水轮机综合调节特性神经网络数字化建模仿真

【摘要】： 从水轮机综合特性曲线上合理提取流量和力矩特性数据,对水轮机选型设计和输水系统调节保证计算具有重要意义,是水电站安全经济运行的必要保障。目前,水轮机综合特性曲线的处理方法有很多种,但大都仅停留在高效工况区部分,对于低效工况区的特性数据依然凭借设计人员的经验沿特性曲线的走向向外延伸,经过反复手工试算和工程试验才能获得。由于水轮机在低效工况区呈现明显多元非线性特性,通过人工将特性曲线向外延伸获得的流量和力矩特性数据,在有效性和准确性方面存在着较大的人为误差,不能真实地反映水轮机在过渡过程调节中的流量和力矩特性。改进BP神经网络具有强大的非线性数据曲线拟合逼近功能,能够通过模型自动学习获得高精度的预测数据。将神经网络强大的非线性逼近功能引入到水轮机综合特性曲线处理中,获得水轮机在低效工况区的高精度流量和力矩特性数据。总结整个研究过程,主要包括以下几个方面的内容: (1)分析了水轮机常用的几种综合特性曲线处理方法,经过方法间的相互比较,结合水轮机综合特性曲线的实际参变量特点,选用三次样条插值作为水轮机高效工况区特性曲线的处理方法。 (2)利用计算机辅助设计软件CAD对水轮机综合特性曲线的光栅图像进行数字化处理,获得水轮机在高效工况区的流量和力矩数据。 (3)通过神经网络与Matlab相结合,建立起三层改进BP神经网络水轮机综合特性数据预测模型,并用高效工况区的流量和力矩数据对模型进行“学习”训练,通过Matlab仿真及误差分析后,验证了模型的正确性。 (4)利用型值点延拓技术,结合边界约束条件,通过改进BP神经网络模型的自动预测,获得低效工况区的流量延拓和力矩延拓曲面。 (5)把模型预测获得的流量和力矩特性数据与工程试验结果进行对比,进一步验证了基于神经网络的水轮机综合特性曲线处理技术的合理有效性。 神经网络模型自动预测获得的全区调节范围的流量和力矩特性数据,不仅能够真实地反映水轮机的综合特性,而且精度相当高,完全能够满足水轮机选型及过渡过程调节保证仿真计算的实际工程要求。