[發明專利]一種基于多新息隨機梯度優化的過熱汽溫預測方法

在審

• 申請號: 202010912383.5
• 申請日: 2020-09-03
• 公開（公告）號: CN112036088A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 蔣斌;葛浩;李來春;張劍飛;潘暉;熊偉
• 申請（專利權）人: 華能國際電力股份有限公司玉環電廠;上海電力大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F113/08;G06F119/08
• 代理公司: 上?？剖⒅R產權代理有限公司 31225
• 代理人: 楊宏泰

1.一種基于多新息隨機梯度優化的過熱汽溫預測方法，其特征在于，包括以下步驟：

1)按機組負荷劃分工況，并將各工況下機組正常運行時的末級過熱器入口汽溫和末級過熱器出口汽溫數據作為訓練樣本TX；

2)對訓練樣本TX進行預處理，使其各變量的均值為0，得到輸入矩陣X∈R^N×n；

3)構建過熱汽溫預測Hammerstein非線性辨識模型并確定需要辨識的模型參數；

4)采用多新息隨機梯度辨識方法對需要辨識的模型參數進行辨識；

5)將待預測末級過熱器入口汽溫數據輸入到參數辨識后的過熱汽溫預測Hammerstein非線性辨識模型中得到末級過熱器出口汽溫預測數據，完成過熱汽溫的預測。

2.根據權利要求1所述的一種基于多新息隨機梯度優化的過熱汽溫預測方法，其特征在于，所述的步驟1)中，選擇滿負荷的20％作為負荷段選取原則，從滿負荷的45％～100％區間內確定3個典型工況，并獲取對應工況下的末級過熱器入口汽溫和末級過熱器出口汽溫數據。

3.根據權利要求1所述的一種基于多新息隨機梯度優化的過熱汽溫預測方法，其特征在于，所述的步驟2)具體包括以下步驟：

21)計算訓練樣本的均值則有：

其中，TX_i為訓練樣本中的第i個樣本數值，N為樣本數值總數；

22)進行零均值化處理，則有：

4.根據權利要求1所述的一種基于多新息隨機梯度優化的過熱汽溫預測方法，其特征在于，所述的步驟3)中，過熱汽溫預測Hammerstein非線性辨識模型的數據處理過程為：

31)將末級過熱器入口汽溫作為模型輸入u(t)經非線性子模塊變換后得到線性子模塊的輸入

32)將線性子模塊的輸入經線性子模塊變換生成中間變量x(t)；

33)將白噪聲v(t)經噪聲子模塊變換生成噪聲輸出w(t)；

34)最后將中間變量x(t)和噪聲輸出w(t)經過求和運算后得到模型輸出y(t)，即末級過熱器出口汽溫。

5.根據權利要求4所述的一種基于多新息隨機梯度優化的過熱汽溫預測方法，其特征在于，所述的步驟31)中，線性子模塊的輸入的表達式為：

其中，c₁、c₂、...、c_m為非線性部分的參數，即需要辨識的參數，m為非線性部分項數。

6.根據權利要求5所述的一種基于多新息隨機梯度優化的過熱汽溫預測方法，其特征在于，所述的步驟32)中，中間變量x(t)的表達式為：

其中，z^-1為單位延遲算子，且滿足z^-1y(t)＝y(t-1)，A(z^-1)、B(z^-1)分別為單位延遲算子z^-1的常數多項式。

7.根據權利要求6所述的一種基于多新息隨機梯度優化的過熱汽溫預測方法，其特征在于，所述的步驟33)中，噪聲輸出w(t)的表達式為：

8.根據權利要求7所述的一種基于多新息隨機梯度優化的過熱汽溫預測方法，其特征在于，所述的步驟34)中，模型輸出y(t)的表達式為：