申请/专利权人：中国大唐集团科学技术研究院有限公司火力发电技术研究院;内蒙古大唐国际托克托发电有限责任公司

申请日：2019-01-22

公开（公告）日：2023-10-27

公开（公告）号：CN109858125B

主分类号：G06F30/27

分类号：G06F30/27;G06Q50/06;G06F18/214;G06F119/14;G06F119/08

优先权：

专利状态码：有效-授权

法律状态：2023.10.27#授权;2019.07.02#实质审查的生效;2019.06.07#公开

摘要：本发明涉及一种基于径向基神经网络的火电机组供电煤耗计算方法，包括：从发电厂分布式控制系统中获取各机组的历史运行数据，以及从发电厂厂级实时监控信息系统中获取历史供电煤耗数据；从历史运行数据中鉴别出机组的暂态运行数据将其剔除，并获取机组的稳态运行数据；基于稳态运行数据及历史供电煤耗数据构建径向基神经网络，并对径向基神经网络进行测试，直至径向基神经网络的输出满足预设的误差值；从发电厂分布式控制系统实时获取发电厂各机组的实时运行数据，并将实时运行数据作为径向基神经网络输入层的输入数据，计算得出机组供电煤耗数据。本发明实现了对火力电厂煤耗的快速准确计算。

主权项：1.一种基于径向基神经网络的火电机组供电煤耗计算方法，其特征在于，包括：步骤1，从发电厂分布式控制系统中获取各机组的历史运行数据，以及从发电厂厂级实时监控信息系统中获取历史供电煤耗数据；步骤2，从所述历史运行数据中鉴别出机组的暂态运行数据并将其剔除，从而获取机组的稳态运行数据；步骤3，基于所述稳态运行数据及历史供电煤耗数据构建径向基神经网络，并对所述径向基神经网络进行测试，直至所述径向基神经网络的输出满足预设的误差值；步骤4，从发电厂分布式控制系统实时获取发电厂各机组的实时运行数据，并将所述实时运行数据作为所述径向基神经网络输入层的输入数据，计算得出机组供电煤耗数据；步骤1中所述历史运行数据包括一段时间内汽轮机热耗率、发电厂厂用电率、锅炉机组负荷、炉膛出口氧量、各风口挡板开度、各磨煤机给煤量、炉膛温度中的多种；步骤2中所述获取机组的稳态运行数据的方法包括：若15min内，机组的实际负荷和主蒸汽压力参数与其各自设定值的均方差之和小于设定的阈值，则判定机组处于稳态工况，所述稳态工况下的运行数据即为稳态运行数据；否则，顺时递推5min，重新判定机组是否处于稳态工况，直到运行数据满足稳态工况条件为止；所述步骤3包括：将所述稳态运行数据及历史供电煤耗数据作为所述径向基神经网络输入层的输入数据，并划分出训练数据和测试数据；其中，从整体数据中随机选取75％的数据作为所述训练数据，用于径向基神经网络训练样本，将其余25％数据，用于径向基神经网络测试样本；所述步骤3还包括：在对所述径向基神经网络进行测试过程中，调整所述径向基神经网络隐含层神经元个数，以获取径向基神经网络的输出值变化情况；所述步骤3还包括：对所述历史供电煤耗数据进行连续差分化，以对应于所述稳态运行数据；步骤4中所述供电煤耗数据包括汽轮机热耗率、发电厂厂用电率、锅炉机组负荷、炉膛出口氧量、各风口挡板开度、各磨煤机给煤量、炉膛温度中的多种。

