考虑天气影响的火电机组空冷系统性能预测方法

• 作者: 董建宁 安吉振 陈衡 潘佩媛 徐钢 王修彦 华北电力大学能源动力与机械工程学院
• 来源期刊: 发电技术
• 学科: 工学
• 关键词: 火力发电;火电机组;空冷系统;直接空冷机组;长短期记忆(LSTM)神经网络;性能预测;特征重要性;天气因素
• 年，卷（期）: 2025,（6）
• 页码范围: 117-125
• 页数: 9页
• 语种: 中文

摘要

【目的】直接空冷机组是一部分缺水地区常用的火力发电形式，由于其采用空气作为冷却介质，因此运行受到诸多限制。为解决直接空冷机组受环境影响大和耗煤量高的问题，对空冷岛换热性能进行预测研究。【方法】基于河北省某超临界2×600 MW机组的历史运行数据，利用MATLAB软件计算历史空冷岛性能，将历史数据作为训练集和测试集，通过长短期记忆(long short-term memory,LSTM)神经网络机器学习算法，实现对未来一段时间内的空冷岛性能预测。在不改变模型参数的条件下，通过去除各项特征的方式确定特征重要性排名，基于此确定最佳特征选择策略，进一步优化模型。考虑到空冷岛性能受天气影响大，为提升模型在特殊天气下的预测能力，将原数据集结合历史天气预报数据，编写考虑天气因素的预测程序，以预测空冷岛未来一段时间性能，并对预测结果进行可视化分析。【结果】所采用的预测模型预测准确度明显高于传统自回归移动平均模型(autoregressive integrated moving average model,ARIMA)，对未来1 h以内的直接空冷机组换热性能预测拟合优度均在0.90以上。【结论】模型所采用的数据特征及算法可以为直接空冷机组的稳定运行提供数据支撑，为智慧电厂的建设提供技术基础。