基于DE-MLRF的汽轮机负荷偏差识别方法

doi:10.3969/j.issn.1008-0198.2025.03.018

湖南电力 ›› 2025, Vol. 45 ›› Issue (3): 129-134.doi: 10.3969/j.issn.1008-0198.2025.03.018

• 电力人工智能与数字化 • 上一篇下一篇

基于DE-MLRF的汽轮机负荷偏差识别方法

文雯¹, 黄煜杰², 唐明珠², 邓黎明¹, 罗翠娥¹, 姜鑫¹

1.湖南大唐先一科技有限公司,湖南长沙 410007;
2.长沙理工大学能源与动力工程学院,湖南长沙 410114

收稿日期:2025-01-13 修回日期:2025-01-24 出版日期:2025-06-25 发布日期:2025-07-02
通信作者: 唐明珠（1983）,男,博士,教授,主要从事电力设备智能运维研究工作。
作者简介:文雯（1989）,女,硕士,主要从事电力设备智能运检研究工作。
基金资助:
国家自然科学基金项目（62173050）; 湖南省自然科学基金项目（2023JJ30051）; 湖南省重大科技创新平台项目（2024JC1003）

A Identifying Method for Turbine Load Deviation Based on DE-MLRF

WEN Wen¹, HUANG Yujie², TANG Mingzhu², DENG Liming¹, LUO Cui′e¹, JiANG Xin¹

1. Hunan Datang Xianyi Technology Co., Ltd., Changsha 410007, China;
2. School of Energy and Power Engineering, Changsha University of Science & Technology,Changsha 410114, China

Received:2025-01-13 Revised:2025-01-24 Online:2025-06-25 Published:2025-07-02

摘要/Abstract

摘要： 针对汽轮机变工况运行存在负荷偏差的问题,提出一种基于差分进化算法(differential evolution,DE)和多标签随机森林(multi-label random forest,MLRF)结合的汽轮机负荷偏差原因分类模型。通过斯皮尔曼（Spearman）相关性系数,分析影响汽轮机负荷出力的相关联变量;采用DE算法优化MLRF模型参数,建立基于DE-MLRF的汽轮机负荷偏差原因分类模型。结合某660 MW汽轮机实际运行数据进行实验验证,结果表明,与其他7种算法相比,DE算法优化的MLRF模型误报率（1.902 4%）、漏报率（1.854 1%）最低,可为汽轮机负荷偏差原因定位提供决策支持。

关键词: 汽轮机, 负荷偏差, 差分进化算法, 多标签随机森林

Abstract: Aiming at the problem of load deviation in turbine variable condition operation, a classification model for the reason of turbine load deviation is proposed based on the combination of differential evolution (DE) algorithm and multi-label random forest (MLRF). The associated variables affecting the turbine load output are analyzed by Spearman correlation coefficient. The DE algorithm is used to optimize the parameters of the MLRF model, and the DE-MLRF-based classification model of the causes of turbine load deviation is established. The experimental validation is carried out by combining the actual operation data of a 660 MW turbine, and the results show that the MLRF model optimized by DE algorithm achieves the lowest false alarm rate and missing alarm rate, which are 1.902 4% and 1.854 1% respectively, compared with MLRF models optimized by the other seven algorithms. The DE-MLRF-based model for classifying the causes of turbine load deviation can provide decision support for locating the causes of turbine load deviation.

Key words: turbine, load deviation, differential evolution (DE) algorithm, multi-label random forest (MLRF)

中图分类号:

TK262

文雯, 黄煜杰, 唐明珠, 邓黎明, 罗翠娥, 姜鑫. 基于DE-MLRF的汽轮机负荷偏差识别方法[J]. 湖南电力, 2025, 45(3): 129-134.

WEN Wen, HUANG Yujie, TANG Mingzhu, DENG Liming, LUO Cui′e, JiANG Xin. A Identifying Method for Turbine Load Deviation Based on DE-MLRF[J]. Hunan Electric Power, 2025, 45(3): 129-134.

