一种用于超超临界锅炉受热面管壁超温预警的多步预测方法.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CN112307650A(43)申请公布日2021.02.02(21)申请号202011352342.1(22)申请日2020.11.27(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)发明人楼玉民钟葳吴燕玲鲍听赵宁宁严小华赵炜炜李望黄一君雪小峰(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.G06F30/20(2020.01)G06N3/04(2006.01)G06F119/08(2020.01)权利要求书2页说明书4页附图1页(54)发明名称一种用于超超临界锅炉受热面管壁超温预警的多步预测方法(57)摘要本发明涉及一种用于超超临界锅炉受热面管壁超温预警的多步预测方法，包括：步骤1、在训练阶段采集训练数据，对采集的训练数据进行预处理后构建时间序列网络模型并进行离线训练；步骤2、在使用阶段采集输入数据作为时间序列网络模型的输入，得到金属壁温数据的预测结果。本发明的有益效果是：能提前预知受热面管壁温度，为超温控制提供指导；能够捕捉更长的时序特征信息，提高了预测精度；通过对时间进行正弦编码，使得每一天过渡平滑，更符合实际运行工况；既可以解决传感器直接测量无法长时间工作的问题，又可实现不同位置处的壁温预测；可以方便的增加最新数据，重新训练模型，具有好的抗干扰性。CN112307650ACN112307650A权利要求书1/2页1.一种用于超超临界锅炉受热面管壁超温预警的多步预测方法，其特征在于，包括以下步骤：步骤1、在训练阶段采集训练数据，对采集的训练数据进行预处理，然后构建时间序列网络模型，最后进行时间序列网络模型离线训练；步骤1.1、从锅炉的DCS数据采集系统或SIS数据采集系统导出数据，通过在易超温的区域加装测温传感器测量受热面金属壁温数据，将受热面金属壁温数据作为待预测的目标；步骤1.2、对步骤1采集的训练数据和受热面金属壁温数据进行预处理，将受热面金属壁温数据作为时间序列网络的输出，训练数据预处理后作为时间序列网络的输入；步骤1.3、构建时间序列网络模型，时间序列网络模型包括输入层(1)、多层递减LSTM网络(2)、全连接神经网络(3)和输出层(4)；输入层(1)连接多层递减LSTM网络(2)；多层递减LSTM网络(2)中，层与层之间串联递减连接，最后一层LSTM网络的输出作为全连接神经网络(3)的输入；全连接神经网络(3)的输出连接输出层(4)；步骤1.4、将步骤1.2预处理后的数据划分为训练集和验证集，将K个历史时刻数据样本作为时间序列网络的输入，将受热面P个待预测的金属壁温位置处的M步金属壁温数据作为时间序列网络的输出，进行时间序列网络模型的离线训练，最后保存训练完成的模型权重；步骤2、在使用阶段采集输入数据，对采集的输入数据进行预处理后，作为时间序列网络模型的输入，得到金属壁温数据的预测结果；步骤2.1、采集使用阶段的输入数据，由锅炉DCS数据采集系统或SIS数据采集系统采集输入数据，采用与步骤1.2中相同的预处理方式对采集的输入数据进行预处理，将预处理后的数据作为时间序列网络模型的输入；步骤2.2、时间序列网络模型输出受热面P个待预测的金属壁温位置处的M步金属壁温数据的预测结果，P个不同待预测的金属壁温位置对应连接不同的全连接神经网络。2.根据权利要求1所述用于超超临界锅炉受热面管壁超温预警的多步预测方法，其特征在于，步骤1.3中：K个历史时刻数据样本对应的特征按顺序输入形成输入层(1)，输入层(1)内时间最远的时刻样本放置在第一个；多层递减LSTM网络(2)中上一层LSTM网络的输出去除第一个输出后作为下一层LSTM网络的输入；P个全连接神经网络(3)之间并联连接，P为待预测的受热面金属壁温位置个数，每个全连接神经网络(3)的输出个数为M个，M为受热面同一位置处预测的时间步数；输出层(4)为P个待预测的受热面金属壁温位置的未来M步壁温值。3.根据权利要求1所述用于超超临界锅炉受热面管壁超温预警的多步预测方法，其特征在于：步骤1.3中每层LSTM网络均由遗忘门、输入门、输出门构成；LSTM的迭代方式为：上式中，ft、it、ot、ct、ht分别表示遗忘门、输入门、输出门、隐藏状态量、状态载体，σ表示sigmoid激活函数，tanh表示双正切激活函数，W和U表示权重矩阵，b表示偏置矩阵，⊙表示2CN112307650A权利要求书2/2页对应元素相乘，xt为第t个特征。4.根据权利要求1所述用于超超临界锅炉受热面管壁超温预警的多步预测方法，其特征在于，步骤1.1中从锅炉的DCS数据采集系统或SIS数据采集系统导出的数据包括：烟气侧数据