基于神经网络的燃气轮机燃烧稳定性预测及分析

作者：王文阳

来源：动力工程学报, 2023, 43(07): 842-849.

DOI：10.19805/j.cnki.jcspe.2023.07.005

• 粒子群算法
• Elman神经网络
• 燃烧调整
• 燃烧稳定性
• 污染物排放

针对燃烧调整过程中易发生燃烧失稳且难以及时干预的问题，根据某型燃气轮机燃烧调整过程特征，利用改进的粒子群算法(PSO)优化Elman神经网络，将影响机组运行状态的参数作为输入变量，表征燃烧稳定性的参数作为输出变量，进而建立改进PSO-Elman神经网络模型。结果表明：值班气质量流量、压气机进口导叶及压气机第1级可调静叶的开度对燃烧稳定性影响较大；与Elman神经网络相比，改进PSO-Elman神经网络模型可靠性更好；所提出的神经网络模型可以很好地跟踪燃烧调整过程的参数变化特性，可先行预测燃烧调整过程中可能出现的燃烧失稳情况，解决试验过程中限制因素多、灵活性差的技术问题。