【技术实现步骤摘要】
基于门控神经网络的电站锅炉水冷壁壁温在线预测方法
[0001]本专利技术涉及基于门控神经网络的水冷壁管道温度在线预测方法。属于电站锅炉设备水冷壁管道温度软测量
技术介绍
[0002]锅炉是火电机组的三大主机之一，炉膛内部结构复杂，大小事故频发。在火力发电厂中锅炉的可靠程度直接影响到电站的安全性。在较长一段时间内还将以火力发电为主。加强锅炉的安全性与经济性，保证机组持续稳定运行是今后的重要发展方向。
[0003]每年由锅炉故障导致的非计划停运占计划外停机总时间的58％。随着热力发电行业的高速发展，超超临界锅炉的设计指标由常规的参数提高到更高效的参数，再热器也由原来的一次再热提高到二次再热。现有技术中有一种660WM超超临界二次再热燃煤发电机组。随着机组功率增加，过热器系统压力的升高，出口蒸汽温度已达到623℃，这使得水冷壁管道中高压水汽的温度也相应提高。在此情况下锅炉的持续稳定运行问题要得到重视，锅炉的可靠与否将决定整个电厂是否稳定运行。
[0004]在锅炉中水冷壁是辐射蒸发的受热面，是锅炉蒸发受热面...
【技术保护点】
【技术特征摘要】
1.基于门控神经网络的电站锅炉水冷壁壁温在线预测方法，其特征在于，包括以下步骤：步骤一、利用传感器等间隔采集水冷壁管道温度和水冷壁管道温度相关变量，所述水冷壁管道温度相关变量包括锅炉给水阀入口压力、侧二次风温和再热器温度；步骤二、对水冷壁管道温度和水冷壁管道温度相关变量进行数据预处理，得到预处理后的数据，作为历史训练数据集，其中输入训练数据为水冷壁管道温度相关变量，输出训练数据为水冷壁管道温度；步骤三、建立门控神经网络模型，利用历史训练数据对门控神经网络模型进行离线训练，得到离线训练好的门控神经网络模型；步骤四、对离线训练好的门控神经网络模型进行模型参数在线更新，得到在线更新参数的门控神经网络模型，具体过程包括：在历史训练数据集中找出与实时采集的水冷壁管道温度相关变量相关度高的训练数据，所述训练数据包括水冷壁管道相关变量和水冷壁管道温度，利用找出的训练数据对门控神经网络模型进行参数的在线更新，得到在线更新后的门控神经网络模型；步骤五、将实时采集的水冷壁管道温度相关变量输入至在线更新后的门控神经网络模型，输出得到预测的水冷壁管道温度，并将所述实时采集的水冷壁管道温度相关变量和预测的水冷壁管道温度经预处理后存入历史训练数据集中。2.根据权利要求1所述基于门控神经网络的电站锅炉水冷壁壁温在线预测方法，其特征在于，所述水冷壁管道温度相关变量包括锅炉给水阀入口压力、侧二次风温和再热器温度。3.根据权利要求1所述基于门控神经网络的电站锅炉水冷壁壁温在线预测方法，其特征在于，所述对水冷壁管道温度和水冷壁管道温度相关变量进行数据预处理，得到预处理后的数据，作为历史训练数据集，具体过程包括：步骤二一、剔除在某一时刻传感器收集的含有缺失或损坏数据的所有数据；步骤二二、对剔除数据后的水冷壁管道温度和水冷壁管道温度相关变量进行归一化处理；步骤二三、设置时间步长，将归一化后的水冷壁管道温度相关变量和水冷壁管道温度按照设置的时间步长进行滑窗分割，得到长度相同的数据，作为历史训练数据集。4.根据权利要求3所述基于门控神经网络的电站锅炉水冷壁壁温在线预测方法，其特征在于，所述步骤二二对剔除数据后的水冷壁管道温度和水冷壁管道温度相关变量进行归一化处理，具体过程为：其中x*代表归一化后的样本数据，x
min
代表样本数据中最小值，x
max
表示样本数据中的最大值。5.根据权利要求4所述基于门控神经网络的电站锅炉水冷壁壁温在线预测方法，其特征在于，步骤二三中滑窗的宽度为水冷壁管道温度相关变量的个数，所述滑窗的长度为时间步长。6.根据权利要求5所述基于门控神经网络的电站锅炉水冷壁壁温在线预测方法，其特
征在于，步骤三中门控神经网络的前向传递网络表示为：r
t
...
【专利技术属性】
技术研发人员：马甜甜，管志伟，夏良伟，于强，王欢，黄莺，马孝纯，李亚坤，魏国华，梁宝琦，沈涛，孟晓冬，杨天昱，孙晶，朱绘娟，姜文婷，
申请(专利权)人：哈尔滨锅炉厂有限责任公司，
类型：发明
国别省市：
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。