Resumen

Se emplea un método de red neuronal BP (backpropagation) para resolver los problemas existentes en el procesamiento de la curva característica sintética de la hidroturbina en la actualidad, en la que la mayoría de los estudios sólo se ocupan de los datos en el área de alta eficiencia y gran apertura de álabe guía, lo que difícilmente puede satisfacer los requisitos de investigación del proceso de transición, especialmente en situación de gran fluctuación. El principio del método propuesto es convertir las características no lineales de la turbina en características de par y flujo, que pueden utilizarse para la simulación en tiempo real directamente basada en una red neuronal. Los resultados muestran que los datos de muestra obtenidos pueden ampliarse con éxito para cubrir áreas de trabajo más amplias en diferentes condiciones de funcionamiento. Otra contribución importante de este trabajo es la técnica de remuestreo propuesta en el mismo para superar la limitación de la simulación del periodo de muestreo. Además, se propone un análisis detallado para mejorar la convergencia iterativa del bucle de presión, lo que conduce a una mejor convergencia iterativa durante el cálculo de la presión de carga. Las aplicaciones reales verifican que los métodos propuestos en este artículo ofrecen mejores resultados de simulación, más cercanos a la realidad, y proporcionan una nueva perspectiva para el ajuste y modelado de curvas características sintéticas de hidroturbinas.

• Materias:Máquinas eléctricas Turbinas hidráulicas Motores (Mecánica) Turbina eólica Turbomáquina
• Subjects:Electric machines Hydraulic turbines Engines Wind turbine Turbomachine
• Palabras claves:papel, gran área de apertura del álabe guía, procesamiento de la curva característica sintética, mejor convergencia iterativa, mejores resultados de simulación, diferentes condiciones de funcionamiento, cálculo de la presión de carga, situación de grandes fluctuaciones, método de red neuronal, curva característica sintética
• Keywords:paper, large guide vane opening area, synthetic characteristic curve processing, better iterative convergence, better simulation results, different operation conditions, head pressure calculation, large fluctuation situation, neural network method, synthetic characteristic curve