高炉煤气余热回收装置的透平机静叶厚度监测方法及系统.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CN106570237A(43)申请公布日2017.04.19(21)申请号201610933790.8(22)申请日2016.10.25(71)申请人浙江理工大学地址310000浙江省杭州市杭州经济技术开发区白杨街道2号大街928号(72)发明人吴平潘海鹏陈亮(74)专利代理机构北京华仲龙腾专利代理事务所(普通合伙)11548代理人李静(51)Int.Cl.G06F17/50(2006.01)G06N3/08(2006.01)F01D21/10(2006.01)权利要求书2页说明书5页附图2页(54)发明名称高炉煤气余热回收装置的透平机静叶厚度监测方法及系统(57)摘要本发明涉及一种高炉煤气余热回收装置的透平机静叶厚度监测方法及系统，其中方法包括采集透平机数据，透平机数据包括透平机入口和出口的煤气参数以及透平机运行参数和透平机静叶厚度；利用自编码器算法对采集到的透平机数据进行分析，提取透平机静叶积灰的模式特征；根据透平机静叶积灰的模式特征和透平机静叶厚度，获取透平机静叶厚度的深度学习网络模型，深度学习网络模型以透平机数据为输入，以透平机静叶厚度为输出；以深度学习网络模型为基础，以实时采集的透平机数据为输入，对透平机静叶厚度进行实时监测。采用该种方法及系统，能够对透平机静叶的厚度进行实时监测，解决透平机频繁故障的问题，减小透平机维护费用，提高发电量。CN106570237ACN106570237A权利要求书1/2页1.一种高炉煤气余热回收装置的透平机静叶厚度监测方法，其特征在于，所述的方法包括以下步骤：(1)采集透平机数据，所述透平机数据包括所述透平机入口和出口的煤气参数以及透平机运行参数和透平机静叶厚度；(2)利用自编码器算法对采集到的透平机数据进行分析，提取透平机静叶积灰的模式特征；(3)根据所述透平机静叶积灰的模式特征和透平机静叶厚度，获取透平机静叶厚度的深度学习网络模型，所述深度学习网络模型以所述透平机数据为输入，以所述透平机静叶厚度为输出；(4)以所述深度学习网络模型为基础，以实时采集的所述透平机数据为输入，对透平机静叶厚度进行实时监测。2.根据权利要求1所述的高炉煤气余热回收装置的透平机静叶厚度监测方法，其特征在于，所述透平机入口和出口的煤气参数包括入口处煤气流量、入口处煤气压力、入口处煤气温度、入口处煤气粉尘含量、出口处煤气流量、出口处煤气压力和出口处煤气温度，所述透平机参数包括透平机转速和透平机功率。3.根据权利要求1所述的高炉煤气余热回收装置的透平机静叶厚度监测方法，其特征在于，所述自编码算法包括如下步骤：(2-1)采用编码器对采集到的透平机数据进行编码得到隐含层向量；(2-2)采用解码器对所述隐含层向量进行解码；(2-3)根据所述解码器的解码结果计算最小化重构误差。4.根据权利要求3所述的高炉煤气余热回收装置的透平机静叶厚度监测方法，其特征在于，采用编码器根据如下公式对采集到的透平机数据进行编码：h＝f(x)＝Sf(Wx+bj)；其中，x为采集到的透平机数据所构成的特征向量，Wx为所述特征向量的权值，bj为第j个神经元的阈值，h为隐含层向量，Sf为所述编码器的激活函数。5.根据权利要求4所述的高炉煤气余热回收装置的透平机静叶厚度监测方法，其特征在于，采用解码器根据如下公式对所述隐含层向量进行解码：y＝g(h)＝Sg(Wh+bh)；其中，h为隐含层向量，Wh为所述隐含层向量的权值，Sg为所述解码器的激活函数。6.根据权利要求5所述的高炉煤气余热回收装置的透平机静叶厚度监测方法，其特征在于，根据如下公式计算最小化重构误差J：其中，x为采集到的透平机数据所构成的特征向量，bh为阈值，D为训练样本集，g(f(x))为所述解码器的解码输出值，L为重构误差函数。7.根据权利要求3所述的高炉煤气余热回收装置的透平机静叶厚度监测方法，其特征在于，所述获取透平机静叶厚度的深度学习网络模型，包括如下步骤：(3-1)输入所述透平机数据，无监督训练出第一个自编码器；(3-2)以当前训练得到的自编码器的输出作为下一个自编码器的输入，训练出下一个2CN106570237A权利要求书2/2页自编码器；(3-3)判断是否已经完成了预设数量的隐含层的训练，如果是，则继续步骤(3-4)，否则继续步骤(3-2)；(3-4)以透平机静叶厚度为输出，在最后一个隐含层上增加反向传播神经网络预测模型，对深度学习网络模型进行权重调整。8.根据权利要求1所述的高炉煤气余热回收装置的透平机静叶厚度监测方法，其特征在于，所述对透平机静叶厚度进行实时监测，具体为：利用多台个人计算机，通过Hadoop开源软件，以所述深度学习网络模型为基础，构建以实时采集的所述透平机数据为输入，以透平机静叶厚