基于长短期记忆神经网络的燃煤锅炉热效率预测方法技术

本申请提出了一种基于长短期记忆神经网络的燃煤锅炉热效率预测方法。属于效率预测领域，包括按时间维度收集相关历史数据，形成影响因子数据序列，收集锅炉运行中排出的煤灰和煤渣，检测其中的含碳量作为样本的输出数据。将样本集时间序列数据输入长短期记忆神经网络进行训练。训练完成后，将待预测的锅炉实时数据输入长短期记忆神经网络，得出锅炉预测热效率。本申请能够挖掘并记忆锅炉连续运行过程中参数自身变化与热效率影响的客观规律，克服锅炉持续性燃烧调整的工况叠加带来的预测误差，提高学习效率，提升预测精度。

Prediction Method of Thermal Efficiency of Coal-fired Boiler Based on Long-term and Short-term Memory Neural Network

In this application, a prediction method of thermal efficiency of coal-fired boiler based on long-term and short-term memory neural network is proposed. It belongs to the field of efficiency prediction, including collecting relevant historical data according to time dimension, forming influence factor data series, collecting coal ash and cinder discharged from boiler operation, and detecting carbon content as output data of samples. Sample set time series data are input into long-term and short-term memory neural network for training. After the training, the real-time data of the boiler to be predicted are input into the long-term and short-term memory neural network, and the predicted thermal efficiency of the boiler is obtained. This application can excavate and memorize the objective law of the change of parameters and the influence of thermal efficiency in the continuous operation of the boiler, overcome the prediction error caused by the superposition of the working conditions of the boiler's continuous combustion adjustment, improve the learning efficiency and improve the prediction accuracy.

【技术实现步骤摘要】
基于长短期记忆神经网络的燃煤锅炉热效率预测方法
本申请属于效率预测领域，特别涉及基于长短期记忆神经网络的燃煤锅炉热效率预测方法。
技术介绍
燃煤锅炉的热效率受到多种热损失的影响，以机械不完全燃烧损失q4受燃煤锅炉燃烧状况影响最为复杂，煤灰和煤渣中的含碳量受燃煤锅炉煤种和多组运行参数互相影响，数据关系性很难以常规的计算公式表达。行业内已有的燃煤锅炉的热效率预测方法主要有三类：第一类是采用灰箱建模方法应用于电站燃煤锅炉效率预测。首先，根据相关燃煤锅炉效率的简化计算公式，获取燃煤锅炉效率预估先验知识；然后构造燃煤锅炉效率的灰箱模型；最后，以机理模型为标准，进行灰箱模型预测能力的评估。灰箱模型具有样本需求量少、计算工作量小、过程简单等特点。但该方法也具有容错性小，很大程度依赖主观先验知识，不适合进行长期预测的缺陷。第二类多元线性回归分析法快速预测蒸汽燃煤锅炉热效率，该方法对影响燃煤锅炉热效率的因素进行了分析和讨论，利用燃煤锅炉的实测热工性能试验数据作为验证试验，基于对燃煤锅炉能效测试数据的分析建立多元线性回归分析模型，应用于燃天然气蒸汽燃煤锅炉热效率的实际预测。该预测方法可充分利用燃煤锅炉现本文档来自技高网...

【技术保护点】
1.基于长短期记忆神经网络的燃煤锅炉热效率预测方法，其特征在于，所述预测方法，包括：按时间维度采集包括燃煤锅炉负荷在内的燃煤锅炉参数，得到样本集时间序列数据；在样本集时间序列数据中提取影响因子数据和输出数据，对影响因子数据和输出数据进行基于Z‑Score方法的标准化处理；在标准化处理后的影响因子数据中选取特征进行基于累计贡献度阈值调整的主成分分析过程，得到主成分特征组合；将得到的主成分特征组合以及标准化处理后的输出数据导入长短期记忆神经网络中进行训练，得到长短期记忆神经网络预测模型；将燃煤锅炉当前的实时运行数据导入长短期神经网络预测模型中进行运算，得到针对燃煤锅炉热效率的预测结果。

【技术特征摘要】
1.基于长短期记忆神经网络的燃煤锅炉热效率预测方法，其特征在于，所述预测方法，包括：按时间维度采集包括燃煤锅炉负荷在内的燃煤锅炉参数，得到样本集时间序列数据；在样本集时间序列数据中提取影响因子数据和输出数据，对影响因子数据和输出数据进行基于Z-Score方法的标准化处理；在标准化处理后的影响因子数据中选取特征进行基于累计贡献度阈值调整的主成分分析过程，得到主成分特征组合；将得到的主成分特征组合以及标准化处理后的输出数据导入长短期记忆神经网络中进行训练，得到长短期记忆神经网络预测模型；将燃煤锅炉当前的实时运行数据导入长短期神经网络预测模型中进行运算，得到针对燃煤锅炉热效率的预测结果。2.根据权利要求1所述的基于长短期记忆神经网络的燃煤锅炉热效率预测方法，其特征在于，所述在样本集时间序列数据中提取影响因子数据和输出数据，对影响因子数据和输出数据进行基于Z-Score方法的标准化处理，包括：获取影响因子数据和输出数据中目标类数据的均值，以及目标类数据中每个数据相对于均值的标准差；基于Z-Score标准化处理公式针对得到的均值和标准差对所述目标类数据中的每个数据进行调整，得到标准化处理后的影响因子数据以及标准化处理后的输出数据。3.根据权利要求2所述的基于长短期记忆神经网络的燃煤锅炉热效率预测方法，其特征在于，所述Z-Score标准化处理公式，包括：公式一中，X代表影响因子数据和输出数据中的因子，μ为因子X的平均值，Xzs为标准化处理后的输出数据，σ为因子X的标准差。4.根据权利要求1所述的基于长短期记忆神经网络的燃煤锅炉热效率预测方法，其特征在于，所述在标准化处理后的...

【专利技术属性】
技术研发人员：李佳鹤，徐慧，金海，姚炜，
申请(专利权)人：浙江蓝卓工业互联网信息技术有限公司，
类型：发明
国别省市：浙江,33