申请/专利权人：华北电力大学;华能太仓发电有限责任公司;华能集团技术创新中心有限公司;西安热工研究院有限公司

申请日：2021-10-14

公开（公告）日：2024-04-09

公开（公告）号：CN113836819B

主分类号：G06F30/27

分类号：G06F30/27;G06F17/18;G06N3/0442;G06F18/214;G06N3/08;G06F119/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.01.23#专利申请权的转移;2022.01.11#实质审查的生效;2021.12.24#公开

摘要：本发明公开了属于智慧发电技术领域的一种基于时序关注的床温预测方法。包括：对历史数据库中数据的缺值和坏点进行均值补全，并对数据进行归一化；以AGC指令、一次风风量、二次风上部风量、二次风下部风量、总燃料量、排渣量和回料阀开度为预测模型的输入变量，以床温为预测模型的输出变量，且对输入变量进行时序调整；建立基于时序关注的LSTM神经网络预测模型，将历史数据集按时序依次划分为训练集和验证集，并利用训练集对预测模型进行训练，利用验证集对预测模型的超参数进行选择；将机组实时运行数据输入预测模型中对机组床温进行预测。本发明能有效地对循环流化床机组床温参数进行精准预测，提高了机组运行的稳定性和安全性。

主权项：1.一种基于时序关注的床温预测方法，其特征在于，包括以下步骤：步骤1：对历史数据库中数据的缺值和坏点进行均值补全，并对数据进行归一化，建立基于时序关注的LSTM神经网络预测模型；所述步骤1中对历史数据库中数据的缺值和坏点进行均值补全的方法如下：对于单值点，利用双向LSTM模型学习前后数据的变化进行均值补全；对于连续多值点，通过其余变量对该变量的缺值进行重构，对该时间段数据进行填补，若坏点的其余变量都为缺值或坏点，则删除该时间段数据；步骤2：以AGC指令、一次风风量、二次风上部风量、二次风下部风量、总燃料量、排渣量和回料阀开度为预测模型的输入变量，以床温为预测模型的输出变量，且对输入变量进行时序调整；所述步骤2具体包括以下子步骤：步骤21：从t+k-m+1时刻开始，在输出变量y的采样序列中截取长度为m的输出时间序列Y{yt+k-m+1,yt+k-m+2,...yt+k}，其中，k为预测时间长度，m为判断相似度的序列长度；步骤22：分别从t-n-m+1时刻到t-n时刻截取输入变量x的采样值，得到输入时间序列X{xt-n-m+1,xt-n-m+2,...xt-n}，其中，n从0到N-1，N为时间序列修正值的上限；步骤23：分别计算输入时间序列X{xt-n-m+1,xt-n-m+2,...xt-n}与输出时间序列Y{yt+k-m+1,yt+k-m+2,...yt+k}的皮尔逊相关系数；步骤24：计算出N个皮尔逊相关系数后，以最大的皮尔逊相关系数作为输入变量与输出变量的相似度，并以相似度对应的n值作为时间校正值；步骤25：根据步骤24中得到的相似度对输入变量进行过滤，并将相似度低的输入变量删除；同时根据时间校正值，将输入变量的拦截窗口向历史时刻的方向移动n个样本；步骤3：所述基于时序关注的LSTM神经网络预测模型将历史数据集按时序依次划分为训练集和验证集，并利用训练集对预测模型进行训练，利用验证集对预测模型的超参数进行选择；所述步骤3中验证集的大小为1000；步骤4：将机组实时运行数据输入预测模型中对机组床温进行预测。

全文数据：

权利要求：

百度查询： 华北电力大学;华能太仓发电有限责任公司;华能集团技术创新中心有限公司;西安热工研究院有限公司 一种基于时序关注的床温预测方法

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