一种基于机器算法的汽轮机低压缸排汽焓实时计算方法.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CN107908865A(43)申请公布日2018.04.13(21)申请号201711124397.5(22)申请日2017.11.14(71)申请人西安热工研究院有限公司地址710032陕西省西安市碑林区兴庆路136号(72)发明人杨斌杨永军张亚黄猛李昆仑邓新亮白欢庆(74)专利代理机构西安通大专利代理有限责任公司61200代理人闵岳峰(51)Int.Cl.G06F17/50(2006.01)G06N3/04(2006.01)G06K9/62(2006.01)权利要求书3页说明书6页附图1页(54)发明名称一种基于机器算法的汽轮机低压缸排汽焓实时计算方法(57)摘要本发明公开了一种基于机器算法的汽轮机低压缸排汽焓实时计算方法，包括：选取机组负荷、主蒸汽流量、主汽压力、主汽温度、中压缸进汽压力和进汽温度等进汽参数作为输入变量，同时，选取低压缸排汽和排汽温度等排汽参数作为输入变量，此外，还选取汽轮机第一级到第八级抽汽压力和抽汽温度等抽汽参数作为输入变量，总计共28个参数作为输入变量，数据预处理后做主成分分析，得到了累计贡献值大于99.95％的n个主要成分，并以这n个主要成分作为BP神经网络的输入变量，汽轮机排汽焓作为输出变量，建立基于主成分分析与神经网络复合模型的汽轮机排汽焓计算模型，通过对模型的训练，得到了汽轮机排汽焓计算模型，便于在线监测中进行实时调用。CN107908865ACN107908865A权利要求书1/3页1.一种基于机器算法的汽轮机低压缸排汽焓实时计算方法，其特征在于，包括以下步骤：1)收集汽轮机运行工况的历史数据并进行数据预处理；2)对输入变量做主成分分析，得到n个主要成分；3)建立汽轮机低压缸排汽焓的神经网络预测模型；4)基于主成分分析与神经网络复合模型对汽轮机低压缸排汽焓计算模型进行训练；5)将训练好的模型储存起来，在实时计算时直接调用训练好的模型即可。2.根据权利要求1所述的一种基于机器算法的汽轮机低压缸排汽焓实时计算方法，其特征在于，步骤1)的具体实现方法如下：提取汽轮机运行工况下的历史数据，包括由机组负荷、主蒸汽流量、主汽压力、主汽温度、调节级后压力和温度、中压缸进汽压力和进汽温度组成的进汽参数，由高压缸排汽压力和排汽温度、低压缸排汽和排汽温度组成的排汽参数，由汽轮机第一级到第八级抽汽压力和抽汽温度组成的抽汽参数，以及汽轮机低压缸排汽焓试验数据，并对历史数据进行五阶不加权证实法数据预处理，剔除坏点。3.根据权利要求2所述的一种基于机器算法的汽轮机低压缸排汽焓实时计算方法，其特征在于，步骤2)的具体实现方法如下：主成分分析通过把分量相关的随机变量转换为分量不相关的新的随机变量，得到累计贡献值大于99.95％的n个主要成分，计算模型如下：式中：为预测值；为原始数据；B为系数矩阵。4.根据权利要求3所述的一种基于机器算法的汽轮机低压缸排汽焓实时计算方法，其特征在于，步骤3)中，用经过主成分分析后的n个主要成分作为BP神经网络的输入变量，汽轮机排汽焓作为输出变量，建立基于主成分分析与神经网络复合模型的汽轮机排汽焓计算模型。5.根据权利要求4所述的一种基于机器算法的汽轮机低压缸排汽焓实时计算方法，其特征在于，步骤3)的具体实现方法如下：(1)构造样本式中：xij为第i组样本数据中的第j个变量的值，i＝1,2,3,…,n，j＝1,2,3,…,p；(2)对样本矩阵X进行正指标变换得Y＝[yij]n×p；(3)对Y做标准化变换得到标准化矩阵Z；2CN107908865A权利要求书2/3页式中：为Y矩阵中第j列的均值，sj为Y矩阵中第j列的标准差；(4)计算标准化矩阵Z的样本相关系数矩阵R；(5)求矩阵R的特征值，解得P个特征值λ1≥λ2≥…≥λp≥0；|R-λIp|＝0(7)(6)确定主成分的个数m，使信息的利用率达到99.95％以上，确定方法为：对每个λj,j＝1,2,…,m，解方程组Rb＝λjb，得单位特征向量：式中：b为矩阵R的特征向量；T(7)求出Zi＝(zi1,zi2,…,zip)的m个主成分分量：得到决策矩阵U；式中：ui表示第i个变量的主成份向量；(8)样本矩阵X经主成分分析后的矩阵T＝XU；将经过数据预处理后的原始数据做主成分分析，到累计贡献值大于99.95％的n个主要成分。6.根据权利要求5所述的一种基于机器算法的汽轮机低压缸排汽焓实时计算方法，其特征在于，步骤4)的具体实现方法如下：BP神经网络模型选取的函数如表1所示，训练步长为10，训练精度为10-5；表1BP神经网络函数表3CN107908865A权利要求书3/3页BP神经网络经过50000步的训练，训练误差趋于平稳，达到工程要求值。4CN107908865A说明书