全文数据：一种基于径向基神经网络的火电机组供电煤耗计算方法技术领域本发明属于火力发电技术领域，尤其涉及一种基于径向基神经网络的火电机组供电煤耗计算方法。背景技术随着国家对火电厂节能降耗要求的逐步提高及智能电厂的高速发展，火电厂供电煤耗的计算越来越受到关注。供电煤耗是指火力发电厂每向外提供1kWh电能平均耗用的标准煤量，是发电厂生产经营的主要经济性指标之一。实现机组供电煤耗实时计算，既是火电机组自动化技术演进过程中的必然趋势，也是火电机组节能精细化管理的根本要求。火电厂供电煤耗计算主要采用传统效率计算方法，如正平衡法和反平衡法。供电煤耗是典型的非线性、时变参数，机组的供电煤耗会随着时间的推移以及机组工况的变化而不断变化，不仅测量过程复杂、测量结果误差大，而且测量成本较高，测出的结果也不能准确地反映机组一段时间内的供电煤耗特性。因此，需要一种能够准确反映供电煤耗的供电煤耗计算方法。发明内容本发明的目的是提供一种基于径向基神经网络的火电机组供电煤耗计算方法，将径向基神经网络应用于火力发电机组煤耗计算之中，通过采集合理有效的机组运行数据，并对神经网络进行参数的修改优化后，实现对火力电厂煤耗曲线的快速准确计算。本发明提供了一种基于径向基神经网络的火电机组供电煤耗计算方法，包括：步骤1，从发电厂分布式控制系统中获取各机组的历史运行数据，以及从发电厂厂级实时监控信息系统中获取历史供电煤耗数据；步骤2，从历史运行数据中鉴别出机组的暂态运行数据并将其剔除，从而获取机组的稳态运行数据；步骤3，基于稳态运行数据及历史供电煤耗数据构建径向基神经网络，并对径向基神经网络进行测试，直至径向基神经网络的输出满足预设的误差值；步骤4，从发电厂分布式控制系统实时获取发电厂各机组的实时运行数据，并将实时运行数据作为径向基神经网络输入层的输入数据，计算得出机组供电煤耗数据。进一步地，步骤1中历史运行数据包括一段时间内汽轮机热耗率、发电厂厂用电率、锅炉机组负荷、炉膛出口氧量、各风口挡板开度、各磨煤机给煤量、炉膛温度中的多种。进一步地，步骤2中获取机组的稳态运行数据的方法包括：若15min内，机组的实际负荷和主蒸汽压力参数与其各自设定值的均方差之和小于设定的阈值，则判定机组处于稳态工况，所述稳态工况下的运行数据即为稳态运行数据；否则，顺时递推5min，重新判定机组是否处于稳态工况，直到运行数据满足稳态工况条件为止。进一步地，步骤3包括：将稳态运行数据及历史供电煤耗数据作为径向基神经网络输入层的输入数据，并划分出训练数据和测试数据；其中，从整体数据中随机选取75％的数据作为训练数据，用于径向基神经网络训练样本，将其余25％数据，用于径向基神经网络测试样本。进一步地，步骤3还包括：在对径向基神经网络进行测试过程中，调整径向基神经网络隐含层神经元个数，以获取径向基神经网络的输出值变化情况。进一步地，步骤3还包括：对历史供电煤耗数据进行连续差分化，以对应于稳态运行数据。进一步地，步骤4中供电煤耗数据包括汽轮机热耗率、发电厂厂用电率、锅炉机组负荷、炉膛出口氧量、各风口挡板开度、各磨煤机给煤量、炉膛温度中的多种。借由上述方案，通过基于径向基神经网络的火电机组供电煤耗计算方法，通过使用大量电厂运行数据训练出对煤耗特性具有一定预测性和前瞻性的径向基神经网络，可以实现对电厂煤耗特性精确快速的计算，在现今各大电厂都在进行“配煤掺烧”降低生产成本的背景下，准确有效的煤耗特性数据对于指导电厂安全经济运行具有重要价值；将火力发电厂实时运行数据通讯到训练好的径向基神经网络中，进而计算出火电厂煤耗的实时数据。该方法不仅可以有效提高火电厂煤耗特性检测的实时性，还极大地降低了使用传统方法进行检测所需的较高的人工成本和耗材成本。上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。附图说明图1为本发明基于径向基神经网络的火电机组供电煤耗计算方法的流程图。图2为本发明中径向基神经网络结构图；图3为本发明一实施例中径向基神经网络煤耗计算简要流程图。具体实施方式下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。