一种CFB锅炉机组深调峰性能监测方法及系统.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CN113919598A(43)申请公布日2022.01.11(21)申请号202111414370.6(22)申请日2021.11.25(71)申请人华北电力大学地址102206北京市昌平区回龙观镇北农路2号(72)发明人洪烽逄亚蕾梁璐王睿宋杰张浩然翟海涛黄杰(74)专利代理机构北京高沃律师事务所11569代理人赵兴华(51)Int.Cl.G06Q10/04(2012.01)G06Q10/06(2012.01)G06Q50/06(2012.01)G06N20/10(2019.01)G06N3/04(2006.01)权利要求书2页说明书6页附图2页(54)发明名称一种CFB锅炉机组深调峰性能监测方法及系统(57)摘要本发明涉及一种CFB锅炉机组深调峰性能监测方法，所述方法包括如下步骤：获取CFB锅炉机组的历史运行数据及历史运行数据对应的CFB锅炉机组的深调峰性能；利用DBN网络模型对历史运行数据进行降维；利用降维后的历史运行数据及其对应的CFB锅炉机组的深调峰性能，训练LSSVM模型；获取CFB锅炉机组的当前运行数据并进行降维；将降维后的当前运行数据输入训练后的LSSVM模型，确定CFB锅炉机组的深调峰性能。本发明首先利用DBN网络模型对复杂的运行数据进行降维，利用降维后的运行数据进行LSSVM模型训练及深调峰性能的评估，提高了LSSVM模型收敛的速度，实现了CFB锅炉机组的深调峰性能快速且准确预测。CN113919598ACN113919598A权利要求书1/2页1.一种CFB锅炉机组深调峰性能监测方法，其特征在于，所述方法包括如下步骤：获取CFB锅炉机组的历史运行数据及历史运行数据对应的CFB锅炉机组的深调峰性能；利用DBN网络模型对所述历史运行数据进行降维；利用降维后的所述历史运行数据及所述历史运行数据对应的CFB锅炉机组的深调峰性能，训练LSSVM模型，获得训练后的LSSVM模型；获取CFB锅炉机组的当前运行数据，并输入所述DBN网络模型进行降维，获得降维后的当前运行数据；将降维后的当前运行数据输入训练后的所述LSSVM模型，获得当前运行数据对应的CFB锅炉机组的深调峰性能。2.根据权利要求1所述的CFB锅炉机组深调峰性能监测方法，其特征在于，所述利用DBN网络模型对所述历史运行数据进行降维，之前还包括：利用公式对所述历史运行数据进行归一化处理，获得归一化后的历史运行数据；其中，表示归一化后的第i个历史运行数据，Xj表示归一化前的第j个历史运行数据，和分别表示第j个历史运行数据的最小值和最大值。3.根据权利要求1所述的CFB锅炉机组深调峰性能监测方法，其特征在于，所述DBN网络模型包括依次连接的第一层RBM、第二层RBM和第三层RBM；所述第一层RBM、所述第二层RBM和所述第三层RBM均包括可见层和隐藏层。4.根据权利要求3所述的CFB锅炉机组深调峰性能监测方法，其特征在于，所述第一层RBM的可见层包括12个节点，所述第一层RBM的隐藏层包括9个节点；第二层RBM的可见层包括9个节点，所述第二层RBM的隐藏层包括5个节点；第三层RBM的可见层包括5个节点，所述第二层RBM的隐藏层包括2个节点。5.根据权利要求1所述的CFB锅炉机组深调峰性能监测方法，其特征在于，所述利用降维后的所述历史运行数据及所述历史运行数据对应的CFB锅炉机组的深调峰性能，训练LSSVM模型，获得训练后的LSSVM模型，具体包括：采用交叉验证方法，利用降维后的所述历史运行数据及所述历史运行数据对应的CFB锅炉机组的深调峰性能，确定LSSVM模型的参数数据库中的最优参数，对所述LSSVM模型进行初始化；利用降维后的所述历史运行数据及所述历史运行数据对应的CFB锅炉机组的深调峰性能训练初始化后的LSSVM模型，获得训练后的LSSVM模型。6.一种CFB锅炉机组深调峰性能监测系统，其特征在于，所述系统包括：历史运行数据获取模块，用于获取CFB锅炉机组的历史运行数据及历史运行数据对应的CFB锅炉机组的深调峰性能；历史运行数据降维模块，用于利用DBN网络模型对所述历史运行数据进行降维；模型训练模块，用于利用降维后的所述历史运行数据及所述历史运行数据对应的CFB锅炉机组的深调峰性能，训练LSSVM模型，获得训练后的LSSVM模型；当前运行数据获取模块，用于获取CFB锅炉机组的当前运行数据，并输入所述DBN网络2CN113919598A权利要求书2/2页模型进行降维，获得降维后的当前运行数据；深调峰性能确定模块，用于将降维后的当前运行数据输入训练后的所述LSSVM模型，获得当前运行数据对应的CFB锅炉机组的深调峰性能。7.根据权利要求6所述的CFB锅炉机组深调峰性能监测系统，其特征在于，