[發明專利]一種汽輪機閥門流量擬合方法及系統

在審

• 申請號: 202010533695.5
• 申請日: 2020-06-12
• 公開（公告）號: CN111695300A
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 路寬;王文寬;孟祥榮;高嵩;龐向坤;李軍;韓英昆;于慶彬;顏慶;周長來;石碩;姚常青
• 申請（專利權）人: 國網山東省電力公司電力科學研究院;國家電網有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/28;G06N3/04;G06N3/08;G06F113/08
• 代理公司: 濟南誠智商標專利事務所有限公司 37105
• 代理人: 王申雨

1.一種汽輪機閥門流量擬合方法，其特征在于，包括：

采集與汽輪機閥門流量特性相關的當前觀測點向量，并對當前觀測點向量中的異常觀測點進行平滑；

利用對觀測點向量中的異常觀測點進行平滑后得到的觀測點向量，訓練得到線性自分段的神經網絡模型；

調整所述神經網絡模型的閥門開度，擬合得到所述閥門開度對應的閥門流量。

2.根據權利要求1所述的一種汽輪機閥門流量擬合方法，其特征在于，確定觀測點向量中的異常觀測點的過程，包括：

利用預先構建的過程記憶矩陣對所述觀測點向量計算預測值向量；

根據所述預測值向量，確定觀測點向量中的異常觀測點。

3.根據權利要求2所述的一種汽輪機閥門流量擬合方法，其特征在于，所述過程記憶矩陣的構建過程，包括：

采集正常運行時在時間段N內的觀測點向量；

將所述正常運行時在時間段N內的觀測點向量作為歷史數據集，構建過程記憶矩陣D_M*N；

其中，M為觀測點向量的數量。

4.根據權利要求2所述的一種汽輪機閥門流量擬合方法，其特征在于，所述根據所述預測值向量，確定觀測點向量中的異常觀測點包括：

將預測值向量與觀測點向量的差值超過設定閾值的觀測點向量確定為異常觀測點。

5.根據權利要求1所述的一種汽輪機閥門流量擬合方法，其特征在于，所述對觀測點向量中的異常觀測點進行平滑，包括：

利用預先得到的多元線性回歸公式對觀測點向量中的異常觀測點進行平滑。

6.根據權利要求5所述的一種汽輪機閥門流量擬合方法，其特征在于，所述利用預先得到的多元線性回歸公式對觀測點向量中的異常觀測點進行平滑，具體為：

對預先得到的多元線程回歸公式通過最小二乘法求解最優解得到回歸系數向量θ＝[θ_-1,θ_-2,…,θ_-6]；其中，是估計出的因變量，x_i是因變量，θ_i是相關系數；

令x₁為異常觀測點向量，將x_-1輸入到根據回歸系數向量構建的公式得到x_-1的估計值用x_-1的估計值代替異常觀測點向量x₁，則完成異常觀測點向量x₁的平滑；其中表示第i個異常觀測點向量；表示除了第i個異常觀測點向量x_i以外，其他觀測點的實際值組成的向量的估計值；θ_-i為根據多元線性回歸公式求解最優解得到的回歸系數向量θ＝[θ_-1,θ_-2,…,θ_-6]。

7.根據權利要求1所述的一種汽輪機閥門流量擬合方法，其特征在于，所述神經網絡模型包括輸入層、中間隱層和輸出層；

所述輸入層為利用對觀測點向量中的異常觀測點進行平滑后得到的觀測點向量；記為x＝{x_i,i＝1,2,3,4,…,n}；

所述中間隱層為神經網絡模塊的神經元h＝{h_i,i＝1,2,3,4,…,k}的個數；

所述輸出層為閥門流，記為y＝{y_i,i＝1,2,3,4,…,n}。

8.根據權利要求7所述的一種汽輪機閥門流量擬合方法，其特征在于，訓練神經網絡模型的訓練誤差采用均方根相對誤差R_MSRE作為評價指標；

9.一種汽輪機閥門流量擬合系統，其特征在于，包括采集平滑模塊、平滑訓練模塊和調整擬合模塊；

所述采集平滑模塊用于采集與汽輪機閥門流量特性相關的當前觀測點向量，并對當前觀測點向量中的異常觀測點進行平滑；

所述平滑訓練模塊用于利用對觀測點向量中的異常觀測點進行平滑后得到的觀測點向量，訓練得到線性自分段的神經網絡模型；

所述調整擬合模塊用于調整所述神經網絡模型的閥門開度，擬合得到所述閥門開度對應的閥門流量。