[發明專利]一種燃煤機組高溫過熱器壁溫預測神經網絡模型

有效

• 申請號: 202011274448.4
• 申請日: 2020-11-15
• 公開（公告）號: CN112381296B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 王明坤;王林;高林;郭亦文;盧彬;趙章明;周俊波;侯玉婷
• 申請（專利權）人: 西安熱工研究院有限公司;華能集團技術創新中心有限公司;西安西熱控制技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/045;G06N3/08
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 何會俠

1.一種燃煤機組高溫過熱器壁溫預測神經網絡模型的構建方法，其特征在于：該神經網絡模型由多個神經網絡遞次連接組成，每一個神經網絡由輸入層、隱含層和輸出層組成；所述輸入層分為預測受熱面壁溫變量輸入、上游受熱面壁溫變量輸入和其他關鍵變量輸入三類，既考慮了影響壁溫的關鍵因素以及上游受熱面壁溫變化情況，同時考慮了預測受熱面壁溫歷史數據對自身的影響；所述預測受熱面壁溫變量輸入即高溫過熱器壁溫最大值；所述上游受熱面壁溫變量輸入是指高溫過熱器的上一級受熱面壁溫變量，即左右兩側屛式過熱器壁溫平均值；所述其他關鍵變量輸入是指信號的變化對高溫過熱器壁溫影響顯著的參數，包括左右兩側二級減溫水量、機組實際負荷和主蒸汽流量；所述輸出層為高溫過熱器壁溫最大值預測值；

所述多個神經網絡中第一個神經網絡輸入神經元包括高溫過熱器壁溫最大值、左右兩側屛式過熱器壁溫平均值、左右兩側二級減溫水量、機組實際負荷和主蒸汽流量七個輸入神經元；第一個神經網絡輸出神經元為預測周期1的高溫過熱器壁溫最大值預測值；將第一個神經網絡輸出神經元與第二個神經網絡輸入連接，將預測周期1的高溫過熱器壁溫最大值預測值送入第二個神經網絡高溫過熱器壁溫最大值輸入神經元進行歷史數據更新，其余輸入神經元與左右兩側屛式過熱器壁溫平均值、左右兩側二級減溫水量、機組實際負荷、主蒸汽流量六個輸入神經元進行連接并進行輸入更新，第二個神經網絡輸出神經元為預測周期2的高溫過熱器壁溫最大值預測值；依次類推，從而獲得第n個神經網絡輸出神經元的預測結果，即預測周期n的高溫過熱器壁溫最大值預測值；所述神經網絡模型中的隱含層神經元分別與所有的輸入神經元、輸出神經元相連，將神經網絡輸入神經元歸一化輸入變量與各輸入的權值相乘，并通過激活函數進行計算疊加神經元偏置獲得神經元輸出。

2.根據權利要求1所述的一種燃煤機組高溫過熱器壁溫預測神經網絡模型的構建方法，其特征在于：多個神經網絡輸出神經元與輸入神經元之間的數學關系如下式表示：

第1個神經網絡：

Z(1)＝f(X₁(t-1),X₁(t-2),…X₁(t-P),X₂(t-1),X₂(t-2),…X₂(t-P),

…Y(t-1),Y(t-2),…Y(t-P))

第2個神經網絡：

Z(2)＝f(X₁(t-1),X₁(t-1),X₁(t-2),…X₁(t-P+1),X₂(t-1),X₂(t

-1),X₂(t-2),…X₂(t-P+1),…Z(1),Y(t-1),Y(t-2),…Y(t

-P+1))

…

第n個神經網絡：

其中，X₁、X₂…X₆分別表示神經網絡的輸入層中6個影響因素，即左右兩側屛式過熱器壁溫平均值、左右兩側二級減溫水量、機組實際負荷、主蒸汽流量六個輸入；Y表示神經網絡的輸入層中的1個影響因素，即高溫過熱器壁溫最大值；Z表示神經網絡的預測輸出，即高溫過熱器壁溫最大值預測值；n表示神經網絡個數，即預測周期數；P表示神經網絡輸入神經元的延遲數；X₁(t-1),X₁(t-2),…,X₁(t-P)表示輸入變量X₁的第1個至第P個歷史數據值；Y(t-1),Y(t-2),…Y(t-P)表示輸入變量Y的第1個至第P個歷史數據值；Z(1),Z(2),…Z(n)表示第1至第n個周期的高溫過熱器壁溫最大值預測值。

3.根據權利要求1所述的一種燃煤機組高溫過熱器壁溫預測神經網絡模型的構建方法，其特征在于：每一個神經網絡的隱含層節點個數由公式確定，其中l為輸入層節點個數，m為輸出層節點個數，a為1-10之間的常數；同時根據模型計算確定輸入變量的延遲階數、隱含層節點數；輸入輸出激活函數均選擇線性激活函數；通過遺傳算法確定隱含層權值，即通過選擇、交叉、變異操作來尋找最優適應度對應個體，從而確定隱含層最佳權值。

4.根據權利要求1所述的一種燃煤機組高溫過熱器壁溫預測神經網絡模型的構建方法，其特征在于：每一個神經網絡中輸入神經元的計算，采用如下傳遞函數：

其中：f為激活函數；w_i為上一層第i個神經元輸出至該神經元的權值；u_i為上一層第i個神經元輸出，也即該神經元的第i個輸入；b為該神經元的偏置。