【技术实现步骤摘要】
本专利技术属于发电厂，尤其涉及基于bayes-catboost的主汽温预测方法。
技术介绍
1、随着社会经济的快速发展，我国电力设备的装机容量不断增加，因此提高电厂的安全运行与高效生产是一个重要研究方向。经过不断的发展和研究，我国的火力发电技术已经日趋成熟，但是由于锅炉内部环境以及现场控制环境的复杂性，仍然存在一些急需解决的问题。汽水系统是火电机组重要组成部分，受锅炉燃烧状况、负荷波动等影响，汽水系统中过热蒸汽温度控制的惯性大，干扰耦合作用强，尤其是机组在低负荷和宽范围变负荷工况下运行时，过热汽温的波动更为强烈，难以满足机组安全可靠运行的要求。
2、火电机组的主蒸汽是指高温过热器出口与汽轮机入口之间的过热蒸汽，一般要求控制在600℃左右，如果温度过高，金属管壁的强度会极大的降低，过热器以及汽轮机的高压部分也会遭到很大程度的破坏，一般为了使设备安全平稳的运行，要求主蒸汽温度不高于规定值的5℃。主蒸汽温度较低又会使蒸汽中的含水量变高，加重汽轮机的磨损降低电厂的发热效率，造成燃料的严重浪费。所以，在单元机组运行过程中，主蒸汽温度是影响设备安全稳定和经济效益的重要参数。一般情况下，主蒸汽温度由喷水减温器来控制，由于过热器管道的存在，减温器与过热器出口间隔较远，这就使得主汽温对象具有非线性、大迟延以及难以控制的特性。在火电机组灵活调峰运行时，设备的动态关系更加复杂，因此，为保证火电机组安全运行，必须严格控制主蒸汽温度在额定值附近。
3、为了提高电厂的高效安全运行，建立一个主汽温的软测量模型是非常有必要的。软测量技术
技术实现思路
1、为解决上述技术问题，本专利技术提出基于bayes-catboost的主汽温预测方法，能够准确预测出主蒸汽的温度。
2、为实现上述目的，本专利技术提供了基于bayes-catboost的主汽温预测方法，包括：
3、获取电厂dcs系统的原始数据；
4、对所述原始数据进行特征选择，获取特征数据；
5、基于vmd分解模型，对所述特征数据进行信号分解，获取低频信号和高频信号；
6、将所述低频信号输入贝叶斯回归模型，获取目标变量低频预测值；
7、将所述高频信号输入catboost模型，获取目标变量高频预测值；
8、将所述目标变量低频预测值和所述目标变量高频预测值叠加，获取主汽温预测值。
9、可选的，对所述原始数据进行特征选择前包括：对所述原始数据进行预处理；
10、对所述原始数据进行预处理包括：
11、对所述原始数据中的缺失值，利用缺失数据点的前后数据进行均值填补；
12、对所述原始数据中的异常值利用箱型图法识别并剔除，再利用异常数据点的前后数据进行均值填补；
13、对所述原始数据中的噪点利用小波变换进行滤波降噪。
14、可选的，对所述原始数据进行特征选择，获取特征数据包括：
15、对所述原始数据进行特征选择，获取初始特征数据；
16、对所述初始特征数据进行筛选，获取最终的所述特征数据。
17、可选的，所述初始特征数据包括：初始导前区汽温建模数据和初始惰性区汽温建模数据；
18、所述初始导前区汽温建模数据包括：第一辅助变量和第一目标变量；
19、所述第一辅助变量包括：过热器一级喷水减温器出口汽温、汽水分离器出口温度、汽水分离器出口压力、锅炉总风量、总燃料量、给水流量、主蒸汽流量、末级过热器出口压力、目标负荷设定和炉膛压力；
20、所述第一目标变量包括：过热器二级减温器出口汽温；
21、所述初始惰性区汽温建模数据包括：第二辅助变量和第二目标变量；
22、所述第二辅助变量包括：过热器一级喷水减温器出口汽温、汽水分离器出口温度、汽水分离器出口压力、锅炉总风量、总燃料量、给水流量、主蒸汽流量、末级过热器出口压力、目标负荷设定、炉膛压力和过热器二级减温器出口汽温；
23、第二目标变量包括：主蒸汽温度。
24、可选的，对所述初始特征数据进行筛选包括：
25、获取第一辅助变量与第一目标变量的第一互相关度；
26、获取第二辅助变量与第二目标变量的第二互相关度；
27、获取所述第一辅助变量之间的第一自相关度；
