基于门控神经网络的电站锅炉水冷壁壁温在线预测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114117934A(43)申请公布日2022.03.01(21)申请号202111470419.XG06N3/08(2006.01)(22)申请日2021.12.03G06F113/14(2020.01)G06F119/08(2020.01)(71)申请人华电新疆哈密煤电开发有限公司地址839000新疆维吾尔自治区哈密市伊州区广东路建行大厦10楼申请人哈尔滨锅炉厂有限责任公司(72)发明人马甜甜管志伟夏良伟于强王欢黄莺马孝纯李亚坤魏国华梁宝琦沈涛孟晓冬杨天昱孙晶朱绘娟姜文婷(74)专利代理机构哈尔滨市松花江专利商标事务所23109代理人牟永林(51)Int.Cl.G06F30/27(2020.01)权利要求书2页说明书6页附图4页(54)发明名称基于门控神经网络的电站锅炉水冷壁壁温在线预测方法(57)摘要基于门控神经网络的电站锅炉水冷壁壁温在线预测方法，属于电站锅炉设备水冷壁管道温度测量领域。本发明解决了利用现有更新模型难以实现对水冷壁管温度长期实时精准预测的问题。本发明方法包括：采集水冷壁管道温度和温度相关变量；对水冷壁管道温度和温度相关变量进行预处理，得到预处理后的数据，得作为历史训练数据集；建立门控神经网络模型，利用历史训练数据对门控神经网络模型进行离线训练；对离线训练好的门控神经网络模型进行模型参数在线更新，得到在线更新参数的门控神经网络模型；将实时采集的水冷壁管道温度相关变量输入至在线更新后的门控神经网络模型，输出得到预测的水冷壁管道温度。本发明用于锅炉水冷壁管道温度预测。CN114117934ACN114117934A权利要求书1/2页1.基于门控神经网络的电站锅炉水冷壁壁温在线预测方法，其特征在于，包括以下步骤：步骤一、利用传感器等间隔采集水冷壁管道温度和水冷壁管道温度相关变量，所述水冷壁管道温度相关变量包括锅炉给水阀入口压力、侧二次风温和再热器温度；步骤二、对水冷壁管道温度和水冷壁管道温度相关变量进行数据预处理，得到预处理后的数据，作为历史训练数据集，其中输入训练数据为水冷壁管道温度相关变量，输出训练数据为水冷壁管道温度；步骤三、建立门控神经网络模型，利用历史训练数据对门控神经网络模型进行离线训练，得到离线训练好的门控神经网络模型；步骤四、对离线训练好的门控神经网络模型进行模型参数在线更新，得到在线更新参数的门控神经网络模型，具体过程包括：在历史训练数据集中找出与实时采集的水冷壁管道温度相关变量相关度高的训练数据，所述训练数据包括水冷壁管道相关变量和水冷壁管道温度，利用找出的训练数据对门控神经网络模型进行参数的在线更新，得到在线更新后的门控神经网络模型；步骤五、将实时采集的水冷壁管道温度相关变量输入至在线更新后的门控神经网络模型，输出得到预测的水冷壁管道温度，并将所述实时采集的水冷壁管道温度相关变量和预测的水冷壁管道温度经预处理后存入历史训练数据集中。2.根据权利要求1所述基于门控神经网络的电站锅炉水冷壁壁温在线预测方法，其特征在于，所述水冷壁管道温度相关变量包括锅炉给水阀入口压力、侧二次风温和再热器温度。3.根据权利要求1所述基于门控神经网络的电站锅炉水冷壁壁温在线预测方法，其特征在于，所述对水冷壁管道温度和水冷壁管道温度相关变量进行数据预处理，得到预处理后的数据，作为历史训练数据集，具体过程包括：步骤二一、剔除在某一时刻传感器收集的含有缺失或损坏数据的所有数据；步骤二二、对剔除数据后的水冷壁管道温度和水冷壁管道温度相关变量进行归一化处理；步骤二三、设置时间步长，将归一化后的水冷壁管道温度相关变量和水冷壁管道温度按照设置的时间步长进行滑窗分割，得到长度相同的数据，作为历史训练数据集。4.根据权利要求3所述基于门控神经网络的电站锅炉水冷壁壁温在线预测方法，其特征在于，所述步骤二二对剔除数据后的水冷壁管道温度和水冷壁管道温度相关变量进行归一化处理，具体过程为：其中x*代表归一化后的样本数据，xmin代表样本数据中最小值，xmax表示样本数据中的最大值。5.根据权利要求4所述基于门控神经网络的电站锅炉水冷壁壁温在线预测方法，其特征在于，步骤二三中滑窗的宽度为水冷壁管道温度相关变量的个数，所述滑窗的长度为时间步长。6.根据权利要求5所述基于门控神经网络的电站锅炉水冷壁壁温在线预测方法，其特2CN114117934A权利要求书2/2页征在于，步骤三中门控神经网络的前向传递网络表示为：rt＝σ(Wr·[ht‑1,xt])zt＝σ(Wz·[ht‑1,xt])y＝σ(Wy·h+b)其中，rt表示重置门；zt表示更新门；Wr表示重置门的共享权值；σ和tanh表示非线性激活函数；ht‑1表示t‑1时刻的隐藏态；xt表示t时刻的输入值；表示t时刻隐藏态