[發明專利]基于數據驅動的余熱鍋爐閥門自適應調節方法

有效

• 申請號: 202010948881.5
• 申請日: 2020-09-10
• 公開（公告）號: CN112066355B
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 劉晶;秦國帥;季海鵬;董永峰
• 申請（專利權）人: 河北工業大學
• 主分類號: F22B35/18
• 分類號: F22B35/18
• 代理公司: 石家莊知住優創知識產權代理事務所(普通合伙) 13131
• 代理人: 林艷艷

1.一種基于數據驅動的余熱鍋爐閥門自適應調節方法，其特征在于，包括下述步驟：

S1：針對余熱鍋爐存在多個閥門，通過數據分析以及閥門相關性研究，提出數據驅動的余熱鍋爐閥門自適應調節方法；該方法分為兩個子模型，即調節冷風閥的ODTVA調節預測模型和調節入口閥和旁通閥的LSWBVA調節預測模型；

S2：通過數據預處理，建立閥門調節與溫度、壓力特征的關聯性；

S3：針對冷風閥調節數據不平衡以及調節多樣性的問題，構建基于過采樣決策樹的冷風閥的ODTVA調節預測模型；

S4：針對調節入口閥、旁通閥調節依賴取風溫度的時序性特征以及強相關性問題，構建基于LSTM-BP共享權值神經網絡的調節入口閥和旁通閥的LSWBVA調節預測模型。

2.根據權利要求1所述的基于數據驅動的余熱鍋爐閥門自適應調節方法，其特征在于：所述步驟S2中通過對數據預處理，挖掘冷風閥調節與溫度壓力特征的關聯性，其中冷風閥預測標簽化是成功預測冷風閥調節的關鍵因素，冷風閥預測標簽化步驟如下所示：

2-1)給定閥門全開的最小值OPEN_STATUS_VALUE，大于該值即認為閥門處于全開狀態，給定閥門全關的最大值CLOSE_STATUS_VALUE，小于該值即認為閥門處于全關狀態；

2-2)給定參數RANGE_NUMBER，即除全開和全閉的狀態之外的狀態區間數量；

2-3)針對每一個時刻的閥門開度百分比，計算它所在的狀態區間，生成狀態標簽；

2-4)根據下一時刻的閥門狀態等級和當前時刻的閥門狀態等級差值進行判斷，如果下一時刻的閥門狀態等級大于當前時刻的閥門狀態等級，則標記為增大，如果小于，標記為減小，否則，標記為不變。

3.根據權利要求1所述的基于數據驅動的余熱鍋爐閥門自適應調節方法，其特征在于：所述步驟S3中，構建的冷風閥的ODTVA調節預測模型，包括以下步驟：

3-1)利用SMOTE算法對訓練集中增大、減小的類別過采樣，處理冷風閥數據不平衡問題；

3-2)計算數據集中的信息熵；

其中，m代表閥門類別集合的個數，p_i表示第i類別在集合D中的占比。

3-3)連續值分割點集合T_split，針對溫度或者壓力特征是連續值的特征的情況，首先對基于該特征的數據集合進行排序，其次對相鄰兩個特征值進行求均值t，最后得到劃分點集合T_split＝[t₍₁₎,t₍₁₎,···,t_(n-1)],對連續特征離散化；

3-4)計算各個特征的信息增益，選取最大信息增益的特征構建決策樹；

Gain(A)＝Info(D)-Info_A(D)

其中，Info(D)代表集合D的信息熵，Info_A(D)表示根據特征A劃分集合的信息熵。

4.根據權利要求1所述的基于數據驅動的余熱鍋爐閥門自適應調節方法，其特征在于：所述步驟S4中，構建的調節入口閥和旁通閥的LSWBVA調節預測模型，包括：

針對調節入口閥、旁通閥調節依賴取風溫度時序性特征，當取風溫度異常驟升時，調節調節入口閥、旁通閥；通過LSTM神經網絡根據歷史一段時間內取風溫度對當前一段時間內取風溫度預測，計算真實溫度均值和預測溫度均值的均值偏差θ，判斷當前的取風溫度狀態是否異常，預測調節入口閥、旁通閥調節時機，具體為：

其中x⁽ⁱ⁾表示第i時刻的真實取風溫度，為第i時刻的預測取風溫度，其中l表示歷史步長，r表示當前時間步長；

針對調節入口閥、旁通閥強相關性并同時調節的問題，構建BP共享權值神經網絡，利用聯合損失函數Loss，解決調節入口閥、旁通閥調節的強相關性問題，具體為：

其中，K_i表示第i閥門的類別數，表示第i閥門真實值為j類別的概率表示第i閥門預測值為j類別的概率；

調節入口閥和旁通閥LSWBVA調節預測模型，首先通過LSTM取風溫度異常檢測算法監測取風溫度變化，提取取風溫度時序性特征；當取風溫度溫度驟升時，通過BP共享權值神經網絡算法對調節入口閥、旁通閥精準調節。