【技术实现步骤摘要】
基于CDBN-SVR的空气预热器转子变形软测量方法
本专利技术属于火电站热工自动化领域，具体涉及基于CDBN-SVR的空气预热器转子变形软测量方法。
技术介绍
回转式空气预热器利用烟气和空气交替地通过金属受热面来加热空气，它由转动地圆形转子和固定地外壳组成，转子式受热面里面装有蓄热板，蓄热板吸收燃气热量并蓄积起来，等到转至空气那面，再将热量释放给空气，自身温度降低。受热面不断旋转，热量便会不断从烟气传送给空气，空气得到加热，烟气冷却。但是，回转式空气预热器的漏风是一个重要问题，会造成巨大的能源浪费和经济损失，严重时会造成设备损毁，甚至会迫使机组降负荷运行。所以如何得到准确的转子热变形量是目前研究的重难点。连续型深度置信网络(ContinuousDeepBeliefNetwork，CDBN)作为一种半监督学习算法，能够充分利用工业现场已有数据，提取数据中有标签信息和无标签信息的隐含特征，同时将网络顶层的概率分类替换成具有强大非线性拟合能力的支持向量回归(SupportVectorRegression，SVR)算法，得到...
【技术保护点】
1.基于CDBN-SVR的空气预热器转子变形软测量方法，其特征在于，包括以下步骤：/n步骤1：对回转式空气预热器工业现场数据进行分析；/n步骤2：建立基本的CDBN网络模型；/n步骤3：对CDBN进行改进，将网络顶层的概率分类替换成具有强大非线性拟合能力的SVR算法；/n步骤4：采用基本算法CDBN和CDBN-SVR算法的预测结果进行对比，分析此模型的预测精度。/n
【技术特征摘要】
1.基于CDBN-SVR的空气预热器转子变形软测量方法，其特征在于，包括以下步骤：
步骤1：对回转式空气预热器工业现场数据进行分析；
步骤2：建立基本的CDBN网络模型；
步骤3：对CDBN进行改进，将网络顶层的概率分类替换成具有强大非线性拟合能力的SVR算法；
步骤4：采用基本算法CDBN和CDBN-SVR算法的预测结果进行对比，分析此模型的预测精度。
2.根据权利要求1所述的基于CDBN-SVR的空气预热器转子变形软测量方法，其特征在于，步骤1所述对回转式空气预热器运行过程得到的现场数据进行分析，其具体步骤为：
步骤1.1：剔除数据中不能刻画样本自身分布规律的非数字异常值，并且采用插补方法对含有缺失值的样本数据进行缺失数据的填补；
步骤1.2：为了消除样本不同属性具有不同量级时的影响，并且为了在进行数据训练的时候，将输入样本数据的值能够在模型训练中更加方便，采用min-max标准化方法对数据进行标准化，样本数据归一化后可表示为
其中，xjmax为第j变量中样本数据的最大值；xjmin为第j变量中样本数据的最小值；xij为第j变量样本中第i个数据对应处理前的数据，即待归一化的值；第j变量样本中第i个数据对应处理后的数据，即归一化后的值；
步骤1.3：初始变量集合可用Xi表示，输出变量表示为Y：
Xi＝{Xi(k)|k＝1,2,…,n},i＝1,2,…,m
Y＝{Y(k)|k＝1,2,…,n}
其中，Xi代表辅助变量集合；Y代表输出变量；m为辅助变量个数，n为数据量个数；
步骤1.4：采用灰色关联度分析法对初始变量集合进行降维，根据灰色关联度值以及阈值大小来确定软测量模型的辅助变量集合。
3.根据权利要求2所述的基于CDBN-SVR的空气预热器转子变形软测量方法，其特征在于，步骤2所述的建立基本的CDBN模型，其具体步骤为：
步骤2.1：CDBN网络是由多个RBM组成的特殊结构，一个RBM包含n个可见单元和m个隐含层单元，任意两个相连的神经元之间有一个权值W表示其连接权重，可见层单元和隐含层单元的状态分别用v和h表示；
步骤2.2：添加均值为0、方差为1的高斯随机噪声变量实现对单元状态连续化的转变，实现连续型RBM，可见层和隐含层单元的状态分别改变为vi和hj：
其中，ai是可见单元i的偏置；bj是隐含层单...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。