[發明專利]一種天然氣透平膨脹發電機組的智能控制方法及其系統

有效

• 申請號: 202211266987.2
• 申請日: 2022-10-17
• 公開（公告）號: CN115562029B
• 公開（公告）日: 2023-06-16
• 發明（設計）人: 嚴益劍;厲強;沈曉東;莫建敏;方釗峰
• 申請（專利權）人: 杭州天然氣有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 浙江新篇律師事務所 33371
• 代理人: 李旻

1.一種天然氣透平膨脹發電機組的智能控制方法，其特征在于，包括：

獲取高壓端在預定時間段內多個預定時間點的溫度值和壓力值以及低壓端在所述預定時間段內多個預定時間點的溫度值和壓力值，以及，透平膨脹發電機組在所述預定時間段內多個預定時間點的出力；

將所述高壓端在預定時間段內多個預定時間點的溫度值和壓力值分別按照時間維度排列為高壓端溫度輸入向量和高壓端壓力輸入向量后，計算所述高壓端溫度輸入向量的轉置向量與所述高壓端壓力輸入向量之間的乘積以得到高壓端能量關聯矩陣；

將所述高壓端能量關聯矩陣通過作為過濾器的第一卷積神經網絡模型以得到高壓端能量特征矩陣；

將所述低壓端在所述預定時間段內多個預定時間點的溫度值和壓力值分別按照時間維度排列為低壓端溫度輸入向量和低壓端壓力輸入向量后，計算所述低壓端溫度輸入向量的轉置向量與所述低壓端壓力輸入向量之間的乘積以得到低壓端能量關聯矩陣；

將所述低壓端能量關聯矩陣通過作為過濾器的第二卷積神經網絡模型以得到低壓端能量特征矩陣；

計算所述高壓端能量特征矩陣與所述低壓端能量特征矩陣之間的能量差分特征矩陣；

將所述透平膨脹發電機組在所述預定時間段內多個預定時間點的出力按照時間維度排列為出力輸入向量后通過包含一維卷積層的時序編碼器以得到出力特征向量；

計算所述能量差分特征矩陣相對于所述出力特征向量的轉移向量作為分類特征向量；

對所述分類特征向量進行特征值校正以得到校正后分類特征向量；以及

將所述校正后分類特征向量通過分類器以得到分類結果，所述分類結果用于表示低壓端的壓力應增大或應減小。

2.根據權利要求1所述的天然氣透平膨脹發電機組的智能控制方法，其特征在于，所述將所述高壓端能量關聯矩陣通過作為過濾器的第一卷積神經網絡模型以得到高壓端能量特征矩陣，包括：使用所述第一卷積神經網絡模型的各層在層的正向傳遞中分別進行：

對輸入數據進行卷積處理以得到卷積特征矩陣；

對所述卷積特征矩陣進行基于局部特征矩陣的均值池化以得到池化特征矩陣；以及

對所述池化特征矩陣進行非線性激活以得到激活特征矩陣；

其中，所述第一卷積神經網絡的最后一層的輸出為所述高壓端能量特征矩陣，所述第一卷積神經網絡的第一層的輸入為所述高壓端能量關聯矩陣。

3.根據權利要求2所述的天然氣透平膨脹發電機組的智能控制方法，其特征在于，所述將所述低壓端能量關聯矩陣通過作為過濾器的第二卷積神經網絡模型以得到低壓端能量特征矩陣，包括：使用所述第二卷積神經網絡模型的各層在層的正向傳遞中分別進行：

對輸入數據進行卷積處理以得到卷積特征矩陣；

對所述卷積特征矩陣進行基于局部特征矩陣的均值池化以得到池化特征矩陣；以及

對所述池化特征矩陣進行非線性激活以得到激活特征矩陣；

其中，所述第一卷積神經網絡的最后一層的輸出為所述低壓端能量特征矩陣，所述第一卷積神經網絡的第一層的輸入為所述低壓端能量關聯矩陣。

4.根據權利要求3所述的天然氣透平膨脹發電機組的智能控制方法，其特征在于，所述計算所述高壓端能量特征矩陣與所述低壓端能量特征矩陣之間的能量差分特征矩陣，包括：計算所述高壓端能量特征矩陣與所述低壓端能量特征矩陣之間每個對應位置的特征值之間的差值，獲得差值得分矩陣，并計算所述差值得分矩陣中每個位置的特征值的絕對值，以獲得所述能量差分特征矩陣。