一种基于高斯过程回归的换热器效率预测方法.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CN113836480A(43)申请公布日2021.12.24(21)申请号202010581878.4(22)申请日2020.06.23(71)申请人中核武汉核电运行技术股份有限公司地址430223湖北省武汉市东湖新技术开发区民族大道1021号申请人中核核电运行管理有限公司(72)发明人于巍峰苏华(74)专利代理机构核工业专利中心11007代理人陈早璟(51)Int.Cl.G06F17/15(2006.01)权利要求书1页说明书3页附图2页(54)发明名称一种基于高斯过程回归的换热器效率预测方法(57)摘要本发明涉及核电检修领域，具体涉及一种基于高斯过程回归的换热器效率预测方法。目前核电厂未实现换热器换热效率实时在线预测。本发明包括：步骤一：获取换热器历史及当前运行数据；步骤二：形成训练数据集；步骤三：预测高斯过程回归模型；步骤四：预测换热器换热效率；步骤五：对换热效率进行滑动预测。本发明使用高斯过程回归方法实现了实时在线对换热器换热效率进行预测。同时采用滑动预测的形式，保证了预测结果的准确性，对换热器性能监测具有一定的指导意义。CN113836480ACN113836480A权利要求书1/1页1.一种基于高斯过程回归的换热器效率预测方法，其特征在于：步骤一：获取换热器历史及当前运行数据；步骤二：形成训练数据集；步骤三：建立高斯过程回归模型；步骤四：预测换热器换热效率；步骤五：对换热效率进行滑动预测；其中，步骤三：预测高斯过程回归模型，具体包括：(1)确定核函数和核函数的超参数；(2)对比选取不同核函数实施效果，选取平方指数协方差函数：其中，M＝diag(λ1,λ2,…,λd)，λ表示特征长度尺度标尺，d为输入向量维数，为输出规模参数，为噪声的方差，δij为克罗内亚函数。当i＝j时，δij＝1，当i≠j时，δij＝0；(3)令θ为超参数取对数的集合即θ＝{lnλ1,lnλ2,…lnσf,lnσn}；采用极大似然估计方法对高斯过程回归的超参数进行计算，具体如下：首先初始化超参数θ，然后使用共轭梯度法对上式求解，上式取得最大值时，超参数为最优解。2.根据权利要求1所述的一种基于高斯过程回归的换热器效率预测方法，其特征在于：所述的步骤一：获取换热器历史及当前运行数据，具体包括：获取热侧和冷侧的进出口温度及流量。3.根据权利要求1所述的一种基于高斯过程回归的换热器效率预测方法，其特征在于：所述的步骤二：形成训练数据集，具体包括：(1)根据换热器效率计算公式，计算得到换热器历史换热效率，分别是以小时和天为单位计算得到的换热效率；(2)构造换热效率预测训练TT数据集X＝[x1,x2,…xn]，Y＝[y1,y2,…yn]，x为时间，y为效率。4.根据权利要求1所述的一种基于高斯过程回归的换热器效率预测方法，其特征在于：所述的步骤四：预测换热器换热效率，具体包括：根据换热器历史及当前运行数据，使用高斯过程回归模型。5.根据权利要求1所述的一种基于高斯过程回归的换热器效率预测方法，其特征在于：所述的步骤五：对换热效率进行滑动预测，具体包括：使用迭代的方式，对换热效率进行滑动预测，通过改变参数，选择用于预测的历史数据数量及时刻，选择预测的时间段长度。6.根据权利要求1所述的一种基于高斯过程回归的换热器效率预测方法，其特征在于：所述的步骤一：获取换热器历史及当前运行数据，所述的核函数可为其它核函数，包括：有理二次协方差函数、线性协方差函数、Matem协方差函数、周期协方差函数、神经网络协方差函数、Bn样条曲线核函数、Fisher核函数、String核函数。7.根据权利要求1所述的一种基于高斯过程回归的换热器效率预测方法，其特征在于：所述的对比选取不同核函数，是指对比换热效率预测值与实际值的残差。2CN113836480A说明书1/3页一种基于高斯过程回归的换热器效率预测方法技术领域[0001]本发明涉及核电检修领域，具体涉及一种基于高斯过程回归的换热器效率预测方法。背景技术[0002]核电厂设备众多，检修任务繁重且成本很高。中国核电厂目前普遍采取基于时间的定期维修策略，而不是根据设备运行状况的基于状态的维修策略。以核电厂板式换热器为例，其维修策略是定期冲洗、拆卸、更换部件等。原因主要是无法获取换热器的准确运行状态。换热效率是换热器的关键性能参数之一，该参数能在很大程度上反映换热器的性能好坏。根据换热器的历史运行状态预测未来一段时间内的换热效率，对实现换热器基于运行状态的维修具有一定的实际意义。目前核电厂未实现换热器换热效率实时在线预测。[0003]本发明主要针对上述问题，开发一种基于高斯过程回归的换热器换热效率预测方法，可根据换热器历史运行数据对未来一段时间的换热器效率进行