一种基于作用力的煤粉流速测量方法及系统技术方案

本发明专利技术提供基于作用力的煤粉流速测量方法及系统，包括集管道内的压力值和流速值，每条数据均包含时间信息，记录一段时间内的压力值和流速值的时序变化；对采集的数据进行预处理，将预处理后的数据划分为训练集和测试集；构建时间递归神经网络模型，用于学习压力和煤粉流速之间的时序关系；采用训练集对模型进行训练，根据目标函数的梯度，通过反向传播算法计算梯度，并根据学习率调整权重值和偏置值，以最小化目标函数；采用测试集对训练好的模型进行评估，将测试集的压力值时间序列数据输入训练好的模型，得到对应的煤粉流速值的预测结果。本发明专利技术能够提高煤粉流速测量的实时性，使得对煤粉流速的监测和调控更加精确和迅速。得对煤粉流速的监测和调控更加精确和迅速。得对煤粉流速的监测和调控更加精确和迅速。

【技术实现步骤摘要】
一种基于作用力的煤粉流速测量方法及系统


[0001]本专利技术涉及煤粉流速测量
，具体涉及一种基于作用力的煤粉流速测量方法及系统。

技术介绍

[0002]在火力发电过程中，一次风管道内煤粉流速及浓度的均匀性对于电力生产的经济性和安全性尤为重要。实现对流速和浓度的控制需先对一次风管道煤粉的流速实现精确测量。
[0003]随着电厂规模的增加和节能意识的提高，制粉系统的设计越来越紧凑、一次风道越来越短，而测量装置安装在磨煤机一次风道进口处，其测点位置距离冷、热风混合处仅为1.5倍当量直径，远小于测试要求的5倍当量直径；且煤粉流速流量的测量环境为风粉混合环境，冷、热风的流速和温度偏差较大，造成测量截面处气流分布不均，测量装置所处的位置气流不稳定，流场冷热态差别大，导致很多火力发电厂煤粉的流速无法准确测量且线性度较差。
[0004]国内许多电厂和机构针对此问题进行了多方的摸索，尝试的方向多集中于测量元件的优化：如采用新型机翼测量装置、变单点测量为多点测量等，但这些尝试效果都不明显且带来额外的改造和维护费用；也有部分研究人员试图利用流体力学方程间接计算，但对测量精度的改进依然不大；国外有部分研究已将数值模拟方法应用于火电厂的设备改造和系统优化，但尚未有利用数值模拟方法提高测量精度的算例。目前仍缺乏准确、可靠的一次风粉复杂两相流动介质的测量技术。