参考文献

[1] 林圣,兰菲燕,刘健,等. 高压直流输电送端电网暂态过电压机理与抑制策略综述[J]. 电力科学与技术学报,2022,37(6):3-16.
[2] 孙蓉,张诚之,陈兵,等.规模化新能源接入下受端电网调峰方式综合评估研究[J]. 电力自动化设备,2021,41(6):149-155,163.
[3] 袁荣胜,俞聪,刘明,等. 燃煤机组调峰运行的碳经济性分析[J]. 动力工程学报,2022,42(11):1033-1041.
[4] 张学延,何国安,曾立飞,等.“双碳”目标下火电机组故障及应对措施综述[J]. 热力发电,2022,51(12):10-17.
[5] 吴董炯,何群山. 针对汽轮机转子故障样本不足的典型故障检测方法研究[J]. 噪声与振动控制,2024,44(3):101-108.
[6] 王新伟,钱虹,冷述文,等. 基于XGBoost算法的汽轮机转子故障原因定位方法[J]. 动力工程学报,2021,41(6):460-467.
[7] 严新荣,胡志勇,张鹏威,等. 煤电机组运行灵活性提升技术研究与应用[J]. 发电技术, 2024,45(6):1074-1086.
[8] 黄怡涵,郝玲,陈磊,等. 适用于多种一次调频技术及工况变化的抽汽凝汽式汽轮机数学模型[J]. 中国电机工程学报,2024,44(15):6065-6078.
[9] 陈尚年,李录平,张世海,等. 基于EEMD-LSTM的汽轮机转子碰磨故障诊断模型及其工程应用[J]. 热能动力工程,2023,38(8):159-168.
[10] 曹帅,仇晨光,丁超杰,等. 基于改进熵权法的多元状态估计模型在汽轮机能效监测中的应用[J]. 热能动力工程,2023,38(7):185-193.
[11] 谢昌亚,朱龙飞,胡娱欧,等. 660 MW超临界火电机组汽轮机及其调速系统精细化模型研究和应用[J]. 热能动力工程,2023,38(6):58-67.
[12] 于佰建,陈卓尔,宋长城,等. 基于改进萤火虫算法的含多种新能源地区电网的无功电压优化[J]. 河海大学学报(自然科学版),2024,52(5):93-100.
[13] 龙干,黄媚,方力谦,等. 基于改进多元宇宙算法优化ELM的短期电力负荷预测[J]. 电力系统保护与控制,2022,50(19):99-106.
[14] 蒋承刚,熊国江,帅茂杭. 基于DE-Jaya混合优化算法的电力系统经济调度方法[J]. 传感器与微系统,2023,42(8):157-160,164.
[15] 吴艳敏,程相,刘家旗. 基于SA-CS算法的含分布式电源配电网优化重构[J]. 科学技术与工程,2023,23(2):626-632.
[16] 牛培峰,吴志良,马云鹏,等. 基于正弦余弦算法的汽轮机热耗率预测[J]. 动力工程学报,2018,38(2):85-91.
[17] 沈艳军,杨博. 需求响应的微电网优化调度及改进的蝙蝠算法[J]. 华中科技大学学报(自然科学版),2020,48(2):120-125.
[18] 雷志伟,张兴,武海澄,等. 基于改进型量子粒子群优化算法的汽轮机流量特性优化研究[J]. 热力发电,2019,48(11):49-55,90.
[19] 冯垚飞,冯林魁,谷志德,等. 变工况试验下热电联产汽轮机内效率分析研究[J]. 发电设备,2023,37(3):141-146,158.
[20] 殷孝雎,都治良,卲国策,等. 基于GWO-SVR的风电机组柔性塔架振动建模与仿真分析[J]. 太阳能学报,2023,44(8):404-411.
[21] 李蔚,吴恺逾,陈坚红,等. 基于非线性自回归神经网络和随机森林算法的核电汽轮机组出力优化[J]. 中国电机工程学报,2021,41(2):409-416.

基于DE-MLRF的汽轮机负荷偏差识别方法

A Identifying Method for Turbine Load Deviation Based on DE-MLRF

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 3

编辑推荐

Metrics

本文评价

[1]	韩彦广, 朱光明, 邱应军, 钱江波, 王日成, 吴世杰. 汽轮机末级内湿蒸汽凝结流动计算与在线测量研究[J]. 湖南电力, 2024, 44(4): 52-58.
[2]	余兴刚, 魏海峰, 朱太春, 郭绪宏, 蒋伯华. 1 000 MW机组给水泵汽轮机轴封系统故障分析及处理[J]. 湖南电力, 2022, 42(5): 119-122.
[3]	刘金伟, 刘剑, 李德波. 核电汽轮机低压缸揭缸技术研究与工程应用[J]. 湖南电力, 2022, 42(4): 50-55.