[發明專利]一種基于大數據的主蒸汽溫度智能預測方法

在審

• 申請號: 202011240988.0
• 申請日: 2020-11-09
• 公開（公告）號: CN112365045A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 吳周晶;歸一數
• 申請（專利權）人: 上海明華電力科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08;G06Q10/06
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 應小波

本發明涉及一種基于大數據的主蒸汽溫度智能預測方法，該方法包括：首先，從機組運行數據及系統特點分析出發，綜合應用主元分析、改進的灰色關聯分析技術確定主蒸汽溫度變化的主要因素；其次，基于LSTM長短期記憶神經網絡算法建立主蒸汽溫度預測模型；最后，運用SIS中歷史和實時的分段負荷數據對主蒸汽溫度進行預測。與現有技術相比，本發明具有減少主蒸汽溫度受外界影響而波動，提高控制品質，提升機組安全性和經濟性等優點。

技術領域

本發明涉及火電機組主蒸汽溫度預測技術，尤其是涉及一種基于大數據的主蒸汽溫度智能預測方法。

背景技術

電機組主蒸汽溫度對象是一類大慣性、大遲延、非線性時變熱工對象。主蒸汽溫度過高會加快蒸汽受熱面與鍋爐管道金屬材料的變形，進而影響機組壽命。若受熱面長期處于超溫狀態，金屬材料的強度快速下降，甚至會產生爆管現象，導致事故發生。而主蒸汽溫度過低會降低機組的整體熱效率，影響機組的經濟效益，同時會導致汽輪機末幾級葉片的蒸汽濕度過大，進而影響汽輪機葉片壽命。所以有必要把火電機組主蒸汽溫度控制在一定的合理范圍內，確保機組安全穩定高效運行。

目前常用的控制方法主要是串級PID控制策略，但對于主蒸汽溫度這類對象，常規PID控制還存在一些問題。由于工藝特性決定各級過熱器管道較長，造成主蒸汽溫度對其控制輸入、噴水減溫器的減溫水量變化反應較慢，而且鍋爐燃燒工況經常不穩定，煙氣側擾動頻繁且擾動量較大，這些因素都使得主蒸汽溫度變化較大。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于大數據的主蒸汽溫度智能預測方法。

本發明的目的可以通過以下技術方案來實現：

一種基于大數據的主蒸汽溫度智能預測方法，該方法包括：

首先，從機組運行數據及系統特點分析出發，綜合應用主元分析、改進的灰色關聯分析技術確定主蒸汽溫度變化的主要因素；

其次，基于LSTM長短期記憶神經網絡算法建立主蒸汽溫度預測模型；

最后，運用SIS中歷史和實時的分段負荷數據對主蒸汽溫度進行預測。

優選地，所述的方法具體包括以下步驟：

步驟1)首先從機組所有過程控制參數的SIS數據中選取多個相關的潛在模型輸入變量，計算各變量之間的皮爾遜相關系數，找到與主蒸汽溫度相關的變量，同時標注相關性高的變量，然后應用主元分析法降低輸入變量維度，最后再使用改進的灰色關聯分析法，選取主蒸汽溫度預測模型的最終輸入變量；

步驟2)在線獲取SIS最近一段時間t1的原始數據，對這些數據進行預處理，將機組負荷按照不同負荷段進行分段，在每一段分段負荷中，根據預處理后的數據劃分成訓練集和測試集，以訓練集數據建立輸出為主蒸汽溫度的分段LSTM子神經網絡模型，將測試集數據輸入到主蒸汽溫度預測模型中，比較與實際值的偏差，判斷模型是否能滿足預測要求，如果不滿足要求，則進行調參；

步驟3)調節各負荷段的LSTM子神經網絡的參數，調節后重新輸入訓練數據構建新的神經網絡模型，使得模型滿足預測要求并保存模型；

步驟4)根據當前機組功率，將在線SIS實時輸入數據輸入各負荷段的LSTM子神經網絡模型中，預測t2時間后的主蒸汽溫度。

優選地，所述的主元分析法，用于刪去重復的變量，同時將這些多個變量進行降維處理，采用用于度量連續變量之間線性相關強度的皮爾遜相關系數r，其值介于-1與1之間；0＝＜|r|＜＝0.3，低相關；0.3＝＜|r|＜＝0.8，中度相關；0.8＝＜|r|＜＝1，高度相關。

優選地，所述的改進的灰色關聯分析法具體為：