一种基于高斯过程回归的换热器效率预测方法技术

本发明专利技术涉及核电检修领域，具体涉及一种基于高斯过程回归的换热器效率预测方法。目前核电厂未实现换热器换热效率实时在线预测。本发明专利技术包括：步骤一：获取换热器历史及当前运行数据；步骤二：形成训练数据集；步骤三：预测高斯过程回归模型；步骤四：预测换热器换热效率；步骤五：对换热效率进行滑动预测。本发明专利技术使用高斯过程回归方法实现了实时在线对换热器换热效率进行预测。同时采用滑动预测的形式，保证了预测结果的准确性，对换热器性能监测具有一定的指导意义。定的指导意义。定的指导意义。

【技术实现步骤摘要】
一种基于高斯过程回归的换热器效率预测方法


[0001]本专利技术涉及核电检修领域，具体涉及一种基于高斯过程回归的换热器效率预测方法。

技术介绍

[0002]核电厂设备众多，检修任务繁重且成本很高。中国核电厂目前普遍采取基于时间的定期维修策略，而不是根据设备运行状况的基于状态的维修策略。以核电厂板式换热器为例，其维修策略是定期冲洗、拆卸、更换部件等。原因主要是无法获取换热器的准确运行状态。换热效率是换热器的关键性能参数之一，该参数能在很大程度上反映换热器的性能好坏。根据换热器的历史运行状态预测未来一段时间内的换热效率，对实现换热器基于运行状态的维修具有一定的实际意义。目前核电厂未实现换热器换热效率实时在线预测。
[0003]本专利技术主要针对上述问题，开发一种基于高斯过程回归的换热器换热效率预测方法，可根据换热器历史运行数据对未来一段时间的换热器效率进行预测，得到换热器未来运行的趋势状态。

