黄冈市环孚天然气有限公司 湖北黄冈 438000
摘要：随着经济和科技水平的快速发展，，天然气为当今世界最为绿色、高效的优质能源之一，被世界各国人民广泛使用。随着全球经济的快速发展和人类生存环境的不断恶化，人类对天然气的需求量急剧提升。因此，对城市燃气负荷进行预测显得尤为重要。本文主要对城市燃气日负荷进行短期预测。由于在全年范围内，每2个月内的温度和人口等因素变化范围不大。因此，将某市某年的燃气日负荷历史数据分为6组，以每2个月为一组进行建模，利用广义动态模糊神经网络（GD-FNN）对燃气日负荷进行组合预测，得到预测精度（平均）和预测时间。
关键词：城市燃气日负荷；智能预测；方法
引言
为解决城市燃气日负荷具有随机性和不确定性问题，首先分别采用广义回归神经网络（GRNN）、灰色-GRNN和梯度-GRNN对燃气日负荷数据进行预测，通过MATLAB仿真表明，得到的预测误差大部分都在20%以内，说明这3种预测模型总体上是可行的，但预测精度并不是很高；近年来，部分负荷燃机进气加热技术受到业内关注，其对联合循环机组部分负荷效率的提升值得技术人员深入研究。
1部分负荷效率下降主要因素
1.1透平前温降低
目前，常见的燃机机组部分负荷调控方式有IGV调节和透平前温调节，各个不同型号燃机具体调控方式会有一定区别。一般来说，当机组负荷在80%设计负荷以上时采用IGV调节方式；当机组负荷率低于80%时，除了减小压气机IGV开度之外，还需要降低燃气透平前温，从而达到降低机组负荷的控制目标。当燃气轮机机组透平前温降低时，就造成了机组当前效率的下降。
1.2压气机内部流动恶化
燃气轮机部分负荷运行时燃气轮机压气机入口空气质量流量下降，由于压气机为定容设备，因此其内部空气流速降低，流场分布会偏离设计值，造成气流冲角改变、进口IGV导叶角度减小等运行参数变化，从而造成压气机部分负荷运行效率降低。
1.3透平内流场的工况偏离
与压气机内流场相似，燃气轮机透平叶片由于无法偏转角度，因此在部分负荷时内部流体质量流量减小，内部流场偏离设计值，且难以通过透平自身进行修正的，从而导致其在机组部分负荷下的运行效率下降。
2神经网络建立预测模型
2.1灰色理论法
灰色理论法是一门研究信息部分清楚，部分不清楚并带有不确定性现象的应用数学学科。其主要工作原理是对燃气日负荷数据进行整理和分析，发现其中的规律性，通过其中的规律对燃气日负荷进行预测，其核心是对数的操作，主要是为了减小数据的干扰性和随机性，增加数据的规律性。灰色理论首先要求历史数据必须具有序列走势平缓的特点，并且在经过一次累加后的数据序列必须具有指数增长的规律性，否则无法建立灰色预测模型。但是可以利用灰色理论对燃气日负荷的历史数据进行预处理，减少错误数据的干扰以提高预测模型的精度。灰化层的作用主要是用来减少原始数据的随机性，由于原始数据中可能存在异常的坏数据，这样会增加训练时间或使神经网络无法收敛，灰化层主要是对数值的运算，一般是对原始数据进行至少一次的累加，使经过累加的数据具有单调递增的特性，这样可以有效地减少原始数据的随机性，能够显著提高预测精度。
期刊文章分类查询,尽在期刊图书馆白化层的作用是对灰化层的逆运算，是对已经通过GRNN预测得到的预测值进行累减操作，最后得到的结果就是灰色-GRNN的预测值。
2.2梯度神经网络法
1996年，在国际学术会议上，Mulgrew.B提出了一种用于消除时间序列不平稳性的非线性神经网络建模方法，称为梯度神经网络法，可以利用这种梯度神经网络建模法进行燃气日负荷原始数据的预处理工作。梯度神经网络法主要是通过对时间序列的差分来去除非平稳性的。在经过梯度处理后，能够有效减少由于原始数据的不平稳性和随机性所导致的误差，十分有利于提高预测的准确性。
2.3现有进气系统结构的限制
