[发明专利]一种电站锅炉壁温预测神经网络模型的构建方法

说明书

本发明公开了一种电站锅炉壁温预测神经网络模型的构建方法，电站锅炉壁温预测神经网络模型由输入层、隐含层和输出层构成，所述输入层由两部分构成，分别为影响壁温的外部影响因素以及需预测壁温的历史数据；所述隐含层的节点个数由公式确定，其中m为输入层节点个数，n为输出层节点个数，a为1‑10之间的常数；通过遗传算法确定隐含层权值；所述输出层由需预测壁温温度构成；本发明在分析影响壁温外部因素的基础上，同时考虑壁温的历史数据对壁温本身的影响，能够缩短模型训练时间，提高计算效率，从而能够更好的实现对壁温的预测；其次，可以实现对壁温超前动态预测，为运行人员对超温进行处置提供了时间。

技术领域

本发明涉及电站锅炉燃烧的自动控制领域，具体涉及一种电站锅炉壁温预测神经网络模型的构建方法。

背景技术

超(超)临界机组锅炉具有大容量、高参数特点，具有较高的发电效率，从而可以降低燃煤消耗量，同时能够降低污染物的生成，因此得到了迅速的发展。目前，我国投产的超(超)临界机组已经超过百台。然而，超(超)临界机组爆管问题时有发生，严重影响了超(超)临界机组的运行安全。研究表明，长时间超温运行、氧化皮堵塞、吹灰不当、烟气腐蚀等都会引起锅炉爆管，其中长时间超温运行是引起锅炉管壁超温的重要原因。

为了应对上述超温问题，首先要实现对壁温的测量和预测。

目前，壁温的测量主要从两方面入手。一是现场直接测量，即通过在锅炉管壁安装热电偶来实现壁温测量。该方法对测点周围的环境要求较高，而炉内环境往往较恶劣，对测量的精度和准确性有一定的影响。该方法只能够测得一点的温度，因此电厂普遍增设大量的壁温测点，以实现对壁温的全面监测。另外一种方法是通过软测量的方式进行计算，即通过机理分析等方法建立壁温预测模型对壁温进行预测。比如国内常见的有1973年热力计算标准《锅炉机组热力计算标准方法》进行管壁温度计算，但是该计算方法复杂，需要的参数较多，且模型不同条件下需要不断修正，因此不符合在线计算的要求。此外，基于人工神经网络的的壁温预测方法也得到了一定的研究。在对有关数据进行处理并分析影响壁温因素基础上，采用BP神经网络和RBF神经网络对锅炉管壁温度进行预测，所得结果证明该方法有一定的准确度，可以用来预测壁温。但是上述研究只考虑了外部因素对壁温的影响，没有考虑到壁温的历史数据本身的影响，也没有实现壁温的动态超前预测。

综上所述，现有的壁温超温应对措施，主要是增设大量壁温测点来加强对壁温的监测。当超温发生后，运行人员获得报警信息，从而进行人工处置，仅能实现超温发生后再进行处理，有一定的滞后性。通过软测量的方式对壁温进行计算，计算所得结果有一定的的准确性，但是没有实现壁温的动态超前预测。

发明内容

为了解决上述现有技术存在的问题，本发明提出一种新的电站锅炉壁温预测神经网络模型的构建方法，在分析影响壁温外部因素的基础上，同时考虑壁温的历史数据对壁温本身的影响，能够缩短模型训练时间，提高计算效率，从而能够更好的实现对壁温的预测；其次，可以实现对壁温超前动态预测，为运行人员对超温进行处置提供了时间。

为了实现上述目的，本发明采用以下技术方案：

一种电站锅炉壁温预测神经网络模型的构建方法，所述电站锅炉壁温预测神经网络模型由输入层、隐含层和输出层构成，所述输入层由两部分构成，分别为影响壁温的外部影响因素以及需预测壁温的历史数据；所述隐含层的节点个数由公式确定，其中m为输入层节点个数，n为输出层节点个数，a为1-10之间的常数；通过遗传算法确定隐含层权值；所述输出层由需预测壁温温度构成。

所述输出层与输入层之间的关系可以用下式来表示：

z(t)＝f(x(t-1),…,x(t-p),y(t-1),…,y(t-q))