技术实现思路

[0004]1.目的：
[0005]为了填补核电厂换热器性能监测中对换热器换热效率在线实时预测的缺失，本专利技术提出了一种设计简单，适用性强的基于高斯过程回归的换热器换热效率预测方法。
[0006]2.技术方案：
[0007]为实现上述目的，本专利技术采用的技术方案是：
[0008]一种基于高斯过程回归的换热器效率预测方法，方法包括以下步骤：
[0009]步骤一：获取换热器历史及当前运行数据，具体包括：获取热侧和冷侧的进出口温度及流量。
[0010]步骤二：形成训练数据集，具体包括：(1)根据换热器效率计算公式，计算得到换热器历史换热效率，分别是以小时和天为单位计算得到的换热效率；(2)构造换热效率预测训练数据集X＝[x1,x2,
…
x
n
]T
，Y＝[y1,y2,
…
y
n
]T
，x为时间，y为效率。
[0011]步骤三：建立高斯过程回归模型，具体包括：
[0012](1)确定核函数和核函数的超参数；
[0013](2)对比选取不同核函数实施效果，选取平方指数协方差函数：
[0014][0015]其中，M＝diag(λ1,λ2,
…
,λ
d
)，λ表示特征长度尺度标尺，d为输入向量维数，为输出规模参数，为噪声的方差，δ
ij
为克罗内亚函数。当i＝j时，δ
ij
＝1，当i≠j时，δ
ij
＝0；
[0016](3)令θ为超参数取对数的集合即θ＝{lnλ1,lnλ2,
…
lnσ
f
,lnσ
n
}；采用极大似然估
计方法对高斯过程回归的超参数进行计算，具体如下：
[0017][0018]首先初始化超参数θ，然后使用共轭梯度法对上式求解，上式取得最大值时，超参数为最优解。
[0019]上述的核函数可为其它核函数，包括：有理二次协方差函数、线性协方差函数、Matem协方差函数、周期协方差函数、神经网络协方差函数、Bn样条曲线核函数、Fisher核函数、String核函数。
[0020]上述对比选取不同核函数，是指对比换热效率预测值与实际值的残差。
[0021]步骤四：预测换热器换热效率，具体包括：根据换热器历史及当前运行数据，使用高斯过程回归模型。
[0022]步骤五：对换热效率进行滑动预测，具体包括：使用迭代的方式，对换热效率进行滑动预测，通过改变参数，选择用于预测的历史数据数量及时刻，选择预测的时间段长度。
[0023]3.效果：
[0024]本专利技术使用高斯过程回归方法实现了实时在线对换热器换热效率进行预测。同时采用滑动预测的形式，保证了预测结果的准确性，对换热器性能监测具有一定的指导意义。
附图说明
[0025]图1是基于高斯过程回归的换热器换热效率预测流程图
[0026]图2是换热器效率预测图1
[0027]图3是换热器效率预测图2
具体实施方式
[0028]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0029]如图1所示，本专利技术的思路是：获取换热器历史及当前运行数据，必须包括热侧及冷测的进出口温度及流量；利用传热学基本公式，计算换热器换热效率，形成训练数据集。其中，根据实际需求，可选择每秒、每小时或每天等计算一次换热效率；利用训练数据集构建换热器效率预测高斯过程回归模型；根据换热器历史及当前运行数据，使用高斯过程回归模型预测换热器的换热效率；使用迭代的方式，对换热效率进行滑动预测。可通过改变参数，选择用于预测的历史数据数量及时刻，也可选择预测的时间段长度；
[0030]本实施例具体选择某核电厂板式换热器为对象，收集其42天的运行数据，具体包括：热侧进口温度、出口温度、流量和冷侧进口温度、出口温度、流量。
[0031]根据换热器效率计算公式，计算得到换热器历史换热效率。如图2和图3所示，分别是以小时和天为单位计算得到的换热效率。
[0032]构造换热效率预测训练数据集X＝[x1,x2,
…
x
n
]T
，Y＝[y1,y2,
…
y
n
]T
。x为时间，y为效率。其中，利用训练数据集构建换热器效率预测高斯过程回归模型，高斯过程回归模型关
键需要确定核函数和核函数的超参数。
[0033]通过对比选取不同核函数在本实施例的效果(对比换热效率预测值与实际值的残差)，选取平方指数协方差函数为本实施例的核函数，如下：
[0034][0035]其中，M＝diag(λ1,λ2,
…
,λ
d
)，λ表示特征长度尺度标尺，d为输入向量维数，为输出规模参数，为噪声的方差，δ
ij
为克罗内亚函数。当i＝j时，δ
ij
＝1，当i≠j时，δ
ij
＝0。
[0036]在本专利技术中，其它实施例的核函数也可为其它核函数：有理二次协方差函数、线性协方差函数、Matem协方差函数、周期协方差函数、神经网络协方差函数、Bn样条曲线核函数、Fisher核函数、String核函数等。
[0037]令θ为超参数取对数的集合即θ＝{lnλ1,lnλ2,
…
lnσ
f
,lnσ
n
}。一般采用极大似然估计(MLE)方法对高斯过程回归的超参数进行计算。具体如下：
[0038][0039]首先初始化超参数θ，然后使用共轭梯度法对上式求解，上式取得最大值时，超参数为最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高斯过程回归的换热器效率预测方法，其特征在于：步骤一：获取换热器历史及当前运行数据；步骤二：形成训练数据集；步骤三：建立高斯过程回归模型；步骤四：预测换热器换热效率；步骤五：对换热效率进行滑动预测；其中，步骤三：预测高斯过程回归模型，具体包括：(1)确定核函数和核函数的超参数；(2)对比选取不同核函数实施效果，选取平方指数协方差函数：其中，M＝diag(λ1,λ2,
…
,λ
d
)，λ表示特征长度尺度标尺，d为输入向量维数，为输出规模参数，为噪声的方差，δ
ij
为克罗内亚函数。当i＝j时，δ
ij
＝1，当i≠j时，δ
ij
＝0；(3)令θ为超参数取对数的集合即θ＝{lnλ1,lnλ2,
…
lnσ
f
,lnσ
n
}；采用极大似然估计方法对高斯过程回归的超参数进行计算，具体如下：首先初始化超参数θ，然后使用共轭梯度法对上式求解，上式取得最大值时，超参数为最优解。2.根据权利要求1所述的一种基于高斯过程回归的换热器效率预测方法，其特征在于：所述的步骤一：获取换热器历史及当前运行数据，具体包括：获取热侧和冷侧的进出口温度及流量。3.根据权利要求1所述的一种基于高斯过程回归的换热器效率预测方法，其特征在于：所述的步骤二：形成训练数据集，具...

【专利技术属性】
技术研发人员：于巍峰，苏华，
申请(专利权)人：中核核电运行管理有限公司，
类型：发明
国别省市：