[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

说明书

本发明涉及一种基于多新息随机梯度优化的过热汽温预测方法，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；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。与现有技术相比，本发明具有预测精度高、适应于大惯性和高度非线性数据等优点。

技术领域

本发明涉及发电机组运行控制技术领域，尤其是涉及一种基于多新息随机梯度优化的过热汽温预测方法。

背景技术

过热汽温是发电机组运行过程中非常重要的控制参数，其稳定性对机组安全经济运行有着重要影响。当前燃煤机组向着高参数、大容量方向发展，过热汽温的大惯性和高度非线性等特征愈加明显，增加了过热汽温的控制难度，传统的串级 PID往往不能很好的对汽温进行控制，因此需要一种考虑过热汽温的大惯性和高度非线性特征的过热汽温预测方法。

而且，目前主要的参数估计方法包括基于智能优化算法的辨识方法、基于辅助模型的辨识方法以及基于随机梯度的辨识方法等，但是在过热汽温预测中，智能优化算法收敛速度慢，容易陷入局部最优解，导致辨识得到的参数不够精确，随机梯度算法利用梯度搜索原理进行参数估计，但是计算量小，但是收敛速度慢，针对上述问题，也需要提高预测模型的辨识速度和精度。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多新息随机梯度优化的过热汽温预测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于多新息随机梯度优化的过热汽温预测方法，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 (即用以训练过热汽温预测Hammerstein非线性辨识模型的输入u(t)和输出y(t))；

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。

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。

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：

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)；