抽汽供热机组辅机故障减负荷工况热负荷预测及控制方法.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CN113822475A(43)申请公布日2021.12.21(21)申请号202111078023.0G06K9/62(2006.01)(22)申请日2021.09.15G06N3/08(2006.01)G06Q50/06(2012.01)(71)申请人浙江浙能技术研究院有限公司地址311121浙江省杭州市余杭区五常街道余杭塘路2159-1号1幢5楼(72)发明人杨敏童小忠胡伯勇陆陆何郁晟张文涛韩峰李恩长陆豪强钟文晶沈雪东祝文翔王稼琪(74)专利代理机构杭州九洲专利事务所有限公司33101代理人张羽振(51)Int.Cl.G06Q10/04(2012.01)G06F30/27(2020.01)权利要求书4页说明书9页附图6页(54)发明名称抽汽供热机组辅机故障减负荷工况热负荷预测及控制方法(57)摘要本发明涉及一种抽汽供热机组辅机故障减负荷工况热负荷预测及控制方法，包括步骤：当机组的重要辅机跳闸时，判断当前负荷是否高于带载能力；若当前负荷高于带载能力，则触发RB动作，否则不触发RB动作；当机组的重要辅机跳闸并且触发RB动作后，机组由协调控制方式切换为机跟炉方式。本发明的有益效果是：本发明在机组发生RB时，能够准确的预测RB过程中减少的热负荷，从而可以以量化的形式提前将预测得到的热负荷合理、经济地分配到热网其余正常运行机组，避免了因机组RB带来的供热经济损失，确保了电厂热网系统的安全性和供热可靠性。本发明提供一种机组负荷指令的跟踪形式，实现了RB复归后对发电负荷的精准控制。CN113822475ACN113822475A权利要求书1/4页1.一种抽汽供热机组辅机故障减负荷工况热负荷预测及控制方法，其特征在于，包括以下步骤：S1、当机组的重要辅机跳闸时，判断当前负荷是否高于带载能力；若当前负荷高于带载能力，则触发RB动作，否则不触发RB动作；S2、当机组的重要辅机跳闸并且触发RB动作后，机组由协调控制方式切换为机跟炉方式，根据预设RB目标负荷快速降低锅炉出力，锅炉的子系统同时开始动作；S3、建立并训练深度信念网络；深度信念网络由多层受限玻尔兹曼机、最顶端的输出层和BP神经网络组成；每层受限玻尔兹曼机共分为两层，受限玻尔兹曼机的第一层为可视层，受限玻尔兹曼机的第二层为隐藏层；S3.1、建立深度信念网络；S3.2、训练深度信念网络；S4、机组触发RB动作后，基于机组历史运行数据，采用深度信念网络来预测机组RB过程中减少的供热抽汽量对应的热负荷，并建立抽汽供热机组的热负荷预测模型；S4.1、选择与热负荷相关的锅炉负荷、中压缸排汽压力、机前压力、供热压力、供热温度作为特征变量输入深度信念网络；S4.2、采集历史数据，并对历史数据进行预处理；S4.3、建立基于深度信念网络的抽汽供热机组热负荷预测模型，并对该模型进行训练；S4.4、当机组触发RB动作时，利用已经训练好的深度信念网络，对机组触发RB动作后可提供的热负荷量进行预测，得到机组RB过程中减少的供热抽汽量对应的热负荷；S5、将步骤S3预测得到的机组RB过程中减少的供热抽汽量对应的热负荷叠加到电厂其余正常运行的机组中，维持整个热网对外供热不变；分配到其余机组的热负荷，以前馈的形式叠加到机组锅炉主控回路。2.根据权利要求1所述抽汽供热机组辅机故障减负荷工况热负荷预测及控制方法，其特征在于：步骤S1中机组的重要辅机包括磨煤机、送风机、引风机、一次风机和给水泵。3.根据权利要求1所述抽汽供热机组辅机故障减负荷工况热负荷预测及控制方法，其特征在于：步骤S2中锅炉的子系统包括风系统、煤系统和水系统。4.根据权利要求1所述抽汽供热机组辅机故障减负荷工况热负荷预测及控制方法，其特征在于，步骤S3.1具体包括以下步骤：S3.1.1、定义受限玻尔兹曼机所有可视层的单元和隐藏层的单元联合状态(v,h)的能量函数：上式中，θ为受限玻尔兹曼机的网络参数θ＝{W,b,c}，其中W指权重，b、c指阈值；v＝[v1,v2,...,vi,...,vm]指可视层的输入，h＝[h1,h2,...,hj,...,hn]指隐藏层的输入；wij为第i个可视层和第j个隐藏层的连接权重；vi、hj分别为可视层和隐藏层的向量；bi、cj分别为可视层、隐藏层的阈值，m为可视层单元的数量，n为隐藏层单元的数量；S3.1.2、根据能量函数E(v,h|θ)计算可视层和隐藏层之间的联合概率函数p(v,h|θ)：2CN113822475A权利要求书2/4页‑E(v,h|θ)上式中，Z为归一化因子，Z＝∑v,he；S3.1.3、进一步得到隐藏层的边缘分布：S3.1.4、当确定了可视层和隐藏层后，得到可视层和隐藏层的激活概率分别为：上式中，为sigmoid函数，x为sigmo