【技术实现步骤摘要】
一种基于图像变换的工业锅炉蒸汽量预测方法
本专利技术属于工业锅炉
，具体涉及一种基于图像变换的工业锅炉蒸汽量预测方法。
技术介绍
工业锅炉在发电和供暖方面具有广泛应用。锅炉通过燃煤产生的高温热量使水生成蒸汽，蒸汽再推动汽轮机旋转，进而带动发电机旋转，产生电能。锅炉运行产生的蒸汽量是评价锅炉生产性能与效率的重要指标。锅炉是一个复杂的非线性系统，锅炉产生的蒸汽量与许多特征因素如炉膛温度、过热器温度、一次配风、二次配风、煤质品种、给煤量、给水量等等有关。建立起工业锅炉蒸汽量的预测对指导特征因素控制，提高锅炉运行效率尤为关键。传统的预测方法主要为特征工程形式的工程试错方式进行人工设计与选择特征。人工设计的优劣决定了最终的任务精度，并且费时费力，适应性差，很难将其应用于另一任务。目前针对工业锅炉蒸汽量预测的现有技术如下：(1)以中国专利201510197675.4为例，通过采用径向基函数神经网络建立起输入和输出的关系从而对蒸汽量进行预测，但只采用了燃料量一个输入量，实际的蒸汽量与许多变量有关。而且径向基函数神经网...
【技术保护点】
1.一种基于图像变换的工业锅炉蒸汽量预测方法，其特征在于，包括预处理阶段和使用阶段；/n预处理阶段包括如下步骤：/n步骤1：制作样本数据集，样本数据集的特征变量数据和蒸汽量数据分别由锅炉传感器采集得到；/n步骤2：依次对每个样本中的特征变量数据进行制图，一张图中有三个通道，分别对应t时刻、t-1时刻、t-2时刻对应的特征变量数据，作为深度学习训练的原始数据输入图；/n步骤3：将t时刻蒸汽量数据作为目标输出值，作为深度学习训练的输出收敛目标；/n步骤4：基于深度学习训练方法将步骤2得到的原始数据输入图和步骤3得到的目标输出值划分为训练集和测试集，并对训练集的原始数据输入图和目...
【技术特征摘要】
1.一种基于图像变换的工业锅炉蒸汽量预测方法，其特征在于，包括预处理阶段和使用阶段；
预处理阶段包括如下步骤：
步骤1：制作样本数据集，样本数据集的特征变量数据和蒸汽量数据分别由锅炉传感器采集得到；
步骤2：依次对每个样本中的特征变量数据进行制图，一张图中有三个通道，分别对应t时刻、t-1时刻、t-2时刻对应的特征变量数据，作为深度学习训练的原始数据输入图；
步骤3：将t时刻蒸汽量数据作为目标输出值，作为深度学习训练的输出收敛目标；
步骤4：基于深度学习训练方法将步骤2得到的原始数据输入图和步骤3得到的目标输出值划分为训练集和测试集，并对训练集的原始数据输入图和目标输出值进行深度学习训练，最后保存训练好的模型；
使用阶段包括如下步骤：
(1)将要预测的样本用锅炉传感器采集特征变量数据，并按照预处理阶段的步骤2对新采集的特征变量数据制图得到原始数据输入图；
(2)利用预处理阶段步骤4得到的模型对使用阶段的步骤(1)的原始数据输入图进行预测，得到蒸汽量预测结果。
2.根据权利要求1所述的一种基于图像变换的工业锅炉蒸汽量预测方法，其特征在于，预处理阶段的步骤2中对特征变量数...
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。