[發明專利]一種燃燒優化方法、系統、存儲介質及電子設備

有效

• 申請號: 202010522836.3
• 申請日: 2020-06-10
• 公開（公告）號: CN113779858B
• 公開（公告）日: 2022-12-16
• 發明（設計）人: 王藝霏;周友;李曉恩;劉瀟;趙璐璐
• 申請（專利權）人: 國家能源投資集團有限責任公司;北京低碳清潔能源研究院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06F111/04
• 代理公司: 北京聿宏知識產權代理有限公司 11372
• 代理人: 吳大建;金淼

1.一種燃燒優化方法，其特征在于，包括以下步驟：

S1，獲取原始燃燒數據，并基于所述燃燒數據構建燃燒神經網絡模型，所述神經網絡模型包括輸入層、隱藏層和輸出層，所述原始燃燒數據包括原始輸入參數數據和原始輸出參數數據；

S2，初始化所述神經網絡模型權重獲得所述模型各層的初始連接權重；

S3，基于后向傳播過程更新所述模型中各層的連接權重作為第二連接權重；

S4，基于前向傳播過程對所述神經網絡模型進行前向傳播計算得到所述模型調整后的輸入參數和調整后的輸出參數；

S5，基于燃燒機理判斷調整后的輸入參數和調整后的輸出參數，若所述調整后的輸入參數和輸出參數符合燃燒機理，則以所述調整后的輸入參數和輸出參數對應的權重作為第三連接權重，執行步驟S6；

若調整后的所述輸入參數和所述輸出參數不符合燃燒機理，則以所述調整后的輸入參數和輸出參數對應的連接權重取代步驟S3中的所述第二連接權重，繼續執行步驟S4和步驟S5；

S6，對所述第三連接權重進行迭代計算，直到驗證數據集的均方根誤差和決定系數滿足指定閾值或迭代滿足指定次數后退出迭代計算，得到反映真實燃燒機理過程的優化的神經網絡模型；

S7，基于所述優化的神經網絡模型對燃燒進行優化。

2.根據權利要求1所述燃燒優化方法，其特征在于，

所述基于后向傳播過程更新所述模型中各層的連接權重作為第二連接權重，包括以下步驟：

基于初始化所述神經網絡模型各連接權重得到所述輸出層輸出參數的預測值；

基于所述輸出層輸出參數預測值及所述輸出層所述原始輸出參數獲得損失函數誤差；

基于所述損失函數誤差，求取所述誤差對初始化的所述隱藏層、輸入層各連接權重的偏導數，基于所述各連接權重的偏導數獲得所述第二連接權重。

3.根據權利要求1所述燃燒優化方法，其特征在于，所述基于前向傳播過程對所述神經網絡模型進行前向傳播計算得到所述模型調整后的輸入參數和調整后的輸出參數，包括以下步驟：

所述神經網絡輸入層的節點與第一層隱藏層的每個節點做加權后，通過激活函數計算后傳遞到第二層隱藏層；

所述神經網絡第N層隱藏層的節點與第N+1層隱藏層的每個節點做加權后，通過激活函數計算后傳遞至輸出層，N≥2；

所述神經網絡輸出層采用歸一化指數函數得到各輸入參數不同范圍對應的氮氧化物濃度。

4.根據權利要求3所述燃燒優化方法，其特征在于，

所述基于燃燒機理判斷，包括以下步驟：

構建燃燒機理函數y_j＝＜k·x_i＞，其中，x_i包括負荷、一次風量、二次風量、SOFA各層風門開度、OFA風門開度和總煤量參數；y_j為生成的氮氧化物濃度；

設置燃燒機理判斷規則計算式，所述計算式包括：

其中，x_i包括一次風量、二次風量，y為氮氧化物濃度；

其中，x_i包括負荷、煤量、SOFA1-4層風門開度、OFA風門開度，y為氮氧化物濃度；

批量剔除數據集中前向過程計算結果與燃燒機理判斷規則不符的連接權重，保留相符的連接權重，獲得所述第三連接權重。

5.根據權利要求4所述燃燒優化方法，其特征在于，

所述采集原始數據的時間為1分鐘采集一次；

所述隱藏層層數至少為8層；

所述迭代滿足指定次數的指定次數≥50；

所述激活函數Sigmoid的計算式為：

6.根據權利要求1所述燃燒優化方法，其特征在于，

所述原始燃燒數據包括原始輸入數據和原始輸出數據，其中原始輸入數據包括負荷、一次風量、總煤量、SOFA各層風門開度、OFA風門開度，原始輸出數據包括氮氧化物濃度。