MEA优化BP神经网络的压力脉动预测方法

摘要

对于混流式水轮机而言，尾水管的压力脉动是导致机组振动、影响机组稳定运行的重要因素。为了在机组设计阶段就能有效预测混流式水轮机尾水管的压力脉动并对其采取相应措施以减小压力脉动，引入BP神经网络对压力脉动进行预测，利用思维进化算法（MEA）的全局搜索能力优化BP神经网络的权值和阈值。结果表明，经过MEA优化后的BP神经网络预测精度可达0.991 48，比传统BP神经网络的预测精度提高0.721%。MEA优化BP的压力脉动预测效果比传统BP的预测效果更好、精度更高，可用于实际工程。

关键词

尾水管; 压力脉动; 思维进化算法; BP神经网络; 压力脉动预测

0 引言

目前，在水力发电系统中，混流式水轮机是占比最大的能量转换机组，由于技术的不断进步，水力资源的不断开发，其运行的稳定性有了更高要求［1-3］。当混流式机组在偏工况或者低负荷运行时，转轮出口处会产生较大的出口环量，使尾水管内部产生涡带，从而导致压力脉动的产生，诱发机组振动，影响机组的稳定运行及寿命［3-7］。因此，研究尾水管压力脉动的预测问题，在设计时就对压力脉动的产生采取措施，具有重要的工程意义。

对于水轮机的研究，国际上普遍采用IEC60193标准［8］，以缩小比例的模型机试验以预测原型机的性能。目前，混流式水轮机尾水管压力脉动的研究手段主要分为两大类。一类是数值模拟：吴玉林等［9］通过对三峡模型机组进行了三维非定常湍流全流道计算，得出水轮机转轮上冠和泄水锥部分对于压力脉动的控制预测具有重要作用；周凌九等［10］采用SIMPLEC方法和RNC k-ε模型