一种针对进气冷却系统热力性能仿真方法及系统技术方案

本发明专利技术公开了一种针对进气冷却系统热力性能仿真方法及系统，涉及数据处理技术领域，包括定义进汽冷却系统的热力工况；获取建模所需数据，对建模所需数据进行数据预处理；对精炼数据按照进汽冷却系统的热力工况进行聚合，并根据聚合数据设置神经网络结构；对精炼数据按照预设规则进行数据划分，根据训练集和神经网络结构训练热力性能神经网络模型；获取额外的建模所需数据，并将其作为新的测试集，依据测试集和新的测试集对热力性能神经网络模型进行测试，对神经网络进行调整和优化。提高数据的有效性，降低数据冗余。以提高模型仿真的准确性和效果，保证热力性能神经网络模型的可靠性。靠性。靠性。

【技术实现步骤摘要】
一种针对进气冷却系统热力性能仿真方法及系统


[0001]本申请涉及数据处理
，更具体地，涉及一种针对进气冷却系统热力性能仿真方法和系统。

技术介绍

[0002]联合循环机组是一种高效的能源转换系统，其中包括燃气轮机和蒸汽轮机两个循环。在燃气轮机进气过程中，空气被压缩，导致进气温度升高，从而降低了燃气轮机的效率。为了解决这一问题，可以采用进气冷却技术来提高燃气轮机的效率。
[0003]进气冷却系统是联合循环机组的重要组成部分，其主要作用是通过冷却进气空气来提高燃气轮机的效率。在进气冷却系统中，空气通过热交换器与冷却介质进行热量交换，从而使进气空气温度降低。进气冷却系统的热力性能对联合循环机组的整体性能至关重要，因此需要对其进行仿真分析。
[0004]现有技术中，对进气冷却系统的热力性能仿真，往往通过建立数学模型或神经网络模型来进行仿真。但是，建模所需的数据仅仅经过简单处理，就进行使用建模，导致仿真的效果较差，且不能兼顾进气冷却系统的热力工况，仿真的适应性较差，建模准确度低，不能较好贴合进气冷却系统的热力情况。
[0005]因此，如何提高数据的有效性、仿真适应性，是目前有待解决的技术问题。

