[发明专利]一种燃煤机组高温过热器壁温预测神经网络模型

说明书

本发明公开了一种燃煤机组高温过热器壁温预测神经网络模型，由多个神经网络递次连接组成，每一个神经网络由输入层、隐含层和输出层组成；所述输入层分为预测受热面壁温变量输入、上游受热面壁温变量输入和其他关键变量输入三类，既考虑了影响壁温的关键因素以及上游受热面壁温变化情况，同时考虑了预测受热面壁温历史数据对自身的影响；确定输入变量结构、修正输入参数延迟系数、隐含层个数、激活函数，提高模型训练和泛化精度，通过递次壁温预测获得不同时刻预测壁温的变化趋势，实现较优的高温过热器壁温预测精度。

技术领域

本发明涉及燃煤机组受热面壁温特性建模技术领域，具体涉及一种燃煤机组高温过热器壁温预测神经网络模型。

背景技术

随着燃煤机组等级的不断提高，提高蒸汽温度、压力等发电参数是超超临界机组效率提升的重要途径，但蒸汽温度上升对蒸汽管道材料、壁温控制提出了更高要求。受限于材料的蠕变强度及持久强度的制约，温度波动必须在安全裕度以内，由于受热面壁温测量偏差造成不能及时进行参数调整,使受热面长时间超温运行势必会增加爆管的风险，另外,目前国内超(超)临界直流锅炉由于对受热面金属温度的监控重视不足,容易产生氧化皮脱落堵塞,也极易发生受热面爆管事故。因此对于受热面壁温的实时测量、壁温的提前预测与控制是降低爆管风险的有效途径。

目前，燃煤机组对于受热面壁温的测量方案主要是以下两种：

1)通过在锅炉过热器、再热器、水冷壁等部位的管壁金属处安装大量的热电偶来实现壁温测量，利用单独的监视系统或者直接接入DCS系统直接监视,提高锅炉长期运行的安全行、稳定性；目前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；同时该方法只能够测得当前时刻温度值，由于测点较多，只有测点发生超温现象时才会发出报警，从而运行人员根据实际经验对锅炉参数进行相应的调整。这样会导致运行人员在壁温超温监盘过程中无法对大量的壁温测点进行实时判断、并且当发生超温报警是在进行控制操作处理，不能及时解决超温问题，对锅炉运行安全带来了不利的影响。

2)通过机理或数理分析方法建立壁温预测模型，从而实现壁温的计算和预测。其中通过水冷壁、过热器等部件的机理建模分析计算壁温，这种方法较为复杂，边界参数较多，电厂实际测点无法给出所有边界参数，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，无法实时参与电站壁温闭环控制；基于数理建模分析方法，目前多采用基于人工神经网络的的壁温预测方法，只考虑了外部因素对壁温的影响，采用BP神经网络等静态网络结构对锅炉管壁温度进行预测。对于当前壁温历史数据、上游壁温历史数据以及相关因素的变化速率并未考虑，并未对时序预测神经网络结构、神经网络激活函数等内容进行研究，预测结构较为落后、计算结果较差。

综上所述，现有的壁温超温应对措施和预测手段，仅仅停留在显示报警，从而凭借运行人员经验进行参数更改，并未实现闭环控制。另一方面，壁温预测模型需要优化，从而实现壁温精准预测，实现提前闭环操作避免壁温超温。

发明内容

为了克服上述现有技术存在的问题，本发明提供一种燃煤机组高温过热器壁温预测神经网络模型，考虑左右两侧二级减温水量、左右两侧屛式过热器壁温平均温度、机组负荷、高温过热器壁温最大值等关键因素来分析确定输入变量结构，实现较优的壁温预测精度；通过递次壁温预测获得不同时刻预测壁温的变化趋势，实现较优的壁温预测精度。

为了实现上述目的，本发明的预测模型采用以下技术方案：