[发明专利]一种基于多新息随机梯度优化的过热汽温预测方法

权利要求书

1.一种基于多新息随机梯度优化的过热汽温预测方法，其特征在于，包括以下步骤：

1)按机组负荷划分工况，并将各工况下机组正常运行时的末级过热器入口汽温和末级过热器出口汽温数据作为训练样本TX；

2)对训练样本TX进行预处理，使其各变量的均值为0，得到输入矩阵X∈R^N×n；

3)构建过热汽温预测Hammerstein非线性辨识模型并确定需要辨识的模型参数；

4)采用多新息随机梯度辨识方法对需要辨识的模型参数进行辨识；

5)将待预测末级过热器入口汽温数据输入到参数辨识后的过热汽温预测Hammerstein非线性辨识模型中得到末级过热器出口汽温预测数据，完成过热汽温的预测。

2.根据权利要求1所述的一种基于多新息随机梯度优化的过热汽温预测方法，其特征在于，所述的步骤1)中，选择满负荷的20％作为负荷段选取原则，从满负荷的45％～100％区间内确定3个典型工况，并获取对应工况下的末级过热器入口汽温和末级过热器出口汽温数据。

3.根据权利要求1所述的一种基于多新息随机梯度优化的过热汽温预测方法，其特征在于，所述的步骤2)具体包括以下步骤：

21)计算训练样本的均值则有：

其中，TX_i为训练样本中的第i个样本数值，N为样本数值总数；

22)进行零均值化处理，则有：

4.根据权利要求1所述的一种基于多新息随机梯度优化的过热汽温预测方法，其特征在于，所述的步骤3)中，过热汽温预测Hammerstein非线性辨识模型的数据处理过程为：

31)将末级过热器入口汽温作为模型输入u(t)经非线性子模块变换后得到线性子模块的输入

32)将线性子模块的输入经线性子模块变换生成中间变量x(t)；

33)将白噪声v(t)经噪声子模块变换生成噪声输出w(t)；

34)最后将中间变量x(t)和噪声输出w(t)经过求和运算后得到模型输出y(t)，即末级过热器出口汽温。

5.根据权利要求4所述的一种基于多新息随机梯度优化的过热汽温预测方法，其特征在于，所述的步骤31)中，线性子模块的输入的表达式为：

其中，c₁、c₂、...、c_m为非线性部分的参数，即需要辨识的参数，m为非线性部分项数。

6.根据权利要求5所述的一种基于多新息随机梯度优化的过热汽温预测方法，其特征在于，所述的步骤32)中，中间变量x(t)的表达式为：

其中，z^-1为单位延迟算子，且满足z^-1y(t)＝y(t-1)，A(z^-1)、B(z^-1)分别为单位延迟算子z^-1的常数多项式。

7.根据权利要求6所述的一种基于多新息随机梯度优化的过热汽温预测方法，其特征在于，所述的步骤33)中，噪声输出w(t)的表达式为：

8.根据权利要求7所述的一种基于多新息随机梯度优化的过热汽温预测方法，其特征在于，所述的步骤34)中，模型输出y(t)的表达式为：