技术实现思路

[0006]本专利技术提供一种针对进气冷却系统热力性能仿真方法，用以解决现有技术中数据有效性差、数据存在冗余、仿真效果差和适应性低的技术问题。所述方法包括：
[0007]获取联合循环机组的历史数据和进汽冷却系统的历史数据，并定义进汽冷却系统的热力工况；
[0008]获取建模所需数据，对建模所需数据进行数据预处理，从而得到精炼数据；
[0009]对精炼数据按照进汽冷却系统的热力工况进行聚合，得到聚合数据，并根据聚合数据设置神经网络结构；
[0010]对精炼数据按照预设规则进行数据划分，得到训练集和测试集，根据训练集和神经网络结构训练热力性能神经网络模型；
[0011]获取额外的建模所需数据，并将其作为新的测试集，依据测试集和新的测试集对热力性能神经网络模型进行测试，从而对神经网络进行调整和优化。
[0012]本申请一些实施例中，获取联合循环机组的历史数据和进汽冷却系统的历史数据，并定义进汽冷却系统的热力工况，包括：
[0013]将进汽冷却系统的历史数据划分为运行数据和热力性能数据，对联合循环机组的历史数据、运行数据和热力性能数据进行时间上的对齐；
[0014]计算联合循环机组的历史数据和运行数据分别与热力性能数据的相关度，将相关度超过对应相关度阈值的联合循环机组的历史数据种类和运行数据种类筛选出来，并分别
构建辅助数据集和主数据集；
[0015]基于热力性能数据构建热力性能数据序列，根据热力性能数据中的特征值确定子序列数量，按照子序列数量将热力性能数据序列划分成多个子序列；
[0016]确定每个子序列的数据波动性，并将数据波动性相近，且时间相邻的子序列进行合并，并将合并后的子序列按照数据波动性进行从小到大的排序，每个子序列对应有一个热力工况等级；
[0017]根据子序列的时间确定对应的辅助数据集范围和主数据集范围，从而建立辅助数据集范围和主数据集范围与热力工况等级间的匹配关系。
[0018]本申请一些实施例中，获取建模所需数据，对建模所需数据进行数据预处理，从而得到精炼数据，包括：
[0019]数据预处理包括数据去重、数据缺失处理和数据归一化；
[0020]数据去重，包括：
[0021]将建模所需数据划分为运行属性、环境属性、生产属性和数据通信属性，赋予这四种属性不同权重，并建立数据列表；
[0022]若不同数据的运行属性、环境属性、生产属性和数据通信属性均对应相同，则生成第一重复标签；
[0023]若不同数据的运行属性、环境属性、生产属性和数据通信属性中存在三种属性对应相同，则生成第二重复标签；
[0024]若不同数据的运行属性、环境属性、生产属性和数据通信属性中存在两种属性对应相同，则计算两种属性相同的属性权重之和，若属性权重之和大于剩余两者属性权重之和，则生成第三重复标签，否则不生成第三重复标签；
[0025]根据第一重复标签、第二重复标签和第三重复标签对重复数据进行随机删除，仅保留一条数据存在。
[0026]本申请一些实施例中，数据缺失处理，包括：
[0027]构建数据的运行属性、环境属性、生产属性和数据通信属性分别对应的数据时间序列；
[0028]判断每个数据时间序列上是否存在数据缺失，若数据时间序列上存在数据缺失，则统计数据缺失在数据时间序列上的分布情况；
[0029]若数据缺失在数据时间序列上的分布情况为极少，且不影响数据连续，则删除该数据缺失位置；
[0030]否则，基于数据缺失在数据时间序列上的分布情况采用不同手段对数据缺失位置进行填充。
[0031]本申请一些实施例中，数据归一化，包括：
[0032]将经过数据去重和数据缺失处理后的建模所需数据按照[0,1]范围进行归一化处理，比较归一化前后的建模所需数据的方差和标准差，得到方差和标准差的变化量；
[0033]若方差和标准差的变化量小于变化量阈值，则对[0,1]范围进行调整，重新进行归一化，直至方差和标准差的变化量不小于变化量阈值；
[0034]否则，不调整[0,1]范围，直接输出归一化以后的数据。
[0035]本申请一些实施例中，对精炼数据按照进汽冷却系统的热力工况进行聚合，得到
聚合数据，并根据聚合数据设置神经网络结构，包括：
[0036]按照热力工况等级对精炼数据进行聚合，得到不同热力工况等级对应的聚合数据；
[0037]确定每个热力工况等级对应的聚合数据的维度，并根据聚合数据的热力工况等级和维度设置神经网络结构的层数和节点数。
[0038]本申请一些实施例中，对精炼数据按照预设规则进行数据划分，得到训练集和测试集，包括：
[0039]基于运行属性、环境属性、生产属性和数据通信属性类别将数据划分成四种数据子集；
[0040]判断精炼数据与时间的相关度，从而选择对应的数据划分规则；