我国目前常见的燃气轮机进气系统布置分为高位布置和低位布置。其中，进气系统高位布置一般位于燃机侧面或正面的外侧平台，下部采用钢结构支撑。由于燃机部分负荷进气加热提效技术需要增加一组换热器，以F级机组为例，提高进气温度20℃时需要的设备载荷约为200t。因此，在改造前期需要对现有进气平台机构的载荷余量进行测算，分析改造的可行性。进气系统低位布置一般不存在载荷的问题，但是对于进气加热系统设计要求较高。目前部分采用三菱机组的低位布置进气系统将进气口设置在燃机排气扩散段下方，若该电厂位于城市区域，周边一般还会有防噪音结构。这类进气系统布置方式导致技术改造空间极为有限，设备吊装难度很大，需要在改造前期对进气加热系统进行优化设计，方便现场转运及组装。
2.4GRU与LSTM神经网络
GRU与LSTM在结构上十分的相似，都是为了解决RNN的长期依赖问题设计的门控单元结构.LSTM包含三个门函数（输入门、忘记门和输出门），如图12所示，而GRU模型仅仅包含两个门函数（重置门和更新门）.如果将重置门全部设置为1，并且更新门设置为0，就退化为RNN模型.显而易见，由于少了输出门的计算，GRU网络参数更少，训练速度更快.而当实验数据较多时，LSTM网络效果更好.GRU神经网络与LSTM在实验结果上相差不大，需根据实际数据选择适当的模型.本文将2005年到2014年的燃气负荷作为输入数据（数据未处理），选取2000个数据做训练数据，1000个作为测试数据.分别以GRU和LSTM两个模型进行预测，可以看出预测精度两者相差不大，MAPE分别为0.0217和0.1988。
结语
设计了一种短期燃气日负荷的智能组合预测方法，将燃气日负荷一年的历史数据分为6组分别建立预测模型，利用模型切换预测城市燃气日负荷值。1）由于广义回归神经网络具有良好的非线性逼近功能。所以，分别采用GRNN、灰色-GRNN和梯度-GRNN对燃气日负荷数据进行预测，仿真表明，预测模型总体上可行，但预测精度并不是很高，而且无法处理预测过程中出现的预测模型故障现象。因此，采用组合预测模型对燃气日负荷进行进一步的预测。2）针对城市燃气日负荷预测的随机性和不确定性，采用广义动态模糊神经网络（GD-FNN）进行组合预测，将GRNN、灰色-GRNN和梯度-GRNN的预测数据作为组合预测模型的数据基础，通过MATLAB平台仿真，结果表明：从预测精度上看，组合预测模型的预测精度要明显高于单一预测模型的预测精度，预测时间也在合理范围内，并且能解决单一预测模型发生故障情况。
参考文献：
[1]郑体宽，杨晨.热力发电厂[M].北京：中国电力出版社，2009.
[2]清华大学热能工程系动力机械与工程研究所，深圳南山热电股份有限公司.燃气轮机与燃气：蒸汽联合循环装置[M].北京：中国电力出版社，2017.
[3]杨顺虎.燃气-蒸汽联合循环发电机组设计中几个节能问题探讨[J].中国电力，2002，35（4）：62-65.
[4]张涛，刘志坦，付忠广，等.燃气轮机进气系统湿堵分析及对策[J].中国电力，2018，51（12）：29-35.
[5]魏黎明，李晓龙，赵征，等.神经网络在吸气式高超声速导弹突防弹道设计上的应用[J].空天防御.2018，01（2）：14-17.
[6]王晓梅.神经网络导论[M].北京：科学出版社，2017.
[7]杨祺煊，张广楠，荀烨.广义回归神经网络在装甲部队油料消耗预测中的应用[J].事交通学院学报.2016，18（6）：82-89.
论文作者:陈文珉
论文发表刊物:《防护工程》2019年15期
论文发表时间:2019/12/3
标签：负荷论文; 神经网络论文; 燃气论文; 模型论文; 数据论文; 燃气轮机论文; 梯度论文; 《防护工程》2019年15期论文;