基于三维仿射变换校正的数据驱动水轮机原型性能精细化建模与仿真

《Sustainable Energy Technologies and Assessments》:Data-driven refined modeling and simulation of hydro-turbine prototype performance via 3D affine transformation correction

【字体: 大 中 小 】 时间:2026年09月29日 来源:Sustainable Energy Technologies and Assessments 7.4

编辑推荐:

   **•利用现场数据,通过三维仿射变换校准水轮机特性面。** **•采用K-means聚类与粒子群优化(PSO)算法优化三维校正参数。** **•该方法有效降低了力矩和流量特性的静态误差。** **•闭环仿真在四种评估工况下提升了暂态跟踪精度。** ## 引言 在碳中和目标

  

**•利用现场数据,通过三维仿射变换校准水轮机特性面。**
**•采用K-means聚类与粒子群优化(PSO)算法优化三维校正参数。**
**•该方法有效降低了力矩和流量特性的静态误差。**
**•闭环仿真在四种评估工况下提升了暂态跟踪精度。**

## 引言

在碳中和目标的驱动下,电力系统正加速向以可再生能源为主导的新型电力系统转型[1]。然而,风电和太阳能等间歇性可再生能源的出力具有显著的随机性和波动性,其大规模并网对电网的频率稳定性和调峰能力构成严峻挑战[2]。水电机组凭借其优异的短期运行灵活性和长期储能调节能力[3],已成为平抑可再生能源波动、保障电网安全稳定运行的关键基石。因此,提升水电机组的灵活性和宽工况运行稳定性已成为电网稳定性控制的重要研究方向。准确解析水电机组在复杂多变工况下的运行特性,是开展相关研究的基本前提。

水轮机作为水电机组的核心部件,其特性高度非线性,因此,刻画其运行行为对于提升机组灵活性至关重要。具体而言,水轮机运行特性可分为内流特性和水力特性两类:前者解析微观流态,后者表征宏观性能[4]。内流特性聚焦于微观流体动力学层面,主要分析导叶、转轮、尾水管等流道部件内部的速度场和压力场演化规律,是研究空化机制、能量损失和水力振动等问题的物理本源。而水力特性则通过水头、流量、转速等关键参数之间的复杂非线性耦合关系来反映机组的整体性能,在工程实践中通常以特性曲线的形式呈现。在水轮机调节系统(HTRS)中,这些特性曲线的精度直接决定了暂态仿真的保真度[5]。

目前,水力矩和流量特性主要通过模型特性图结合相似律得出。传统的基于特性的水轮机模型已广泛应用于暂态仿真和运行分析。Nielsen[6]通过将水轮机特性纳入暂态分析,开发了弗朗西斯水轮机和可逆式水泵水轮机的仿真模型。Zeng等[7]提出了区域划分变换方法,用于构建不同比转速下的水泵水轮机特性,为不同工况下特性面的表征提供了有效途径。此外,基于特性曲线的仿真模型在弗朗西斯水轮机与可逆式水泵水轮机领域也得到了进一步发展,强调了精确特性表征在暂态分析中的重要性[8],[9]。

然而,由于"尺度效应"[10],模型水轮机与原型水轮机之间在雷诺数和流道部件相对粗糙度方面存在显著差异,导致机组参数无法实现完美的等比例缩放,且原型水轮机的效率通常高于模型水轮机[11]。更为关键的是,模型特性图通常仅提供流量和效率数据,缺乏直接的力矩特性数据。在从流量和效率面逆推力矩特性的过程中,由于离散采样误差和非线性插值不精确,计算得到的力矩特性会产生进一步放大的偏差。由于水轮机的输出功率直接取决于力矩,而流量特性的精度影响重构水轮机特性面的完整性和物理一致性,传统方法难以满足高保真控制仿真的需求。

尽管模型校正技术已相对成熟,但在水轮机特性曲线校准领域的应用仍然有限。近年来,随着人工智能的快速发展,众多学者引入了机器学习算法——如反向传播(BP)神经网络、径向基函数(RBF)神经网络和支持向量机(SVM)等——来拟合水轮机特性面,显著提升了特性曲线的光滑度和非线性表征能力[12],[13],[14]。此外,Hu等[15]建立了基于流体能量和力矩方程的解析预测模型,通过提取少量CFD特征点,闭合求解控制方程组,实现了模型机组完整特性曲线的快速预测。然而,这些建模方法仅关注原始模型特性面的高精度拟合,忽视了模型水轮机与原型水轮机之间的系统性差异,从而限制了水轮机建模精度的进一步提升。