[0041]若精炼数据与时间的相关度较强，则根据数据子集属性对应的权重确定随机划分比例，从而将数据子集随机划分成训练集和测试集；
[0042]否则，将数据子集以时间序列表现，根据数据子集属性对应的权重确定时间顺序划分比例，从而将数据子集划分成训练集和测试集。
[0043]本申请一些实施例中，依据测试集和新的测试集对热力性能神经网络模型进行测试，从而对神经网络进行调整和优化，包括：
[0044]依据测试集和新的测试集对热力性能神经网络模型进行测试，分别得到第一评价指标和第二评价指标；
[0045]基于第一评价指标、第二评价指标和评价指标范围阈值确定第三评价指标，并根据第三评价指标对神经网络进行调整和优化。
[0046]本申请一些实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对进气冷却系统热力性能仿真方法，其特征在于，所述方法包括：获取联合循环机组的历史数据和进汽冷却系统的历史数据，并定义进汽冷却系统的热力工况；获取建模所需数据，对建模所需数据进行数据预处理，从而得到精炼数据；对精炼数据按照进汽冷却系统的热力工况进行聚合，得到聚合数据，并根据聚合数据设置神经网络结构；对精炼数据按照预设规则进行数据划分，得到训练集和测试集，根据训练集和神经网络结构训练热力性能神经网络模型；获取额外的建模所需数据，并将其作为新的测试集，依据测试集和新的测试集对热力性能神经网络模型进行测试，从而对神经网络进行调整和优化。2.如权利要求1所述的针对进气冷却系统热力性能仿真方法，其特征在于，获取联合循环机组的历史数据和进汽冷却系统的历史数据，并定义进汽冷却系统的热力工况，包括：将进汽冷却系统的历史数据划分为运行数据和热力性能数据，对联合循环机组的历史数据、运行数据和热力性能数据进行时间上的对齐；计算联合循环机组的历史数据和运行数据分别与热力性能数据的相关度，将相关度超过对应相关度阈值的联合循环机组的历史数据种类和运行数据种类筛选出来，并分别构建辅助数据集和主数据集；基于热力性能数据构建热力性能数据序列，根据热力性能数据中的特征值确定子序列数量，按照子序列数量将热力性能数据序列划分成多个子序列；确定每个子序列的数据波动性，并将数据波动性相近，且时间相邻的子序列进行合并，并将合并后的子序列按照数据波动性进行从小到大的排序，每个子序列对应有一个热力工况等级；根据子序列的时间确定对应的辅助数据集范围和主数据集范围，从而建立辅助数据集范围和主数据集范围与热力工况等级间的匹配关系。3.如权利要求1所述的针对进气冷却系统热力性能仿真方法，其特征在于，获取建模所需数据，对建模所需数据进行数据预处理，从而得到精炼数据，包括：数据预处理包括数据去重、数据缺失处理和数据归一化；数据去重，包括：将建模所需数据划分为运行属性、环境属性、生产属性和数据通信属性，赋予这四种属性不同权重，并建立数据列表；若不同数据的运行属性、环境属性、生产属性和数据通信属性均对应相同，则生成第一重复标签；若不同数据的运行属性、环境属性、生产属性和数据通信属性中存在三种属性对应相同，则生成第二重复标签；若不同数据的运行属性、环境属性、生产属性和数据通信属性中存在两种属性对应相同，则计算两种属性相同的属性权重之和，若属性权重之和大于剩余两者属性权重之和，则生成第三重复标签，否则不生成第三重复标签；根据第一重复标签、第二重复标签和第三重复标签对重复数据进行随机删除，仅保留一条数据存在。
4.如权利要求3所述的针对进气冷却系统热力性能仿真方法，其特征在于，数据缺失处理，包括：构建数据的运行属性、环境属性、生产属性和数据通信属性分别对应的数据时间序列；判断每个数据时间序列上是否存在数据缺失，若数据时间序列上存在数据缺失，则统计数据缺失在数据时间序列上的分布情况；若数据缺失在数据时间序列上的分布情况为极少，且不影响数据连续，则删除该数据缺失位置；否则，基于数据缺失在数据时间序列上的分布情况采用不同手段对数据缺失位置进行填充。5.如权利要求4所述的针对进气冷却系统热力性能仿真方法，其特征在于，数据归一化，包括：将经过数据去重和数据缺失处理后的建模所需数据按照[0,1]范围进行归一化处理，比较归一化前后的建模所需数据的方差和标准差，...

【专利技术属性】
技术研发人员：邱致猛，邹东，赵作让，刘海波，宋厅，韩宏孝，郝云生，何杰，王锐，谢运明，钟冰，王国楷，陈超，庞宏伟，钟明泽，杨兴业，陈果，陈俊伯，史冬冬，范嘉晟，林子杨，程雨潇，吴分，潘雪菲，秦黎阳，陈静艳，沙旭，张全龙，韦晓玲，张秀娟，马有为，李兆欣，张森浩，郝刚，
申请(专利权)人：华能桂林燃气分布式能源有限责任公司，
类型：发明
国别省市：