基于神经网络的超超临界机组高温过热器壁温预测方法.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CN110531797A(43)申请公布日2019.12.03(21)申请号201910469410.3(51)Int.Cl.(22)申请日2019.05.31G05D23/19(2006.01)(71)申请人华电国际电力股份有限公司技术服务分公司地址250014山东省济南市历下区经十路14800号申请人华电国际电力股份有限公司十里泉发电厂(72)发明人蒋蓬勃侯德安李其浩孔凡义张文鹏邵磊刘烨潘广强李峰周宽宋峰(74)专利代理机构济南瑞宸知识产权代理有限公司37268代理人荆向勇权利要求书1页说明书4页附图2页(54)发明名称基于神经网络的超超临界机组高温过热器壁温预测方法(57)摘要本发明属于电厂安全控制系统领域，尤其涉及一种基于神经网络的超超临界机组高温过热器壁温预测方法。其特征在于：包括以下步骤：1)建立测温系统；2)利用反向传播算法预测，构建神经网络结构，对数据进行预处理，建立训练模型，得到预测模型；3)把验证集标准化后，带入训练完毕的预测模型，对数据进行模型测试，最终得到验证集的预测值，并且与验证集实际值进行比较，得到残差；4)利用指导故障预警。采用BP神经网络建立了炉膛内壁温预测模型，进而识别设备的潜伏性故障，实现对高温过热器等非常规监测设备的状态预测。CN110531797ACN110531797A权利要求书1/1页1.一种基于神经网络的超超临界机组高温过热器壁温预测方法，其特征在于：包括以下步骤：1)建立测温系统，在超超临界机组高温过热器大包内设置壁温测点，采集壁温测点的数据，通过电缆接到电厂DCS控制系统中，将数据传输到电厂信息中心PI和平台数据，数据被划分为训练集和验证集；2)利用反向传播算法预测，构建神经网络结构，对数据进行预处理，建立训练模型；3)把验证集标准化后，带入训练完毕的预测模型，对数据进行模型测试，最终得到验证集的预测值，并且与验证集实际值进行比较，得到残差；4)利用指导故障预警。2.如权利要求1所述的基于神经网络的超超临界机组高温过热器壁温预测方法，其特征在于，所述的1)建立测温系统还包括2个炉膛内过热器壁温测点。3.如权利要求1所述的基于神经网络的超超临界机组高温过热器壁温预测方法，其特征在于，所述的大包内设置壁温测点数量为700个。4.如权利要求1所述的基于神经网络的超超临界机组高温过热器壁温预测方法，其特征在于，所述的构建神经网络结构是指建立输入层700与输出层2的网络结构，网络层数为3；根据经验公式得到隐含层个数为30个。5.如权利要求1所述的基于神经网络的超超临界机组高温过热器壁温预测方法，其特征在于，所述的建立训练模型，得到预测模型是指，把数据代入模型利用BP算法对数据进行训练，根据预测值与实际值得误差精度进行反向传播，最终达到工业应用预测精度要求，则训练结束，得到预测模型。6.如权利要求4所述的基于神经网络的超超临界机组高温过热器壁温预测方法，其特征在于，所述的隐含层的个数靠下述经验公式(9)确定；公式(9)中，n为输入层节点个数，q为输出层节点个数，a为0-10的整数，m为隐含层节点个数，则m的取值范围为3～14。经过试验，确定预测模型的隐含层节点个数30。7.一种安装有权利要求1-6所述基于神经网络的超超临界机组高温过热器壁温预测方法的预测系统，其特征在于，包括手持测试端，手持测试端通过无线网络连接平台数据，所述的手持测试端设置基于神经网络的超超临界机组高温过热器壁温预测方法。2CN110531797A说明书1/4页基于神经网络的超超临界机组高温过热器壁温预测方法技术领域[0001]本发明属于电厂安全控制系统领域，尤其涉及一种基于神经网络的超超临界机组高温过热器壁温预测方法。背景技术[0002]大型火电机组过热器爆管是造成非计划停机的重要原因之一。过热器爆管的成因非常复杂，主要包括：(1)过热器管长期在高温下运行，管材内壁产生氧化皮，堆积在管材弯头处导致爆管；(2)过热器管长期在高温下运行，组织性能发生蠕变失效；(3)机组运行中管壁频繁短时超温，降低了管材的设计寿命及安全裕度；(4)管排、管段沿炉膛宽度和深度方向的温度分布不均匀等。[0003]在传统研究工作中，主要是基于机理分析的方法，通过机组过热器装设的大量管壁温度测点建立炉膛内部过热器壁温分布计算模型，得到过热器各个管屏各管圈各部位温度分布。但目前国内大部分火电机组锅炉过热器壁温测点安装于顶棚大包内，而非于炉膛高温烟气区，测量值并非管壁实际温度，存在较大的偏差。而且这种方法受限于人对过热器运行机理的认识，难以准确、全面的分析过热器可能出现的全部异常。[0004]中国专利申请201711336347.3一种超超临界机组过热汽温多目标控制方法，包括出口