[发明专利]浆液密度的获取方法、装置、电子设备及存储介质

说明书

本公开涉及一种浆液密度的获取方法、装置、电子设备及存储介质，涉及火力发电领域。首先根据预设训练样本通过鲸鱼优化算法训练得到密度测量模型，然后获取生成石灰石浆液的目标控制参数的目标控制参数值，最后将所述目标控制参数值输入所述密度测量模型，以得到所述密度测量模型输出的所述石灰石浆液的浆液密度。避免相关技术中采用密度计直接获取浆液密度时密度计容易因为磨损导致测量结果不准确的问题，而采用与浆液密度相关的稳定测量获得的目标控制参数值获取浆液密度，降低了密度计定期更换维修的成本，提高了浆液密度结果的准确性，有利于提高烟气脱硫的效果。

技术领域

本公开涉及火力发电领域，尤其涉及一种浆液密度的获取方法、装置、电子设备及存储介质。

背景技术

在火力发电领域中，石灰石-石膏法脱硫是目前最成熟、应用范围最广的烟气脱硫技术，通过浆液制备系统得到的石灰石浆液的品质对脱硫效果有较大的影响，因此准确测量石灰石浆液的浆液密度十分重要。

目前，火电厂多采用密度计对浆液密度进行测量，密度计多为探头管道式安装结构，由于浆液粘度大，密度计的探头容易受到浆液的冲刷磨损，导致浆液密度的测量结果存在误差。

发明内容

为克服相关技术中存在的问题，本公开提供一种浆液密度的获取方法、装置、电子设备及存储介质。

根据本公开实施例的第一方面，提供一种浆液密度的获取方法，所述方法包括：

根据预设训练样本通过鲸鱼优化算法训练得到密度测量模型，所述鲸鱼优化算法的种群成员的元素为所述密度测量模型的模型参数，所述鲸鱼优化算法中每个种群成员的元素的初始元素值通过Logistic混沌映射得到，所述预设训练样本包括多个训练控制参数组的训练控制参数值和对应的训练输出参数的训练输出参数值，每个所述训练控制参数组包括多个训练控制参数，所述训练输出参数包括所述浆液密度；

获取生成石灰石浆液的目标控制参数的目标控制参数值；

将所述目标控制参数值输入所述密度测量模型，以得到所述密度测量模型输出的所述石灰石浆液的浆液密度。

可选地，所述密度测量模型为神经网络模型，所述根据所述预设训练样本通过鲸鱼优化算法训练得到密度测量模型包括：

根据预设神经网络模型的模型参数确定所述鲸鱼优化算法的鲸鱼优化算法参数，所述鲸鱼优化算法参数包括所述种群成员的元素、每个元素值的预设元素值阈值和鲸鱼种群规模；

根据所述鲸鱼优化算法参数和预设的混沌映射参数通过所述Logistic混沌映射获取所述鲸鱼优化算法的每个种群成员的当前元素值，所述混沌映射参数包括混沌映射系数；

根据所述鲸鱼优化算法参数、所述每个种群成员的所述当前元素值以及所述预设训练样本利用所述鲸鱼优化算法获取所述预设神经网络模型的目标模型参数值，将得到的所述目标神经网络模型作为所述密度测量模型。

可选地，所述根据预设神经网络模型的模型参数确定所述鲸鱼优化算法的鲸鱼优化算法参数包括：

将所述训练控制参数作为所述预设神经网络模型的输入节点，将所述浆液密度作为所述预设神经网络模型的输出节点，根据所述输入节点、所述输出节点以及所述预设神经网络模型的隐含神经元确定所述预设神经网络模型的模型参数，将所述模型参数作为所述种群成员的元素，所述模型参数包括第一连接权值、所述隐含神经元的第一阈值、第二连接权值以及所述输出节点的第二阈值，所述第一连接权值表征所述输入节点和所述隐含神经元之间的权值，所述第二连接权值表征所述隐含神经元和所述输出节点之间的权值；

根据预设的每个所述模型参数的模型参数值范围确定每个元素的所述元素值范围；

根据所述模型参数值的个数和模型训练的期望时间确定所述鲸鱼种群规模。