[发明专利]一种燃气轮机NOx预测排放监测系统和方法

权利要求书

1.一种燃气轮机NOx预测排放监测系统，其特征在于，包括输入模块、神经网络模块和输出模块，其中，所述神经网络模块为可解释多层感知器神经网络结构，所述输入模块包括运行输入子模块和燃气轮机性能计算模型，所述运行输入子模块向所述多层感知器神经网络结构输入环境参数、燃气轮机边界参数和输出功率，所述输出模块输出预测排放结果；所述输入模块、所述多层感知器神经网络结构、所述输出模块依次连接；所述可解释多层感知器神经网络结构至少包括第一层、中间层和输出层，在所述第一层、所述中间层和所述输出层之间包含中间隐含层，所述中间隐含层的数量由ARPSO-AW优化得到；

所述第一层的输入包括环境参数、燃气轮机边界参数和输出功率，所述环境参数包括环境温度、大气压力、相对湿度，所述燃气轮机边界参数包括压气机入口温度、压气机入口压力、动力涡轮转速、动力涡轮出口压力，所述输出功率包括燃气轮机输出功率、动力涡轮输出功率；

所述中间层的监测参数包括压气机出口温度、压气机出口压力、高压涡轮出口温度、高压涡轮出口压力；

所述监测系统被配置为采用ARPSO-AW算法对所述可解释多层感知器神经网络结构进行优化，以所述中间层的压气机出口温度、压气机出口压力、高压涡轮出口温度、高压涡轮出口压力的网络计算值与真实测量值之间的均方差，以及NOx排放预测值和测量值之间的均方差度量损失函数，以所述损失函数作为所述ARPSO-AW算法的适应度函数，基于适应度函数值最小原则，优化NOx排放量预测模型隐含层数和各层隐含节点数，调整模型结构。

2.如权利要求1所述的燃气轮机NOx预测排放监测系统，其特征在于，所述输出功率通过所述燃气轮机性能计算模型计算得到。

3.如权利要求2所述的燃气轮机NOx预测排放监测系统，其特征在于，所述燃气轮机性能计算模型以进气口、压气机、可调静叶、燃烧室、高压涡轮、动力涡轮、离心压缩机为基础，包括部件模块、工质热物理性质、部件匹配，所述部件模块包括压气机模块、高压透平模块、动力透平模块和离心压缩机模块，所述压气机模块、所述高压透平模块、所述动力透平模块和所述离心压缩机模块由其平衡关系和非设计特性组成，并加入空气、燃料、气体的热物理性质，支持各部件模块的计算和各模块的数据交换，所述部件匹配包括质量守恒、功率守恒和动量守恒，通过所述部件匹配找到燃气轮机工作点，满足整个燃气轮机系统的质量平衡、能量平衡、动量平衡的要求。

4.如权利要求3所述的燃气轮机NOx预测排放监测系统，其特征在于，具有可监测测点的中间层神经网络框架，所述中间层设置多个可监测神经元，所述输出层以NOx排放量作为输出。

5.一种燃气轮机NOx预测排放监测方法，其特征在于，使用如权利要求4所述燃气轮机NOx预测排放监测系统，所述方法包括以下步骤：

S100、学习训练，利用历史测量数据、计算参数和测点设置对所述神经网络模块进行训练，采用ARPSO-AW算法对所述可解释多层感知器神经网络结构进行优化，以所述中间层的压气机出口温度T2、压气机出口压力P2、高压涡轮出口温度T34、高压涡轮出口压力P34的网络计算值与真实测量值之间的均方差，以及NOx排放预测值和测量值之间的均方差度量损失函数，以所述损失函数作为所述ARPSO-AW算法的适应度函数，基于适应度函数值最小原则，优化NOx排放量预测模型隐含层数和各层隐含节点数，调整模型结构；具体包括：

选取所述燃气轮机输出功率作为所述可解释多层感知器神经网络结构的所述第一层的输入时，训练燃气轮机运行时的NOx排放量预测模型；

选取所述动力涡轮输出功率作为所述可解释多层感知器神经网络结构的所述第一层的输入时，训练燃气轮机停机状态下的NOx排放量预测模型；

S200、运行预测，将训练好的NOx排放预测模型用于目标燃气轮机组进行NOx预测排放监测。

6.如权利要求5所述的燃气轮机NOx预测排放监测方法，其特征在于，所述步骤S100，以所述损失函数为目标函数，采用BP误差反向传播算法微调网络隐含层训练参数，实现不同工况下燃气轮机NOx排放预测模型结构和参数自动调整；经过历史测量的通用数据训练，得到预测NOx排放量的最佳模型。

7.如权利要求6所述的燃气轮机NOx预测排放监测方法，其特征在于，所述步骤S100，将训练样本分成代表性样本和非代表性样本，并赋予不同的权值，在模型建立阶段，采用构建模拟决策树逼近训练后的NOx排放量预测结果，所述决策树为简单决策树正则化神经网络，在所述目标函数中添加树正则化项。