本实施例提供了一种基于径向基神经网络的火电机组供电煤耗计算方法，包括：步骤S1，从发电厂分布式控制系统中获取各机组的历史运行数据，以及从发电厂厂级实时监控信息系统中获取历史供电煤耗数据；步骤S2，从历史运行数据中鉴别出机组的暂态运行数据并将其剔除，从而获取机组的稳态运行数据；步骤S3，基于稳态运行数据及历史供电煤耗数据构建径向基神经网络，并对径向基神经网络进行测试，直至径向基神经网络的输出满足预设的误差值；步骤S4，从发电厂分布式控制系统实时获取发电厂各机组的实时运行数据，并将实时运行数据作为径向基神经网络输入层的输入数据，计算得出机组供电煤耗数据。通过该基于径向基神经网络的火电机组供电煤耗计算方法，采集合理有效的机组运行数据，并对径向基神经网络进行参数的修改优化后，能够实现对火力电厂煤耗曲线的快速准确计算。在本实施例中，步骤S1中历史运行数据包括一段时间内汽轮机热耗率、发电厂厂用电率、锅炉机组负荷、炉膛出口氧量、各风口挡板开度、各磨煤机给煤量、炉膛温度中的多种。在本实施例中，步骤S2中获取机组的稳态运行数据的方法包括：若15min内，机组的实际负荷和主蒸汽压力参数与其各自设定值的均方差之和小于设定的阈值，则判定机组处于稳态工况，所述稳态工况下的运行数据即为稳态运行数据；否则，顺时递推5min，重新判定机组是否处于稳态工况，直到运行数据满足稳态工况条件为止。在本实施例中，步骤S3包括：将稳态运行数据及历史供电煤耗数据作为径向基神经网络输入层的输入数据，并划分出训练数据和测试数据；其中，从整体数据中随机选取75％的数据作为训练数据，用于径向基神经网络训练样本，将其余25％数据，用于径向基神经网络测试样本。在本实施例中，步骤3还包括：在对径向基神经网络进行测试过程中，调整径向基神经网络隐含层神经元个数，以获取径向基神经网络的输出值变化情况。在本实施例中，步骤S3还包括：对历史供电煤耗数据进行连续差分化，以对应于稳态运行数据。在本实施例中，步骤S4中供电煤耗数据包括汽轮机热耗率、发电厂厂用电率、锅炉机组负荷、炉膛出口氧量、各风口挡板开度、各磨煤机给煤量、炉膛温度中的多种。下面对本发明作进一步详细说明。径向基RBF神经网络是根据生物神经元具有局部响应特性的原理，应用了径向基函数的一种神经网络。径向基神经网络是一种前向网络，分为三层，第一层为输入层，节点个数等于输入的维数；第二层为隐含层，节点个数视问题的不同复杂程度而定；第三层为输出层，节点个数等于输出数据的维数。径向基神经网络具有结构简单、收敛速度快、能够逼近任意非线性函数等特点。参图2、图3所示，图2中w表示网络层之间的权值向量，b表示网络各层的阈值。该基于径向基神经网络的发电厂机组煤耗计算方法，通过数据采集系统收集电厂分布式控制系统DCS中各台机组的实时运行数据，并将这些数据作为径向基神经网络的输入，随后，设定好参数的神经网络即可直接给出发电厂的机组煤耗数据。该方法具体包括以下步骤：1收集发电厂DCS历史站中，一段时间内如一年汽轮机热耗率、发电厂厂用电率、锅炉机组负荷、炉膛出口氧量、各风口挡板开度、各磨煤机给煤量、炉膛温度等发电厂易于采集的运行参数；每组运行数据的采集时间间隔为30分钟，连续采集1年的该项数据，除去暂态数据，每项运行数据15000个，整体数据规模为15000*7＝105000个。2将步骤1采集得到的运行参数，通过OPC通讯协议，传输到执行算法所需要的终端，并在终端自动转化为算法可以识别的数据格式。3鉴别出数据中机组的暂态运行数据并将其剔除，整理出机组的稳态运行数据。判定系统参数进入稳态的条件为：在15min内，机组的实际负荷和主蒸汽压力等参数与其各自设定值的均方差之和小于规定的阈值，即认为处于稳态工况，将参数数据存入稳定运行工况数据库中；否则，顺时递推5min，重新判定稳定状态，直到数据满足稳态要求。4收集电厂厂级实时监控信息系统SIS中记录的电厂供电煤耗数据，并将其与步骤3整理得到的各台机组的运行参数，一并作为径向基神经网络输入层的输入数据，并划分出网络的训练数据和测试数据。需要说明的是，由于一般电厂SIS中记录的供电煤耗频次是每天一次，为了与运行数据进行对应，需对供电煤耗参数进行连续差分化。网络的学习策略使用有监督选取中心，并随机选择整体数据中的75％作为训练样本，用于神经网络的训练，其余25％样本，用于网络测试样本。5不断尝试增加中间层神经元和个数，查看网络的输出值变化。6算法终止，其条件是神经网络的输出满足预先设定的误差值。7计算结果通过神经网络输出层输出。以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

