[发明专利]大型凝汽器污垢变化趋势的预测方法

权利要求书

1.一种大型凝汽器污垢变化趋势的预测方法，其特征在于，包括以下步骤：

1)将凝汽器的参数乘以比例因子K₁再输入到支持向量机1中；将凝汽器的参数乘以比例因子K₂再输入到支持向量机2中；支持向量机1和支持向量机2分别用于预测软垢和硬垢的变化趋势；所述的凝汽器的参数包括当前工况、历史污垢程度、清洗周期；

2)支持向量机1和支持向量机2的输出结果之和乘以比例因子K₃即获得凝汽器污垢变化趋势的预测结果R_f；

其中所述的比例因子K₁、比例因子K₂和比例因子K₃均由在线学习模块实时调整；所述的在线学习模块根据所述的凝汽器的参数以及凝汽器污垢变化趋势的预测结果R_f在线调整比例因子K₁、比例因子K₂和比例因子K₃。

2.根据权利要求1所述的大型凝汽器污垢变化趋势的预测方法，其特征在于，所述的当前工况包括：冷却水流速v、冷凝器压力所对应的排气温度t_s、冷却水入口温度t_wi、冷却水浊度δ、冷却水硬度σ；历史污垢程度为：预测开始时的上两个水力或胶球清洗周期开始时的污垢热阻R_f(t-1)和R_f(t-2)、上一个水力或胶球清洗周期结束时的污垢热阻R_fe；清洗周期包括：上一次化学清洗结束至预测时刻凝汽器的运行时间T_t；上一个水力或胶球清洗周期凝汽器运行时间ΔT；上一次水力或胶球清洗结束至预测时刻凝汽器的时间T_p；

其中，向量U_s＝[v、t_s、t_wi、δ、R_f(t-1)、R_f(t-2)、T_p]乘以比例因子K₁作为支持向量机1的输入，预测未来时间的软垢R_s；

向量U_h＝[σ、R_f(t-1)、R_f(t-2)、R_fe、T_t、ΔT]乘以比例因子K₂作为支持向量机2的输入，预测未来时间的硬垢R_h。

3.根据权利要求2所述的大型凝汽器污垢变化趋势的预测方法，其特征在于，所述的支持向量机1和支持向量机2的结构为：包括输入向量、核函数、权值和输出；每一个核函数的输入端均接所有的输入向量，每一个核函数的输出值分别乘以对应的权值得到乘积，所有的乘积之和即为输出。

4.根据权利要求3所述的大型凝汽器污垢变化趋势的预测方法，其特征在于，采用序贯最小优化算法训练支持向量机，所述的支持向量机为支持向量机1和支持向量机2，该算法即在指定支持向量机的损失系数ε、惩罚因子C和核函数参数γ后，将支持向量机的训练转换为二次规划方程的求解。