽器运行自适应优化方法是可行且可靠的方法，优化后的凝汽器在运行过程中可以显著降低循环水流量，提高机组的运行效率和稳定性。这一改进不仅有助于节约能源，而且有助于提高整个电力系统的稳定性和经济性。

4 结语

在电厂大型汽轮机的运行过程中，双压凝汽器的真空运行优化具有重要意义。本研究通过深入研究，提出了一种先构建基于灰色理论的双压凝汽器真空计算模型，再采用粒子群算法自適应寻找模型最优超参数的自适应优化方法。实验结果表明，该方法能够显著提高双压凝汽器的运行效率，降低电厂的运行成本。在未来研究工作中，将致力于进一步改进模型和算法，以更好地适应电厂的实际复杂环境和操作条件。同时，将进一步研究双压凝汽器与其他设备的协同优化，以实现整个电厂的节能减排目标和经济效益的提升。

参考文献

［1］张月雷，王贵生，管洪军，等.300 MW热电机组凝汽器变工况运行的热经济性模拟研究［J］.汽轮机技术，2023，65（5）：377-381.

［2］李汪繁，丁先，方晶剑.基于GWO-RF的凝汽器真空预测方法［J］.动力工程学报，2023，43（4）：436-442.

［3］于泳水.凝汽器配套液环真空泵的应用及相关设计计算［J］.水泵技术，2022（2）：30-33，42.

［4］龚建兴，王子沐，杨奇龙.基于粒子群算法的训练仿真想定优化生成方法［J］.系统仿真学报，2023，35（9）：1860-1870.

［5］丁佳鹏.核电站凝汽器瞬态分析及控制逻辑优化［J］.汽轮机技术，2023，65（4）：314-316，279.

收稿日期：2024-01-22

作者简介：张美君（1985—），男，本科，工程师，研究方向：电厂热机运行。