权利要求：1.一种基于径向基神经网络的火电机组供电煤耗计算方法，其特征在于，包括：步骤1，从发电厂分布式控制系统中获取各机组的历史运行数据，以及从发电厂厂级实时监控信息系统中获取历史供电煤耗数据；步骤2，从所述历史运行数据中鉴别出机组的暂态运行数据并将其剔除，从而获取机组的稳态运行数据；步骤3，基于所述稳态运行数据及历史供电煤耗数据构建径向基神经网络，并对所述径向基神经网络进行测试，直至所述径向基神经网络的输出满足预设的误差值；步骤4，从发电厂分布式控制系统实时获取发电厂各机组的实时运行数据，并将所述实时运行数据作为所述径向基神经网络输入层的输入数据，计算得出机组供电煤耗数据。2.根据权利要求1所述的基于径向基神经网络的火电机组供电煤耗计算方法，其特征在于，步骤1中所述历史运行数据包括一段时间内汽轮机热耗率、发电厂厂用电率、锅炉机组负荷、炉膛出口氧量、各风口挡板开度、各磨煤机给煤量、炉膛温度中的多种。3.根据权利要求2所述的基于径向基神经网络的火电机组供电煤耗计算方法，其特征在于，步骤2中所述获取机组的稳态运行数据的方法包括：若15min内，机组的实际负荷和主蒸汽压力参数与其各自设定值的均方差之和小于设定的阈值，则判定机组处于稳态工况，所述稳态工况下的运行数据即为稳态运行数据；否则，顺时递推5min，重新判定机组是否处于稳态工况，直到运行数据满足稳态工况条件为止。4.根据权利要求3所述的基于径向基神经网络的火电机组供电煤耗计算方法，其特征在于，所述步骤3包括：将所述稳态运行数据及历史供电煤耗数据作为所述径向基神经网络输入层的输入数据，并划分出训练数据和测试数据；其中，从整体数据中随机选取75％的数据作为所述训练数据，用于径向基神经网络训练样本，将其余25％数据，用于径向基神经网络测试样本。5.根据权利要求4所述的基于径向基神经网络的火电机组供电煤耗计算方法，其特征在于，所述步骤3还包括：在对所述径向基神经网络进行测试过程中，调整所述径向基神经网络隐含层神经元个数，以获取径向基神经网络的输出值变化情况。6.根据权利要求5所述的基于径向基神经网络的火电机组供电煤耗计算方法，其特征在于，所述步骤3还包括：对所述历史供电煤耗数据进行连续差分化，以对应于所述稳态运行数据。7.根据权利要求6所述的基于径向基神经网络的火电机组供电煤耗计算方法，其特征在于，步骤4中所述供电煤耗数据包括汽轮机热耗率、发电厂厂用电率、锅炉机组负荷、炉膛出口氧量、各风口挡板开度、各磨煤机给煤量、炉膛温度中的多种。

百度查询： 中国大唐集团科学技术研究院有限公司火力发电技术研究院;内蒙古大唐国际托克托发电有限责任公司 一种基于径向基神经网络的火电机组供电煤耗计算方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD