申请/专利权人：华能国际电力股份有限公司上海石洞口第二电厂;上海电力大学

申请日：2023-07-13

公开（公告）日：2024-04-12

公开（公告）号：CN117077839B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/06;G06N3/0442;G06N3/08;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2023.12.05#实质审查的生效;2023.11.17#公开

摘要：本发明公开了一种基于AM‑BOA‑LSTM的燃煤电厂过热器壁温预测方法及系统包括：采集燃煤电厂过热器壁温的相关参数，对相关参数进行归一化预处理并划分为训练集和测试集；利用优化的蝴蝶算法对训练集中长短期记忆神经网络的超参数进行迭代寻优，确定长短期神经记忆网络模型；根据灰色关联度分析得到的重要运行参数结合注意力机制对输入序列进行赋权，训练长短期神经记忆网络模型；基于训练好的长短期神经记忆网络模型对测试集中的数据进行壁温预测；本发明能够建立最优结构的LSTM预测模型，对过热器温度进行实时预测，避免发生炉管超温带来的经济损失与安全隐患，有效的保证了火电厂的经济安全运行。

主权项：1.一种基于AM-BOA-LSTM的燃煤电厂过热器壁温预测方法，其特征在于，包括：采集燃煤电厂过热器壁温的相关参数，对所述相关参数进行归一化预处理并划分为训练集和测试集；利用优化的蝴蝶算法对所述训练集中长短期记忆神经网络的超参数进行迭代寻优，确定长短期神经记忆网络模型；所述利用优化的蝴蝶算法对所述训练集中长短期记忆神经网络的超参数进行迭代寻优包括：混沌初始化蝶群中蝴蝶的位置xi、蝴蝶数目N、最大迭代次数T以及维度空间D，其中，混沌初始化所用序列为ICMIC映射对蝶群进行初始化；计算所述蝶群中各蝴蝶的香味浓度，蝴蝶在接收更高的香味浓度信号时，会自发向更高的香味浓度的蝴蝶进行移动；所述蝶群通过转换概率p的变化在全局搜索与局部搜索之间切换，在搜索空间中寻找最优的适应度值；综合考虑种群离散度与迭代次数建立自适应转换概率p，使得蝶群在迭代初期侧重于全局搜索，扩大搜索空间，公式如下： 其中，pmax和pmin表示设置的最大值与最小值，t表示当前迭代次数，tmax表示最大迭代次数，kt表示种群离散度参数，aF表示种群全部粒子适应度的平均值，gF表示全局最优粒子的适应度，b表示阻尼因子，取值范围在[0，1]之间；当达到最大迭代次数时，此时所述蝶群的个体适应度最高值与种群适应度最高值分别对应长短期神经记忆网络的学习率和神经元个数；根据灰色关联度分析得到的重要运行参数结合注意力机制对输入序列进行赋权，训练所述长短期神经记忆网络模型；基于训练好的长短期神经记忆网络模型对所述测试集中的数据进行壁温预测。

全文数据：

权利要求：

百度查询： 华能国际电力股份有限公司上海石洞口第二电厂;上海电力大学 一种基于AM-BOA-LSTM的燃煤电厂过热器壁温预测方法及系统

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