技术实现思路

[0005]专利技术目的：本专利技术目的在于针对现有技术的不足，提供一种基于作用力的煤粉流速测量方法及系统，能够快速适应新的数据输入并更新预测结果，对压力测量数据进行实时处理和预测，提高煤粉流速测量的实时性，使得对煤粉流速的监测和调控更加精确和迅速。
[0006]技术方案：本专利技术所述基于作用力的煤粉流速测量方法，包括：S1：采用压力传感器、煤粉测速仪采集管道内的压力值和流速值，每条数据均包含时间信息，记录一段时间内的压力值和流速值的时序变化；S2：对S1采集的数据进行预处理，将预处理后的数据划分为训练集和测试集；S3：构建时间递归神经网络模型，用于学习压力和煤粉流速之间的时序关系，包括输入层、N个隐含层、输出层，所述输入层用于接收压力值、流速值作为时间序列输入，假设时间步长为T，第t个时间步的输入表示为，其中是压力值，是流速值；每个所述隐含层包含一个时间递归单元，第个时间递归单元的隐含层状态表示为：
其中，是输入层到隐含层的权重矩阵，是隐含层到隐含层的权重矩阵，是偏置向量，是非线性激活函数；所述输出层用于预测下一个时间步的流速值，输出层的表达式为：其中，V是隐含层到输出层的权重矩阵，c是偏置向量；S4：采用RMSE作为目标函数，以衡量预测值与真实值之间的差异，RMSE通过计算预测值与真实值之间平方差的均值，然后取平方根得到：其中，T是时间序列的长度，是模型预测的流速值，是真实的流速值；采用训练集对模型进行训练，根据目标函数的梯度，通过反向传播算法计算梯度，并根据学习率调整权重值和偏置值，以最小化目标函数；S5：采用测试集对训练好的模型进行评估，将测试集的压力值时间序列数据输入训练好的模型，得到对应的煤粉流速值的预测结果。
[0007]进一步完善上述技术方案，所述S2数据预处理包括；首先去掉异常值和缺失值，然后进行归一化处理，数据范围为(0，1)，再使用滑动窗口的方法，将一系列连续的压力测量值转换为一组时间步的输入序列，经过转化的数据集作为模型的输入变量。
[0008]进一步地，所述数据按照时间顺序划分，将前80%的数据作为训练集，后20%的数据作为测试集。
[0009]进一步地，所述隐含层为三层，其中：第一层LSTM(units=64, return_sequences=True, input_shape=(timesteps, input_dim))，第一层LSTM具有64个单元，返回完整的序列输出，并且输入形状为(timesteps, input_dim)，其中timesteps表示时间步数，input_dim表示每个时间步的特征维度；第二层LSTM(units=32, return_sequences=True)，第二层LSTM具有32个单元，返回完整的序列输出；第三层LSTMLSTM(units=16)，第三层LSTM具有16个单元，不再返回序列输出，只返回最后一个时间步的输出。
[0010]进一步地，所述隐含层采用的非线性激活函数为ReLU。
[0011]进一步地，所述S4训练过程包括：S401：采用随机梯度下降作为优化器，并设置学习率；S402：定义最大迭代次数、批次大小和收敛容差作为停止条件；S403：在每次迭代中，首先对训练集进行打乱，然后将训练集分成多个批次进行训练，在每个批次中，通过前向传播计算预测值，并计算损失函数；然后使用反向传播算法计算梯度，并使用优化器更新模型的权重和偏置；在每次迭代结束后，使用训练集计算损失和评估指标，并记录训练过程中的损失和评估指标；S404：判断当前训练过程是否达到停止条件，如果没有，重复进行前向传播、损失
函数计算、反向传播和参数更新，直到达到停止条件则停止训练。
[0012]本专利技术还提供用于实现上述基于作用力的煤粉流速测量方法的系统，包括：数据采集模块，用于采集管道内的压力值和流速值，每条数据均包含时间信息，记录一段时间内的压力值和流速值的时序变化；数据处理模块，对损失数据采集模块采集的数据进行预处理，将预处理后的数据划分为训练集和测试集；时间递归神经网络模型模块，包括输入层、N个隐含层、输出层，所述输入层用于接收压力值、流速值作为时间序列输入，假设时间步长为T，第t个时间步的输入表示为，其中是压力值，是流速值；每个所述隐含层包含一个时间递归单元，第个时间递归单元的隐含层状态表示为：其中，是输入层到隐含层的权重矩阵，是隐含层到隐含层的权重矩阵，是偏置向量，是非线性激活函数；所述输出层用于预测下一个时间步的流速值，输出层的表达式为：其中，V是隐含层到输出层的权重矩阵，c是偏置向量；采用RMSE作为目标函数，以衡量预测值与真实值之间的差异，RMSE通过计算预测值与真实值之间平方差的均值，然后取平方根得到：其中，T是时间序列的长度，是模型预测的流速值，是真实的流速值；训练模块，采用训练集对模型进行训练，根据目标函数的梯度，通过反向传播算法计算梯度，并根据学习率调整权重值和偏置值，以最小化目标函数；测试模块，采用测试集对训练好的模型进行评估，将测试集的压力值时间序列数据输入训练好的模型，得到对应的煤粉流速值的预测结果。
[0013]有益效果：与现有技术相比，本专利技术的优点在于：针对煤粉流速这样具有时变性质的数据，本专利技术提供的基于作用力的煤粉流速测量方法，采用时间递归神经网络模型，能够处理时间序列数据，并通过时间的信息来捕捉数据之间的时序关系，通过循环单元内部的记忆机制，可以保持和传递过去时间步的信息，从而能够捕捉到长期的依赖关系，对于煤粉流速测量来说尤为重要，因为煤粉流速可能受到多个时间步之前的压力变化的影响。在煤粉流速测量中，由于实际操作中采样频率可能不均本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于作用力的煤粉流速测量方法，其特征在于，包括：S1：采用压力传感器、煤粉测速仪采集管道内的压力值和流速值，每条数据均包含时间信息，记录一段时间内的压力值和流速值的时序变化；S2：对S1采集的数据进行预处理，将预处理后的数据划分为训练集和测试集；S3：构建时间递归神经网络模型，用于学习压力和煤粉流速之间的时序关系，包括输入层、N个隐含层、输出层，所述输入层用于接收压力值、流速值作为时间序列输入，假设时间步长为T，第t个时间步的输入表示为，其中是压力值，是流速值；每个所述隐含层包含一个时间递归单元，第个时间递归单元的隐含层状态表示为：其中，是输入层到隐含层的权重矩阵，是隐含层到隐含层的权重矩阵，是偏置向量，是非线性激活函数；所述输出层用于预测下一个时间步的流速值，输出层的表达式为：其中，V是隐含层到输出层的权重矩阵，c是偏置向量；S4：采用RMSE作为目标函数，以衡量预测值与真实值之间的差异，RMSE通过计算预测值与真实值之间平方差的均值，然后取平方根得到：其中，T是时间序列的长度，是模型预测的流速值，是真实的流速值；采用训练集对模型进行训练，根据目标函数的梯度，通过反向传播算法计算梯度，并根据学习率调整权重值和偏置值，以最小化目标函数；S5：采用测试集对训练好的模型进行评估，将测试集的压力值时间序列数据输入训练好的模型，得到对应的煤粉流速值的预测结果。2.根据权利要求1所述的基于作用力的煤粉流速测量方法，其特征在于：所述S2数据预处理包括；首先去掉异常值和缺失值，然后进行归一化处理，数据范围为(0，1)，再使用滑动窗口的方法，将一系列连续的压力测量值转换为一组时间步的输入序列，经过转化的数据集作为模型的输入变量。3.根据权利要求2所述的基于作用力的煤粉流速测量方法，其特征在于：所述数据按照时间顺序划分，将前80%的数据作为训练集，后20%的数据作为测试集。4.根据权利要求1所述的基于作用力的煤粉流速测量方法，其特征在于：所述隐含层为三层，且采用LSTM为每一层，其中：第一层LSTM(units=64, return_sequences=True, input_shape=(timesteps, input_dim))，第一层LSTM具有64个单元，返回完整的序列输出，并且输入形状为(timesteps, input_dim)，其中timesteps表示时间步数，input_dim表示每个时间步的特
征维度；第二层LSTM(units=32, return_sequ...

【专利技术属性】
技术研发人员：刘玉超，张冠群，满长沛，李志华，舒伟，逯钰，王佳杰，
申请(专利权)人：国能神华九江发电有限责任公司，
类型：发明
国别省市：