为突破这一瓶颈,Liu等[16]提出了一种基于输入-输出校正的水轮机建模方法。该方法引入多项式校正函数和综合评价指标,按照最优端口和模型顺序对模型特性数据进行校准。然而,该方法计算过程繁琐,泛化能力受限,且缺乏对流量特性的有效校准。Chen等[17]开发了融合BP神经网络与改进引力搜索算法的数据校正策略,通过融合实际运行数据实现了高精度建模,但其工作缺乏闭环动态仿真精度验证。

近年来,结合物理模型与数据驱动方法的混合建模方法在电力系统分析中日益受到关注。Ma等[18]针对参数不确定性下的水电发电系统,开发了基于物理模型与数据辅助的暂态预测框架,证明了结合实测信息与物理模型可提高暂态预测精度的有效性。此外,Ma等[19]提出了抽水蓄能系统的基于物理模型与数据辅助的暂态预测框架,凸显了数据辅助方法在提升复杂电力系统仿真鲁棒性方面的潜力。针对特定暂态过程,Ma等[20]利用暂态甩负荷数据对水泵水轮机的"S"特性区域进行了重构和外推,而Fahed[21]则提出了一种结合监测数据和黑盒优化的物理模型校准方法,以降低轴流水轮机的启动仿真误差。

综上所述,模型校正是确保水轮机特性高保真度和可靠性的核心环节,对于准确刻画机组在代表性暂态工况(包括启动和剧烈负荷波动等)下的动态响应具有重要作用。然而,现有水轮机模型校正方法仍存在以下局限。首先,在数学框架方面,大多数方法依赖于多项式等局部解析调整,导致校正过程繁琐,待辨识参数高度冗余。其次,调参过程往往针对单一暂态工况,导致模型的全局适应性较差。最后,验证阶段过度依赖稳态静态残差基准比对,缺乏在HTRS闭环环境中的动态响应验证,难以忠实地评估校正模型在复杂动态暂态过程中的真实性保真度。

为克服上述关键瓶颈,本文提出了一种基于仿射变换的水轮机校正建模方法。以力矩特性模型校正为例,详细的校准框架如图1所示。首先,基于实测稳态运行数据,该方法引入三维(3D)仿射变换,对基线水轮力气矩特性面执行空间几何校正。其次,以由实测功率和转速推导的力矩特性与校正气矩特性之间的均方误差(MSE)为目标函数,采用粒子群优化(PSO)算法实现变换参数的全局优化。最后,将校正后的高保真数据与推导的水轮机物理边界条件融合,利用反向传播神经网络拟合重构完整的、高精度的水轮力气矩面。力矩特性和流量特性按顺序校准。首先利用现场力矩值校准力矩特性,由于缺乏直接的流量测量值[22],随后通过水力效率关系估算对应的流量值,再用于流量特性的独立校准。

## 章节片段

### 基本原理

在几何学中,三维仿射变换是一种由线性变换与平移向量复合而成的几何映射方法,本质上保持空间结构的共线性和平行性。本研究创新性地将该方法引入水轮机特性面的空间重构。

与传统局部参数调整不同,所提方法直接对基线力矩……

### 数据处理与基线特性模型构建

为验证所提方法的有效性,本研究以位于中国西南地区的某代表性水电站为案例研究对象。该电站配备四台弗朗西斯水轮发电机组,单机额定容量为175 MW。首先,基于特定水轮机的模型特性图数据集,通过曲面拟合构建基线力矩和流量特性面。

本研究使用的运行数据来自……

### 精细化水轮机模型的仿真验证

上述特性面重构的描述已充分验证了校正模型在稳态工况下的静态拟合精度。然而,在实际运行中,水轮发电机组运行于复杂的"水-机-电"紧密耦合系统中,因此仅依靠静态验证不足以全面捕捉其在暂态调节过程中的真实物理响应。为解决……

## 结论

本研究提出了一种基于现场数据驱动和三维仿射变换的水轮机特性建模方法。首先,通过对水电站现场稳态运行数据的筛选和去噪,利用K-means聚类算法提取代表性运行点的力矩和流量特性,作为空间校准的基线值。随后,建立以……为目标的综合评估函数。

## 致谢

作者感谢以下项目的资助:智能电网国家科技重大专项(2024ZD0801800)、国家自然科学基金(No. 52509120)、国家自然科学基金(No. 52279085)、湖北省自然科学基金(2023AFD186)、国家自然科学基金(No. U23B20143)。

## 利益冲突声明

作者声明不存在已知的可能影响本文工作的竞争性经济利益或个人关系。

马媛媛 | 李超顺 | 谭小强 | 李锐 | 董佳怡 | 侯义宝
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号