[發明專利]一種基于圖像變換的工業鍋爐蒸汽量預測方法

有效

• 申請號: 202010095541.2
• 申請日: 2020-02-17
• 公開（公告）號: CN111428906B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 童水光;陳鑫;童哲銘
• 申請（專利權）人: 浙江大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/0464;G06N3/08;G06V10/774
• 代理公司: 杭州天昊專利代理事務所(特殊普通合伙) 33283
• 代理人: 何碧珩

1.一種基于圖像變換的工業鍋爐蒸汽量預測方法，其特征在于，包括預處理階段和使用階段；

預處理階段包括如下步驟：

步驟1：制作樣本數據集，樣本數據集的特征變量數據和蒸汽量數據分別由鍋爐傳感器采集得到；

步驟2：依次對每個樣本中的特征變量數據進行制圖，一張圖中有三個通道，分別對應t時刻、t-1時刻、t-2時刻對應的特征變量數據，作為深度學習訓練的原始數據輸入圖；

對特征變量數據進行制圖的方法為：首先將t時刻、t-1時刻、t-2時刻的特征變量數據進行最大最小值歸一化，再對歸一化后的每個特征變量復制增添至N個，再將每個特征變量順序排列成圖像的形式；

步驟3：將t時刻蒸汽量數據作為目標輸出值，作為深度學習訓練的輸出收斂目標；

步驟4：基于深度學習訓練方法將步驟2得到的原始數據輸入圖和步驟3得到的目標輸出值劃分為訓練集和測試集，并對訓練集的原始數據輸入圖和目標輸出值進行深度學習訓練，最后保存訓練好的模型；

使用階段包括如下步驟：

(1)將要預測的樣本用鍋爐傳感器采集特征變量數據，并按照預處理階段的步驟2對新采集的特征變量數據制圖得到原始數據輸入圖；

(2)利用預處理階段步驟4得到的模型對使用階段的步驟(1)的原始數據輸入圖進行預測，得到蒸汽量預測結果。

2.根據權利要求1所述的一種基于圖像變換的工業鍋爐蒸汽量預測方法，其特征在于，預處理階段的步驟4中深度學習訓練的網絡結構包括t時刻、t-1時刻、t-2時刻組成的原始數據輸入圖、主干網絡、輸入/輸出連接線、主干網絡輸出特征圖、注意力模塊、注意力模塊輸出特征圖、池化操作、池化后特征圖、1*1卷積操作、目標蒸汽量值；原始數據輸入圖經過主干網絡進行提取特征，得到主干網絡輸出特征圖，主干網絡輸出特征圖為原始數據輸入圖四分之一分辨率的特征圖，主干網絡輸出特征圖再通過輸入/輸出連接線連接注意力模塊，得到濾波后的注意力模塊輸出特征圖，對注意力模塊輸出特征圖的每個通道進行全局平均池化操作，得到池化后特征圖，最終通過1*1卷積操作將通道數降至一個通道并輸出目標蒸汽量值。

3.根據權利要求2所述的一種基于圖像變換的工業鍋爐蒸汽量預測方法，其特征在于，主干網絡選用HRNet_18模型，注意力模塊選用基于SENet的通道注意力機制網絡結構模塊。