28、获取所述第二辅助变量之间的第二自相关度；
29、将所述第一互相关度和第二互相关度中低于预设互相关度的变量进行剔除；
30、将所述第一自相关度和第二自相关度中高于预设自相关度的变量进行剔除。
31、可选的，所述特征数据包括：导前区的输入变量和惰性区的输入变量；
32、所述导前区的输入变量包括：目标负荷设定、一级喷水减温器出口汽温、主蒸汽流量、汽水分离器出口压力和给水流量；
33、所述惰性区的输入变量包括：目标负荷设定、总燃料量、锅炉总风量、末级过热器出口压力、过热器二级减温器出口汽温。
34、可选的，获取目标变量低频预测值包括：
35、所述贝叶斯回归模型对所述低频信号进行参数估计和预测；
36、基于所述参数估计结果和预测结果，获取所述目标变量低频预测值。
37、可选的，将所述高频信号输入catboost模型，获取目标变量高频预测值包括：
38、所述catboost模型将所述高频信号进行随机排列，获取随机特征序列，将所述随机特征序列进行数值转化；
39、利用贪心策略，将转化后的特征序列进行交叉；
40、将交叉后的特征序列进行排序提升；
41、利用对称树，对排序提升后的特征序列进行预测，获取所述目标变量高频预测值。
42、与现有技术相比，本专利技术具有如下优点和技术效果：
43、本专利技术能够准确预测出主蒸汽的温度。
44、解决了火力发电锅炉主汽温具有较大的惯性和较长延迟，且容易受到多种不同因素干扰的问题；
45、提升火电机组的热循环效率，降低能源消耗。
本文档来自技高网...【技术保护点】
1.基于Bayes-Catboost的主汽温预测方法，其特征在于，包括：
2.根据权利要求1所述的基于Bayes-Catboost的主汽温预测方法，其特征在于，对所述原始数据进行特征选择前包括：对所述原始数据进行预处理；
3.根据权利要求1所述的基于Bayes-Catboost的主汽温预测方法，其特征在于，对所述原始数据进行特征选择，获取特征数据包括：
4.根据权利要求3所述的基于Bayes-Catboost的主汽温预测方法，其特征在于，所述初始特征数据包括：初始导前区汽温建模数据和初始惰性区汽温建模数据；
5.根据权利要求4所述的基于Bayes-Catboost的主汽温预测方法，其特征在于，
6.根据权利要求4所述的基于Bayes-Catboost的主汽温预测方法，其特征在于，
7.根据权利要求4所述的基于Bayes-Catboost的主汽温预测方法，其特征在于，对所述初始特征数据进行筛选包括：
8.根据权利要求3所述的基于Bayes-Catboost的主汽温预测方法，其特征在于，所述特征数据包
9.根据权利要求1所述的基于Bayes-Catboost的主汽温预测方法，其特征在于，获取目标变量低频预测值包括：
10.根据权利要求1所述的基于Bayes-Catboost的主汽温预测方法，其特征在于，将所述高频信号输入CatBoost模型，获取目标变量高频预测值包括：
...【技术特征摘要】
1.基于bayes-catboost的主汽温预测方法，其特征在于，包括：
2.根据权利要求1所述的基于bayes-catboost的主汽温预测方法，其特征在于，对所述原始数据进行特征选择前包括：对所述原始数据进行预处理；
3.根据权利要求1所述的基于bayes-catboost的主汽温预测方法，其特征在于，对所述原始数据进行特征选择，获取特征数据包括：
4.根据权利要求3所述的基于bayes-catboost的主汽温预测方法，其特征在于，所述初始特征数据包括：初始导前区汽温建模数据和初始惰性区汽温建模数据；
5.根据权利要求4所述的基于bayes-catboost的主汽温预测方法，其特征在于，
6....
【专利技术属性】
技术研发人员：王明生，张国兴，王世朋，杨斌，蔡瑞杰，
申请(专利权)人：国能宁夏鸳鸯湖第一发电有限公司，
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。