【技术实现步骤摘要】
一种天然气透平膨胀发电机组的智能控制方法及其系统
[0001]本申请涉及天然气发电
,且更为具体地,涉及一种天然气透平膨胀发电机组的智能控制方法及其系统。
技术背景
[0002]天然气在进入城市门站或燃气电场前,根据不同的压力要求,常用调压器进行降压处理。应注意到,当天燃气具备一定的压力和温度时,就具备了一定的能量,在用调压器进行调节时,会造成部分内能损失。天然气透平膨胀发电技术利用天然气在膨胀机内进行绝热膨胀,内能降低而对外做功,并由膨胀机驱动发电机将能量转化为电能并进行回收。
[0003]在透平膨胀机中,气体的能量交换发生在导流器的喷嘴叶片间与工作叶轮内。高压气流在喷嘴内进行部分膨胀,然后以一定的速度进入叶轮,推动叶轮旋转。气流进入叶轮后还会进一步膨胀,气流的反冲力进一步推动叶轮旋转,旋转的叶轮轴可驱动发电机组进行发电。
[0004]虽然,气体在膨胀机中通过的时间极短,因此绝热效率很高,但在对膨胀机的发电效率进行优化时,该部分热量交换所带来的损失仍是可以优化之处。
[0005]因此,期望一种 ...
【技术保护点】
【技术特征摘要】
1.一种天然气透平膨胀发电机组的智能控制方法,其特征在于,包括:获取高压端在预定时间段内多个预定时间点的温度值和压力值以及低压端在所述预定时间段内多个预定时间点的温度值和压力值,以及,透平膨胀发电机组在所述预定时间段内多个预定时间点的出力;将所述高压端在预定时间段内多个预定时间点的温度值和压力值分别按照时间维度排列为高压端温度输入向量和高压端压力输入向量后,计算所述高压端温度输入向量的转置向量与所述高压端压力输入向量之间的乘积以得到高压端能量关联矩阵;将所述高压端能量关联矩阵通过作为过滤器的第一卷积神经网络模型以得到高压端能量特征矩阵;将所述低压端在所述预定时间段内多个预定时间点的温度值和压力值分别按照时间维度排列为低压端温度输入向量和低压端压力输入向量后,计算所述低压端温度输入向量的转置向量与所述低压端压力输入向量之间的乘积以得到低压端能量关联矩阵;将所述低压端能量关联矩阵通过作为过滤器的第二卷积神经网络模型以得到低压端能量特征矩阵;计算所述高压端能量特征矩阵与所述低压端能量特征矩阵之间的能量差分特征矩阵;将所述透平膨胀发电机组在所述预定时间段内多个预定时间点的出力按照时间维度排列为出力输入向量后通过包含一维卷积层的时序编码器以得到出力特征向量;计算所述能量差分特征矩阵相对于所述出力特征向量的转移向量作为分类特征向量;对所述分类特征向量进行特征值校正以得到校正后分类特征向量;以及将所述校正后分类特征向量通过分类器以得到分类结果,所述分类结果用于表示低压端的压力应增大或应减小。2.根据权利要求1所述的天然气透平膨胀发电机组的智能控制方法,其特征在于,所述将所述高压端能量关联矩阵通过作为过滤器的第一卷积神经网络模型以得到高压端能量特征矩阵,包括:使用所述第一卷积神经网络模型的各层在层的正向传递中分别进行:对输入数据进行卷积处理以得到卷积特征矩阵;对所述卷积特征矩阵进行基于局部特征矩阵的均值池化以得到池化特征矩阵;以及对所述池化特征矩阵进行非线性激活以得到激活特征矩阵;其中,所述第一卷积神经网络的最后一层的输出为所述高压端能量特征矩阵,所述第一卷积神经网络的第一层的输入为所述高压端能量关联矩阵。3.根据权利要求2所述的天然气透平膨胀发电机组的智能控制方法,其特征在于,所述将所述低压端能量关联矩阵通过作为过滤器的第二卷积神经网络模型以得到低压端能量特征矩阵,包括:使用所述第二卷积神经网络模型的各层在层的正向传递中分别进行:对输入数据进行卷积处理以得到卷积特征矩阵;对所述卷积特征矩阵进行基于局部特征矩阵的均值池化以得到池化特征矩阵;以及对所述池化特征矩阵进行非线性激活以得到激活特征矩阵;其中,所述第一卷积神经网络的最后一层的输出为所述低压端能量特征矩阵,所述第一卷积神经网络的第一层的输入为所述低压端能量关联矩阵。4.根据权利要求3所述的天然气透平膨胀发电机组的智能控制方法,其特征在于,所述计算所述高压端能量特征矩阵与所述低压端能量特征矩阵之间的能量差分特征矩阵,包
括:计算所述高压端能量特征矩阵与所述低压端能量特征矩阵之间每个对应位置的特征值之间的差值,获得差值得分矩阵,并计算所述差值得分矩阵中每个位置的特征值的绝对值,以获得所述能量差分特征矩阵。5.根据权利要求4所述的天然气透平膨胀发电机组的智能控制方法,其特征在于,所述将所述透平膨胀发电机组在所述预定时间段内多个预定时间点的出力按照时间维度排列为出力输入向量后通过包含一维卷积层的时序编码器以得到出力特征向量,包括:将所述透平膨胀发电机组在所述预定时间段内多个预定时间点的出力按照时间维度排列为出力输入向量;使用所述时序编码器的全连接层以如下公式对所述出力输入向量进行全连接编码以提取出所述出力输入向量中各个位置的特征值的高维隐含特征,其中,所述公式为:其中X是所述出力输入向量,Y是输出向量,W是权重矩阵,B是偏置向量,表示矩阵乘;以及使用所述时序编码器的一维卷积层以如下公式对所述出力输入向量进行一维卷积编码以提取出所述出力输入向量中各个位置的特征值间的高维隐含关联特征,其中,所述公式为:其中,a为卷积核...
【专利技术属性】
技术研发人员:严益剑,厉强,沈晓东,莫建敏,方钊峰,
申请(专利权)人:杭州天然气有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。