[發明專利]一種汽輪機末級排汽焓軟測量方法

在審

• 申請號: 202110710390.1
• 申請日: 2021-06-25
• 公開（公告）號: CN113553760A
• 公開（公告）日: 2021-10-26
• 發明（設計）人: 徐婧;趙貫甲;崔智鵬;馬素霞;劉文浩
• 申請（專利權）人: 太原理工大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/15;G06K9/62;G06N3/00;G06F111/10
• 代理公司: 太原晉科知識產權代理事務所(特殊普通合伙) 14110
• 代理人: 王軍

1.一種汽輪機末級排汽焓軟測量方法，其特征在于，包括：

獲取影響汽輪機組末級排汽焓值關鍵特征變量的歷史運行數據，標記汽輪機組末級排汽焓值關鍵特征變量對應的汽輪機末級排汽比焓值并進行預處理；

構建XGBoost回歸模型，采用PSO算法優化XGBoost模型參數，將預處理后的汽輪機組末級排汽焓值關鍵特征變量劃分訓練集和測試集，將訓練集輸入至構建的XGBoost回歸模型，通過調節XGBoost回歸模型的函數和參數，直至XGBoost回歸模型輸出的汽輪機末級排汽比焓值與標記的汽輪機末級排汽比焓值結果一致；

通過作為測試集的汽輪機組末級排汽焓值關鍵特征變量對訓練完成的XGBoost回歸模型的預測準確性進行驗證；

將實時獲取的影響汽輪機組末級排汽焓值的關鍵特征變量輸入至XGBoost回歸模型，輸出結果作為對應輸入的汽輪機末級排汽比焓值。

2.根據權利要求1所述的汽輪機末級排汽焓軟測量方法，其特征在于，影響汽輪機組末級排汽焓值的關鍵特征變量至少包括：機組負荷、環境溫度、主蒸汽流量、主蒸汽溫度、主蒸汽壓力、調節級溫度、調節級壓力、再熱蒸汽溫度、再熱蒸汽壓力、各級抽汽溫度、各級抽汽壓力。

3.根據權利要求1所述的汽輪機末級排汽焓軟測量方法，其特征在于，預處理的步驟包括：

歷史數據離群點剔除：根據機組設計資料及熱力性能試驗，設置關鍵特征變量的正常運行范圍區間，當運行參數超過該區間時，則將其視為異常點并剔除；

穩態工況篩選：采用滑動窗口法對歷史運行數據進行穩態工況篩選。

4.根據權利要求1所述的汽輪機末級排汽焓軟測量方法，其特征在于，在采用PSO算法優化XGBoost模型參數的步驟中，包括對決策樹樹葉的節點個數T、決策樹最大深度d、學習率r和最小葉子節點樣本權重ω的優化。

5.根據權利要求1所述的汽輪機末級排汽焓軟測量方法，其特征在于，設置XGBoost回歸模型的目標函數為：

其中，l為可微的凸損失函數，用于表示預測值和真實值y_i之間的誤差，n表示樣本數量，Ω(f)表示最小正則化項，T_k和ω分別表示樹中的葉子節點個數和葉子的權重值，γ表示懲罰系數，λ是正則項系數，C表示常數；

設XGBoost回歸模型預測值為：

其中，t為決策樹的數量，f_k對應結構為q_k，葉子權重為ω_k的第k棵獨立樹；

XGBoost回歸模型按如下過程進行迭代：

……

6.根據權利要求1所述的汽輪機末級排汽焓軟測量方法，其特征在于，通過二階泰勒展開，構建XGBoost回歸模型的損失函數，表示為：

其中，分別表示損失函數的一次偏微分和二次偏微分，I_j＝{i|q(X_i)＝j)}表示葉子j的樣本集。

7.根據權利要求3所述的汽輪機末級排汽焓軟測量方法，其特征在于，穩態工況篩選包括步驟：

從汽輪機組末級排汽焓值關鍵特征變量的歷史運行數據中，第一個數據開始向前選取長度為n的關鍵特征變量序列；

去除掉窗口數據中的最大值和最小值，計算并判斷窗口中數據的平均值是否在對應的閾值區間內，若是則認為該窗口內的數據屬于穩定工況數據，反之則認為是非穩態工況，將其剔除；

當遞增步長為k時，得到新的數據窗口，重復前述操作，直到全部數據判斷結束。

8.根據權利要求4所述的汽輪機末級排汽焓軟測量方法，其特征在于，采用PSO算法優化XGBoost模型參數的步驟包括：

粒子群參數初始化；設置最大迭代次數、粒子群數量、慣性因子、粒子維度參數；

計算每個粒子的適應度；假設其適應度服從其中y_i和分別表示XGBoost模型的預測值和實測值，計算其適應度；

根據適應度更新粒子群的速度以及位置；

做終止條件的判斷及檢驗；若達到最大迭代次數或全局最優位置滿足最小界限則終止，否則繼續計算粒子適應度。