一种基于深度学习模型的过热汽温预测控制方法技术

本发明专利技术涉及一种基于深度学习模型的过热汽温预测控制方法，该方法通过建立锅炉过热汽温系统的深度学习模型，基于该模型分别计算不同控制量下的未来时刻过热汽温的变化情况，并从中挑选最优控制结果对应的控制量作为控制器输出，进行过热汽温控制，从而提升机组过热汽温运行稳定性。与现有技术相比，本发明专利技术具有工程应用计算简单、进一步提升了过热汽温控制性能等优点。性能等优点。性能等优点。

【技术实现步骤摘要】
一种基于深度学习模型的过热汽温预测控制方法


[0001]本专利技术涉及热工智能控制及保护领域，尤其是涉及一种基于深度学习模型的过热汽温预测控制方法。

技术介绍

[0002]随着我国经济结构调整和转型升级深入推进，以及电力体制改革大力实施，智慧电厂在节能、降耗、减排等政策驱动下，综合互联网、大数据及人工智能等技术，通过推进智慧运行管理、智慧检修安全、智能控制等举措，已经成为电厂发展的主要趋势，且智慧电厂的投运可有效的提升电厂核心竞争力，推动电厂的持续发展。
[0003]传统过热汽温控制通常采用串级PID、Smith、状态观测器、多模型预测控制等控制方法。由于过热汽温对象延迟惯性较大、扰动因数较多且不同负荷工况下对象特性存在较大差异，因此上述控制方法通常仅能够解决特定扰动或特定工况下的过热汽温控制问题，无法解决针对全负荷工况和全面扰动因数的控制问题。随着智能控制技术和数据挖掘技术的快速发展，将深度学习技术应用于火电机组复杂对象建模和预测成为重要研究和应用领域。
[0004]深度学习模型由于具备低层特征组合成更抽象的高层特征，能够较好本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习模型的过热汽温预测控制方法，其特征在于，该方法通过建立锅炉过热汽温系统的深度学习模型，基于该模型分别计算不同控制量下的未来时刻过热汽温的变化情况，并从中挑选最优控制结果对应的控制量作为控制器输出，进行过热汽温控制，从而提升机组过热汽温运行稳定性。2.根据权利要求1所述的一种基于深度学习模型的过热汽温预测控制方法，其特征在于，该方法具体包括以下步骤：步骤S1，将锅炉制粉系统、燃烧系统和风烟系统的相关参数作为特征输入参数，选取历史运行数据采用循环神经网络训练预测锅炉过热汽温未来变化的深度学习模型；步骤S2，从DCS系统实时读取特征变量的参数值，建立动态数据存储矩阵队列；步骤S3，从动态数据存储矩阵队列中按照深度学习模型训练数据的采样周期和模型时间补偿，提取模型当期时刻的输入数据矩阵；步骤S4，将步骤S3中的数据矩阵输入深度学习模型分别计算锅炉过热汽温未来30s、60s、90s、120s、150s和180s的变化情况；步骤S5，获取过热汽温设定值未来设定值时间序列与步骤S4中预测的6个未来过热汽温变化数据进行比较，进行预测控制；步骤S6，确定减温水流量p2在一个控制周期内的变化量限值[
‑
Δp
a
,Δp
b
]，过热汽温预测控制中，以新设定的减温水流量代替当前时刻的减温水实际流量p2(k)，重新进行模型预测计算，获取未来时刻的过热汽温变化值步骤S7，计算不同输入下的过热汽温预测控制性能指标J
i
；步骤S8，选取最小J
i
对应的作为下一时刻的给水流量指令，进行过热汽温控制。3.根据权利要求2所述的一种基于深度学习模型的过热汽温预测控制方法，其特征在于，所述步骤S1中，共建立预测锅炉过热汽温未来30s、60s、90s、120s、150s和180s变化的6个模型。4.根据权...

【专利技术属性】
技术研发人员：石轲，陈欢乐，沈建峰，刘志成，吴周晶，杨康，姚洋阳，
申请(专利权)人：上海明华电力科技有限公司，
类型：发明
国别省市：