汽輪機調節閥流量特性表示調節閥開度與蒸汽流量之間的對應關系，用以保證機組理論計算流量與實際流量相符。汽輪發電機組的電功率在汽輪機進汽參數和排汽壓力均保持不變的情況下，基本與汽輪機的進汽流量成正比，而調節閥流量特性較差會直接降低機組功率控制的性和協調控制的品質，影響機組實現一次調頻及自動發電量控制(AGC)調節品質。
 

　　隨著機組不斷運行，汽輪機調節閥實際流量特性曲線會逐漸偏離原設計的流量特性曲線，但通過重新調整調節閥流量特性曲線，能夠消除偏差。開展調節閥流量特性試驗，可以準確掌握汽輪機高壓調節閥流量特性，制定出的流量特性曲線，有效提高機組的控制水平。
 

　　一、汽輪機調節閥流量函數及其優化
 

　　1、汽輪機調節閥流量函數
 

　　汽輪機高壓調節閥流量特性主要通過2組分段線性修正函數實現，分別用于單閥控制方式和順序閥控制方式，在順序閥控制方式下，流量修正函數既能實現背壓修正、流量分配、調節閥重疊度分配，又隱含了每個調節閥的實際流量特性，這種綜合控制方式稱為單函數控制方式。詳細描述了另一種形式的汽輪機調節閥流量修正函數，該函數將背壓修正函數、調節閥順序控制函數、重疊度函數、流量開度函數獨立分開，這種分段獨立的控制方式稱為多函數控制方式。目前汽輪機高壓調節閥流量修正函數主要以這兩種控制方式為主。單函數控制方式下的流量修正函數每個調節閥只采用1個流量修正函數。多函數控制方式下的流量修正函數各函數獨立分開，各控制函數功能清晰，但增加了計算的復雜性。因此，本文將多函數控制方式下的修正函數進行融合，將其轉換為單函數控制方式下的單個函數，待計算完成后再將其反推為多函數控制方式。
 

　　2、基于單函數模型的流量函數優化
 

　　根據流量特性計算方法，當主蒸汽壓力保持穩定時，蒸汽流量的變化能直接反應負荷的變化。當流量指令一定時，通過修正調節閥開度來修正對應的實際流量，使實際流量與流量指令保持一致。此過程的試驗及數據采集采用以下方法：
 

　　1)機組負荷控制在55%額定負荷左右，主蒸汽壓力控制在一定值，投入協調控制進行負荷升降；
 

　　2)切除汽輪機數字電液控制系統(DEH)功率和壓力調節回路，切除一次調頻回路，將DEH切換至順序閥控制方式；
 

　　3)待主要參數穩定后，記錄主蒸汽壓力、調節級壓力、負荷設定值、機組負荷、總閥位指令、調節閥開度等參數；
 

　　4)以3MW/min的速率增加負荷，同時維持負荷、主蒸汽壓力、主蒸汽溫度穩定，直至高壓調節閥全開；
 

　　5)將DEH切換至單閥控制方式運行，并將DEH功率回路切除；
 

　　6)同樣以3MW/min的速率減少負荷，同時保持負荷、主蒸汽壓力、主蒸汽溫度等參數穩定；
 

　　7)記錄主蒸汽壓力、調節級壓力、負荷設定值、機組負荷、總閥位指令等參數。
 

　　通過以上試驗獲取數據后，建立實際流量與調節閥開度函數的數學模型，并在此基礎上進行流量校正。
 

　　二、數據擬合及BP神經網絡
 

　　1、數據擬合
 

　　數據擬合是在合理假設的基礎上，選擇某種類型的擬合函數使之符合數據總體的變化規律。擬合的方法多種多樣，有線性函數、多項式函數、傅里葉函數等，針對數據不同的分布趨勢，不同函數擬合方法的效果也不盡相同，因此，數據擬合時需考慮數學模型的類型函數，并確定合適的擬合參數，使擬合效果zui能代表數據總體的變化趨勢。
 

　　在調節閥流量特性優化過程中，實際主蒸汽流量曲線、調節閥開度、流量指令三者的關系是zui重要的參考量。流量指令是一條連續的直線，因此在相同流量指令下，對流量曲線、調節閥開度的擬合是建立三者數學模型的關鍵。
 

　　2、基于BP神經網絡的優化預測
 

　　基于BP神經網絡的調節閥開度與流量關系，首先構建一個以調節閥開度函數為輸入，以相同流量指令下的流量曲線為輸出的神經網絡。根據上文擬合出的調節閥開度和流量曲線的數學模型，將4個調節閥開度作為輸入層，將相同開度下對應的流量作為輸出層進行網絡訓練。本文建立了一個4輸入、1輸出、2隱層的BP神經網絡。zui后，對優化后的調節閥開度與流量關系進行預測，驗證優化效果。