[发明专利]电站锅炉热工参数预测监控系统与方法

摘要

本发明公开了一种电站锅炉热工参数预测监控系统，其包括分散控制系统DCS和监控工作站；分散控制系统DCS相应端口分别连接被测电站锅炉和监控工作站；监控工作站包括多模型预测模块、预测结果生成模块、预测结果显示模块、预测模型修正模块、参数异常预警模块和异常原因分析模块；分散控制系统DCS与被测电站锅炉的控制回路相应接口连接，分散控制系统DCS输出端接多模型预测模块输入端，多模型预测模块输出端分别接预测结果生成模块和参数异常预警模块输入端，预测结果生成模块输出端依次经预测结果显示模块和预测模型修正模块反馈回多模型预测模块，参数异常预警模块输出端接异常原因分析模块输入端。本发明的优点是预测准确、显示直观且能够预警分析。

主权项

1.一种电站锅炉热工参数预测监控系统，其特征在于：其包括分散控制系统DCS(2)和监控工作站(3)；所述分散控制系统DCS(2)的相应端口分别连接被测电站锅炉(1)和监控工作站(3)；所述监控工作站(3)包括多模型预测模块(4)、预测结果生成模块(5)、预测结果显示模块(6)、预测模型修正模块(7)、参数异常预警模块(8)和异常原因分析模块(9)；所述分散控制系统DCS(2)与被测电站锅炉(1)的控制回路相应接口双向连接，所述分散控制系统DCS(2)的输出端接多模型预测模块(4)的输入端，所述多模型预测模块(4)的输出端分别接预测结果生成模块(5)和参数异常预警模块(8)的输入端，所述预测结果生成模块(5)的输出端依次经预测结果显示模块(6)和预测模型修正模块(7)反馈回多模型预测模块(4)，所述参数异常预警模块(8)的输出端接异常原因分析模块(9)的输入端；所述多模型预测模块(4)包括三类共8个模型，第一类为2个输入输出差分方程模型，其中一个通过最小二乘辨识，另一个通过遗传算法优化，其分别得到n步的模型预测输出值x_1n和x_2n；第二类为3个BP神经网络模型，其分别具有不同的隐含层节点数，从而具有不同的泛化能力，通过LM算法训练，其分别得到n步的模型预测输出值x_3n、x_4n和x_5n；第三类为3个RBF神经网络模型，其分别具有不同的隐含层节点数，从而具有不同的泛化能力，通过梯度法训练，其分别得到n步的模型预测输出值x_6n、x_7n和x_8n；其中n＝1,2,…,N,N为超前预测步数。