[发明专利]一种考虑锅炉过热器氧化皮影响的壁温测量方法与系统

权利要求书

1.一种考虑锅炉过热器氧化皮影响的壁温测量方法，包括：

步骤S1、基于专家算法得到锅炉过热器内壁壁温的影响参数，并基于所述影响参数数据和对应的锅炉过热器内壁壁温数据构建训练集；

步骤S2、将所述训练集输入到基于机器学习算法的过热器内壁壁温预测模型中，得到训练完成的预测模型；

步骤S3、基于此时的影响参数数据，预测得到此时的锅炉过热器内壁壁温；

步骤S4、基于超声波测试系统对锅炉过热器内壁氧化层厚度进行测量，得到此时的锅炉过热器氧化层厚度；

步骤S5、当氧化层厚度大于第一阈值后，对所述锅炉过热器内壁壁温进行修正，得到修正后的锅炉过热器内壁壁温。

2.根据权利要求1所述的壁温测量方法，其特征在于，所述过热器内壁壁温的影响参数包括发电机功率，主汽压力，主汽温度，给水流量，给煤量，一次风量，二次风量、过热蒸汽出口压力、过热蒸汽流量、过热燕汽出口温度。

3.根据权利要求1所述的壁温测量方法，其特征在于，在基于所述影响参数数据和对应的锅炉过热器内壁壁温数据构建训练集之前，通过均值滤波算法对所述影响参数数据进行数据清洗。

4.根据权利要求1所述的壁温测量方法，其特征在于，所述锅炉过热器内壁壁温数据包括入口温度、中段温度、出口温度。

5.根据权利要求1所述的壁温测量方法，其特征在于，所述机器学习算法采用FOA-GRNN算法，其具体步骤为：

S1：参数初始化，初始化果蝇群体位置；

S2：赋予果蝇个体利用嗅觉搜寻食物的随机距离与方向，并得到此时果蝇个体的随机位置；

S3：计算此时的气味浓度判定值，将所述判定值带入到气味浓度判定函数，得到此时的果蝇个体的气味浓度并标记其位置；

S4: 找出该果蝇群体中味道浓度最高的果蝇的气味浓度值及位置，此时果蝇群体利用视觉往该位置飞去；

S5: 进行迭代优化，重复S3和S4，当迭代至目标次数或者气味浓度值达到最大时，循环结束；

S6:以求得的气味浓度值作为此时GRNN算法的平滑因子，构建过热器内壁壁温预测模型。

6.根据权利要求5所述的壁温测量方法，其特征在于，所述气味浓度值达到最大时为此时的气味浓度值不再优于前一迭代味道浓度。

7.根据权利要求1所述的壁温测量方法，其特征在于，基于所述机理模型计算得到此时的锅炉过热器氧化层厚度包括入口过热器氧化层厚度、中段过热器氧化层厚度、出口过热器氧化层厚度。

8.根据权利要求1所述的壁温测量方法，其特征在于，还包括第二阈值，当氧化层厚度大于第二阈值时，基于此时的实时数据，对基于机器学习算法的过热器内壁壁温预测模型进行重新训练。

9.根据权利要求1所述的壁温测量方法，其特征在于，所述第一阈值和第二阈值根据过热器的位置、锅炉的类型和容量进行确定。

10.一种考虑锅炉过热器氧化皮影响的壁温测量系统，采用权利要求1-9任意一项所述的一种考虑锅炉过热器氧化皮影响的壁温测量方法，包括：

锅炉过热器内壁壁温预测模块，锅炉过热器氧化层计算模块，结果输出模块，其中锅炉过热器内壁壁温预测模块负责基于专家算法得到锅炉过热器内壁壁温的影响参数，并基于所述影响参数数据和对应的锅炉过热器内壁壁温数据构建训练集；将所述训练集输入到基于机器学习算法的过热器内壁壁温预测模型中，得到训练完成的预测模型；基于此时的影响参数数据，预测得到此时的锅炉过热器内壁壁温；锅炉过热器氧化层计算模块负责基于超声波测试系统对锅炉过热器内壁氧化层厚度进行测量，得到此时的锅炉过热器氧化层厚度；结果输出模块负责当氧化层厚度大于第一阈值后，对所述锅炉过热器内壁壁温进行修正，得到修正后的锅炉过热器内壁壁温。