基于BP網絡的加熱器性能評價方法

李賀

【摘 要】在BP網絡的基礎上，為了避免加熱器結構參數的復雜計算，提出了一種新的計算模型——BP網絡的低壓加熱器端差應達值的計算模型。結果表明，基于BP神經網絡的低壓加熱器端差應達值的計算模型滿足精度要求，因此可應用于低壓加熱器運行熱經濟性評價，并可實現對加熱器性能降低的早期發現。

【關鍵詞】汽輪機 低壓加熱器 端差 BP神經網絡

【Abstract】 Based on the BP neural network， we proposes a new calculated model for avoiding the complex calculating of the structure parameters of the heat， the calculated model of the target value of terminal temperature differences from the low- pressure heater. Evaluate the operational economical situation from the deviation extent of the heater. The calculation results show that the suggestion evaluation methods of the operation heat economy of the low-pressure heater by using the BP neural network can be used for the operational economical situation of the low-pressure heater and the early detection of heater performance degradation.

【Key words】steam turbine；low-pressure heater；terminal temperature difference；BP neural network

低壓加熱器是汽輪機的一個重要的輔助設備。低壓加熱器運行經濟情況的好壞，直接關系到汽輪機乃至全廠的經濟運行。因此，運行部門十分重視低壓加熱器性能失常的早期發現并及時處理。

加熱器運行經濟性通常采用端差作為評價指標，但由于加熱器端差受入口水溫、汽輪機負荷等因素的影響，實測端差值并不能直接用來評價加熱器熱經濟性。為此，文獻[1]以熱力系統的熱平衡方程等基礎建立了加熱器端差運行熱經濟性的通用計算模型。文獻[2]利用等效焓降法定量分析了加熱器端差對機組熱經濟性的影響，文獻[3]利用傳熱學的基本理論建立了回熱加熱器的變工況數學模型。通過分析以上幾種方法可以看出現有的計算端差應達值是通過加熱器變工況計算方法得到運行工況變化后加熱器端差的應達值，并將端差應達值與實際測量值進行對比，從而實現對加熱器運行經濟性的評價。但這需要預先已知加熱器的結構參數，然而時設備制造廠家說明書中并沒有明確給出，從而導致基于變工況計算方法得到的低壓加熱器上、下端差存在著較大的誤差，這些都會影響到對低壓加熱器運行經濟性的準確評價。

本文鑒于以上方法的不足，提出了反向傳播網絡（Back-Propagation Network，簡稱BP網絡）計算模型。基于BP網絡的數學建模方法的優點在于不必事先給出函數的具體形式，它借助于本身所具有的學習能力，自動形成應變量與自變量之間的函數關系，因此為數學建模提供了方便條件。

BP網絡是人工神經網絡的一種變化形式，且其應用的范圍非常廣泛，如函數逼近、模式識別、分類和故障診斷等領域。為此，本文基于BP網絡建立了低壓加熱器上、下端差應達值的數學模型，并以某300MW汽輪機組某低壓加熱器性能狀態正常時的低壓加熱器上、下端差及其相應的影響因素作為訓練樣本，得到了低壓加熱器上、下端差與其影響因素之間的非線性數學模型。汽輪機實際運行過程中，借助于BP網絡得到的加熱器端差應達值和實際測量值進行比較，即可以對低壓加熱器的運行經濟狀態進行評價。

1 BP網絡算法

BP網絡于1986年由Rumelhart 和McCelland領導的科學小組在《Parallel Distributed Processing》一書中提出，是模擬人腦結構及其功能的人工智能技術。

網絡的輸入向量為；隱層輸出向量為；輸出層輸出向量為。由圖可以看出，此網絡輸入層節點有n個，網絡的輸出信號為，有m個隱含層。根據Kosmogorov定理理論證明，在合理的結構和恰當的權值條件下，3層BP神經網絡可以逼近任意的連續函數。根據經驗公式：

