一种飞灰含碳量预测方法、装置、设备及可读存储介质制造方法及图纸

本申请公开了一种飞灰含碳量预测方法、装置、设备及计算机可读存储介质，其中，该方法包括：确定飞灰含碳量的影响参数，并根据与影响参数对应的历史运行数据及对应的历史飞灰含碳量值，建立长短期记忆网络模型；获取影响参数在当前时刻对应的运行数据；根据运行数据及长短期记忆网络模型得到当前时刻的飞灰含碳量值。本申请公开的上述技术方案，由于长短期记忆网络模型是一种时间循环神经网络，其可以使用历史信息来帮助当前的决策，因此，本申请可以通过所建立的长短期记忆网络模型及影响参数在当前时刻的运行数据实现对飞灰含碳量的动态预测，从而可以提高飞灰含碳量预测的准确性。

【技术实现步骤摘要】
一种飞灰含碳量预测方法、装置、设备及可读存储介质
本申请涉及火力发电
，更具体地说，涉及一种飞灰含碳量预测方法、装置、设备及计算机可读存储介质。
技术介绍
随着环境问题与能源问题的日益突出，人们对绿色能源、节能减排等要求也愈发严格，如何提高煤炭能源的利用率，减少污染是实现可持续发展的关键。飞灰含碳量作为火电厂经济运行的主要指标之一，对提高发电效率，减少生产成本起到关键的指导作用。目前，常采用BP神经网络、支持向量机等方法建立飞灰含碳量模型，并利用这些模型实现飞灰含碳量预测，但这类模型是利用某一时刻的操作来对飞灰含碳量进行拟合预测，而飞灰含碳量是一段时间内操作的结果，因此，上述方式难以满足飞灰含碳量的动态预测，从而会降低飞灰含碳量预测的准确性。综上所述，如何提高飞灰含碳量预测的准确性，是目前本领域技术人员亟待解决的技术问题。
技术实现思路
有鉴于此，本申请的目的是提供一种飞灰含碳量预测方法、装置、设备及计算机可读存储介质，用于提高飞灰含碳量预测的准确性。为了实现上述目的，本申请提供如下技术方案：<本文档来自技高网...

【技术保护点】
1.一种飞灰含碳量预测方法，其特征在于，包括：/n确定飞灰含碳量的影响参数，并根据与所述影响参数对应的历史运行数据及对应的历史飞灰含碳量值，建立长短期记忆网络模型；/n获取所述影响参数在当前时刻对应的运行数据；/n根据所述运行数据及所述长短期记忆网络模型得到所述当前时刻的飞灰含碳量值。/n

【技术特征摘要】
1.一种飞灰含碳量预测方法，其特征在于，包括：
确定飞灰含碳量的影响参数，并根据与所述影响参数对应的历史运行数据及对应的历史飞灰含碳量值，建立长短期记忆网络模型；
获取所述影响参数在当前时刻对应的运行数据；
根据所述运行数据及所述长短期记忆网络模型得到所述当前时刻的飞灰含碳量值。


2.根据权利要求1所述的飞灰含碳量预测方法，其特征在于，确定飞灰含碳量的影响参数，包括：
确定飞灰含碳量的相关参数；
对与所述相关参数对应的历史相关数据及对应的历史飞灰含碳量值进行灰色关联分析，得到各所述相关参数与所述飞灰含碳量的灰色关联度；
将所述灰色关联度大于预设值的相关参数确定为所述飞灰含碳量的影响参数。


3.根据权利要求2所述的飞灰含碳量预测方法，其特征在于，根据与所述影响参数对应的历史运行数据及对应的历史飞灰含碳量值，建立长短期记忆网络模型，包括：
将所述历史运行数据输入到所述长短期记忆网络模型中，得到与所述历史运行数据对应的飞灰含碳量计算值；
根据所述飞灰含碳量计算值、与所述历史运行数据对应的所述历史飞灰含碳量值，利用梯度下降算法修正所述长短期记忆网络模型中的参数值，直至所述长短期记忆网络模型的精度达到预设精度。


4.根据权利要求3所述的飞灰含碳量预测方法，其特征在于，利用梯度下降算法修正所述长短期记忆网络模型中的参数值，包括：
利用BPTT梯度下降算法修正所述长短期记忆网络模型中的参数值。


5.一种飞灰含碳量预测装置，其特征在于，包括：
建立模块，用于确定飞灰含碳量的影响参数，并根据与所述影响参数对应的历史运行数据及对应的历史飞灰含碳量值，建立长短期记忆网络模型；
获取模块，...

【专利技术属性】
技术研发人员：李志超，陈家熠，袁俊，曾骥敏，宋亚杰，田鹏路，张少男，魏庆波，任新宇，
申请(专利权)人：华润电力技术研究院有限公司，
类型：发明
国别省市：广东;44