[发明专利]一种高炉风机运行工况预测方法、装置、设备及存储介质

权利要求书

1.一种风机运行工况预测方法，其特征在于，包括：

预先对径向基神经网络的参数进行优化，并基于优化后的径向基神经网络建立针对风机的初始工况预测模型；

获取所述风机的历史运行数据，并对所述历史运行数据进行预处理；利用经所述预处理后的历史运行数据，对所述初始工况预测模型进行训练，以得到应用于所述风机的目标工况预测模型；

不间断地获取所述风机的当前运行数据，并利用所述目标工况预测模型同步处理所述当前运行数据，以得到针对所述风机的运行工况预测数据；

利用所述运行工况预测数据，对所述风机接下来的运行工况进行预测。

2.如权利要求1所述的方法，其特征在于，所述预先对径向基神经网络的参数进行优化，包括：

预先对基础麻雀搜索算法进行定制化处理，得到定制麻雀搜索算法；

利用所述定制麻雀搜索算法，对所述径向基神经网络的参数进行优化。

3.如权利要求2所述的方法，其特征在于，所述预先对基础麻雀搜索算法进行定制化处理，得到定制麻雀搜索算法，包括：

在所述基础麻雀搜索算法中引入切比雪夫映射，并对所述切比雪夫映射中的混沌种群进行初始化；和/或

在所述基础麻雀搜索算法中的加入者位置引入权值因子；和/或

在所述基础麻雀搜索算法中的最优位置引入多项式变异，来得到所述定制麻雀搜索算法。

4.如权利要求2所述的方法，其特征在于，所述利用所述定制麻雀搜索算法，对所述径向基神经网络的参数进行优化，包括：

利用所述定制麻雀搜索算法，对所述径向基神经网络的高斯函数中心、高斯函数标准差以及输出层权值进行优化。

5.如权利要求1所述的方法，其特征在于，所述对所述历史运行数据进行预处理，包括：

对所述历史运行数据进行相关性分析，以从所述历史运行数据中确定出满足所述相关性的目标历史运行数据；

以及对所述历史运行数据进行无量纲处理；

所述历史运行数据，包括：

在目标历史时间段内所述风机的历史轴位移、历史转数、历史入口温度、历史放风阀开度、历史导叶开度、历史高炉送风流量、历史喉部压差以及历史出口压力。

6.如权利要求1所述的方法，其特征在于，所述利用所述运行工况预测数据，对所述风机接下来的运行工况进行预测，包括：

根据所述运行工况预测数据与预设喘振数据之间的差值，对所述风机接下来的运行工况进行预测；

其中，所述预设防喘振数据，基于所述风机的导叶变化速率进行对应调整。

7.如权利要求6所述的方法，其特征在于，所述根据所述运行工况预测数据与预设喘振数据之间的差值，对所述风机接下来的运行工况进行预测，包括：

当所述运行工况预测数据中的预测喉差与所述预设喘振数据中的参考喉差相同时；

若所述运行工况预测数据中的预测出口压力大于或等于所述预设喘振数据中的参考出口压力，且所述风机的当前运行数据不处于正常范围之内，则判断出所述风机处于喘振工况；否则处于正常工况。

8.一种风机运行工况预测装置，其特征在于，包括：

初始预测模型建立单元，用于预先对径向基神经网络的参数进行优化，并基于优化后的径向基神经网络建立针对风机的初始工况预测模型；

目标预测模型生成单元，用于获取所述风机的历史运行数据，并对所述历史运行数据进行预处理；利用经所述预处理后的历史运行数据，对所述初始工况预测模型进行训练，以得到应用于所述风机的目标工况预测模型；

风机运行工况预测单元，用于不间断地获取所述风机的当前运行数据，并利用所述目标工况预测模型同步处理所述当前运行数据，以得到针对所述风机的运行工况预测数据；以及利用所述运行工况预测数据，对所述风机接下来的运行工况进行预测。