申请/专利权人：中石化宁波工程有限公司;中石化宁波技术研究院有限公司;中石化炼化工程(集团)股份有限公司

申请日：2020-07-13

公开（公告）日：2024-03-22

公开（公告）号：CN111985682B

主分类号：G06F30/27

分类号：G06F30/27;G06F119/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2020.12.11#实质审查的生效;2020.11.24#公开

摘要：本发明涉及一种基于神经网络的水煤浆气化炉炉温预测方法，将当前时刻之前的第一预设时间进入水煤浆气化炉内的煤浆参数及当前时刻之前的第二预设时间入水煤浆气化炉内的氧气参数作为选取的实际工程操作数据，将这些实际工程操作数据作为神经网络模型的输入参数，把这些输入参数划分成训练用数据、验证用数据和测试用数据，利用训练用数据得到各气化炉炉温预测模型对应的拟合度并选出优选气化炉炉温预测模型，以验证用数据验证得到各优选气化炉炉温预测模型所对应的气化炉炉温预测温度值，采用差分算法和测试用数据得到针对水煤浆气化炉的最佳炉温预测模型，将实际工程操作数据输入至最佳炉温预测模型，得到水煤浆气化炉的真实的炉膛温度值。

主权项：1.基于神经网络的水煤浆气化炉炉温预测方法，其特征在于，包括如下步骤：步骤1，获取针对水煤浆气化炉的实际工程操作数据集合；其中，实际工程操作数据集合至少包括参与水煤浆气化炉内反应的煤浆流量值、煤浆温度值、煤浆压力值、氧气流量值、氧气温度值、氧气压力值以及水煤浆气化炉炉膛温度值、水煤浆气化炉表面温度值、反应产物合成气的流量值、反应产物合成气的温度值、反应产物合成气的压力值及CH4含量值；步骤2，在所述实际工程操作数据集合中选取出满足筛选条件的实际工程操作数据，并将选取出的实际工程操作数据作为神经网络模型的神经网络输入参数；步骤3，建立多个针对水煤浆气化炉的气化炉炉温预测模型，形成气化炉炉温预测模型集合；其中，所述气化炉炉温预测模型集合中至少包括两个气化炉炉温预测模型；步骤4，将选取出的神经网络输入参数分成训练用数据、验证用数据和测试用数据；步骤5，将训练用数据分别输入到气化炉炉温预测模型集合内的各气化炉炉温预测模型中，分别得到各气化炉炉温预测模型所对应的拟合度；步骤6，将拟合度超过预设拟合度阈值的气化炉炉温预测模型作为优选气化炉炉温预测模型，并放置到优选气化炉炉温预测模型集合内；其中，所述优选气化炉炉温预测模型集合至少包括一个优选气化炉炉温预测模型；步骤7，将验证用数据分别输入到优选气化炉炉温预测模型集合的各优选气化炉炉温预测模型中，分别得到各优选气化炉炉温预测模型所对应的气化炉炉温预测温度值；步骤8，计算各气化炉炉温预测温度值与测试用数据中的水煤浆气化炉炉膛温度值之间的温度误差，并将最小温度误差所对应的优选气化炉炉温预测模型作为针对该水煤浆气化炉的最佳炉温预测模型；步骤9，将水煤浆气化炉的实际工程操作数据作为输入参数输入到所述水煤浆气化炉的最佳炉温预测模型中，得到该水煤浆气化炉的炉温。

全文数据：

权利要求：

百度查询： 中石化宁波工程有限公司;中石化宁波技术研究院有限公司;中石化炼化工程(集团)股份有限公司 基于神经网络的水煤浆气化炉炉温预测方法

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