[发明专利]基于神经网络的超超临界机组高温过热器壁温预测方法在审
| 申请号： | 201910469410.3 | 申请日： | 2019-05-31 |
| 公开（公告）号： | CN110531797A | 公开（公告）日： | 2019-12-03 |
| 发明（设计）人： | 蒋蓬勃;侯德安;李其浩;孔凡义;张文鹏;邵磊;刘烨;潘广强;李峰;周宽;宋峰 | 申请（专利权）人： | 华电国际电力股份有限公司技术服务分公司;华电国际电力股份有限公司十里泉发电厂 |
| 主分类号： | G05D23/19 | 分类号： | G05D23/19 |
| 代理公司： | 37268 济南瑞宸知识产权代理有限公司 | 代理人： | 荆向勇<国际申请>=<国际公布>=<进入 |
| 地址： | 250014 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 预测模型 验证集 高温过热器 预处理 安全控制系统 超超临界机组 神经网络结构 潜伏性故障 测温系统 反向传播 故障预警 监测设备 炉膛内壁 模型测试 神经网络 识别设备 算法预测 训练模型 状态预测 预测 壁温 残差 构建 标准化 电厂 | ||
1.一种基于神经网络的超超临界机组高温过热器壁温预测方法，其特征在于：包括以下步骤：
1)建立测温系统，在超超临界机组高温过热器大包内设置壁温测点，采集壁温测点的数据，通过电缆接到电厂DCS控制系统中，将数据传输到电厂信息中心PI和平台数据，数据被划分为训练集和验证集；
2)利用反向传播算法预测，构建神经网络结构，对数据进行预处理，建立训练模型；
3)把验证集标准化后，带入训练完毕的预测模型，对数据进行模型测试，最终得到验证集的预测值，并且与验证集实际值进行比较，得到残差；
4)利用指导故障预警。
2.如权利要求1所述的基于神经网络的超超临界机组高温过热器壁温预测方法，其特征在于，所述的1)建立测温系统还包括2个炉膛内过热器壁温测点。
3.如权利要求1所述的基于神经网络的超超临界机组高温过热器壁温预测方法，其特征在于，所述的大包内设置壁温测点数量为700个。
4.如权利要求1所述的基于神经网络的超超临界机组高温过热器壁温预测方法，其特征在于，所述的构建神经网络结构是指建立输入层700与输出层2的网络结构，网络层数为3；根据经验公式得到隐含层个数为30个。
5.如权利要求1所述的基于神经网络的超超临界机组高温过热器壁温预测方法，其特征在于，所述的建立训练模型，得到预测模型是指，把数据代入模型利用BP算法对数据进行训练，根据预测值与实际值得误差精度进行反向传播，最终达到工业应用预测精度要求，则训练结束，得到预测模型。
6.如权利要求4所述的基于神经网络的超超临界机组高温过热器壁温预测方法，其特征在于，所述的隐含层的个数靠下述经验公式(9)确定；
公式(9)中，n为输入层节点个数，q为输出层节点个数，a为0-10的整数，m为隐含层节点个数，则m的取值范围为3～14。经过试验，确定预测模型的隐含层节点个数30。
7.一种安装有权利要求1-6所述基于神经网络的超超临界机组高温过热器壁温预测方法的预测系统，其特征在于，包括手持测试端，手持测试端通过无线网络连接平台数据，所述的手持测试端设置基于神经网络的超超临界机组高温过热器壁温预测方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华电国际电力股份有限公司技术服务分公司;华电国际电力股份有限公司十里泉发电厂，未经华电国际电力股份有限公司技术服务分公司;华电国际电力股份有限公司十里泉发电厂许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910469410.3/1.html，转载请声明来源钻瓜专利网。
