基于压缩空气流量预测的火电机组空压机节能研究OA北大核心CSTPCD

针对火电机组内空压机布局分散和加卸载频繁造成电能浪费严重的问题,提出一种基于压缩空气流量预测结果进行空压机联网运行组合优化的方法。为提高预测模型的预测精度,提出鹈鹕优化算法(POA)与长短期记忆神经网络相结合的预测模型(POA-LSTM),通过相关性分析,选取空压机运行电流、储气罐压力、空压机排气压力和排气温度作为压缩空气流量的影响因素。结果表明,该模型预测误差率小于4%,能较准确地预测压缩空气流量的变化趋势;根据用气量预测结果进行杂用压缩空气联网改造测试,优化空压机的组合运行方式,可以少开杂用空压机1台,能耗降低13.01%;全厂空压机均采用基于压缩空气流量预测的联网供气方式可实现全年节约电能超过440万kW·h,节省电费268万余元,减少2 559 t二氧化碳排放。