（1）

其中，，，分別為隱含層、輸入層、輸出層的神經元數目，為1～10之間的一個整數。

由于BP網絡自身存在的很多缺點，如它的訓練速度慢、易陷入局部極小點等。這就需要在訓練過程中選擇合適的網絡結構。借于以上分析，本文采用一個隱層，節點數目在訓練過程中不時調整，以達到最佳的訓練效果。

2 基于BP網絡的加熱器端差計算模型

本文采用的計算模型是以某300MW汽輪機為例，對其經過大修后正常狀態下的H5低壓加熱器上、下端差值用BP網絡模型進行計算，并通過與實測端差值的對比來驗證模型的有效性。

本文的訓練數據通過電廠控制系統采集，算例中共準備180個樣本，為了避免訓練過程中的“過擬合”現象并且評價所建立的BP網絡模型的性能和泛化能力，其中100個作為訓練樣本，50個作為檢驗樣本，30個作為測試樣本。語言使用MATLAB 7.6.0。

本文所用的BP網絡的傳遞函數為Sigmoid函數，其工作區域為[0，1]，因此對于訓練樣本還要進行預處理，將其對應到區間[0，1]之間，這個過程稱為“歸一化”。這樣做的目的是可以提高訓練速度和靈敏性。所采用的歸一化公式為：

（2）

式中，為歸一化后的變量，為原始的變量，為變量中的最大值，為變量中的最小值。

在訓練結束后，對輸出值再進行反歸一化處理，即可以得到低壓加熱器上、下端差的應達值。

在進行模型的性能評價時，本文采用均方差（Mean squared error，Mse）作為計算結果準確度判斷的依據，即：

（3）

3 BP網絡算法的實驗驗證

在實際計算時，給定的學習精度為0.01，網絡隱含層神經元個數為15個，訓練次數= 2000，權值調整參數=0.01。其最終的加熱器的上、下端差實測值和計算結果如圖1和圖2所示。

圖1端差樣本訓練結果圖 圖2下端差樣本訓練結果

通過圖1和圖2可以看出，低壓加熱器的上、下端差的訓練結果和實際大修后正常狀態下的上、下端差實測值基本吻合。其上、下端差的均方差值分別為0.0152℃和0.7635℃。由模型性能評價指標表明，此模型可實現對低壓加熱器上、下端差應達值的精確計算。

為了檢驗此模型的有效性，本文在汽輪機大修后正常運行狀態下的數據中又抽取了50個數據作為驗證樣本，通過該模型驗證后的上、下端差應達值的計算結果如圖3和圖4所示。

圖3端差樣本驗證結果 圖4下端差驗證結果

由圖3和圖4可見，采用BP網絡計算方法驗證得出的低壓加熱器上、下端差的結果與實際測量結果吻合比較好，證明該計算方法得出的結果具有較高的精度，此模型可以應用于低壓加熱器運行經濟性能的評價。

通過現場實際檢查，發現該汽輪機H5和H6低壓加熱器存在旁路門內漏問題，造成加熱器出口水溫降低，導致加熱器測量的上端差偏大。

4 結語

本文利用BP網絡建立了低壓加熱器熱經濟性評價模型，通過分析和討論，得到的結論如下：

（1）根據BP網絡原理建立的低壓加熱器熱經濟性評價模型可準確地對低壓加熱器運行經濟性能進行評價。

（2）該模型在計算過程中能夠避免加熱器復雜結構對加熱器端差的影響，為低壓加熱器的熱經濟性評價提供了方便條件。

（3）在模型參數訓練過程中，若隱層節點數過少，則達不到所需要的精度；若隱層節點數過多，雖然網絡誤差減小，但會使訓練時間變長。因此，本文將訓練數據分成三份，

參考文獻：

[1]郭民臣，劉強，葉江明，陳愛萍.定功率下加熱器端差對機組熱經濟性的影響[J].中國電機工程學報，2008，28（23）：42-45.

[2]李秀云，嚴俊杰等.外置蒸汽冷卻器機組熱統定量分析方法[J].中國電機工程學報，2001，21（1）：35-39.

[3]劉繼平，李秀云等.帶疏水冷卻器的回熱加熱器變工況特性研究[J].汽輪機技術，2000，4（6）：356-359.