基于3DCNN的锅炉再热器管壁减薄预测

• 作者: 闫佳瑛 朱希安
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 关键词: 三维卷积神经网络(3DCNN) 锅炉再热器 厚度损失预测
• 年，卷（期）: 2021,（1）
• 页码范围: 75-78
• 页数: 4页
• 分类号: TK229.6
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2021.01.014

摘要

为及时掌握锅炉再热器管壁减薄情况,基于锅炉再热器历史运行数据,结合三维卷积神经网络(3D convolutional neural network,3DCNN),搭建了锅炉再热器厚度损失预测模型.利用某电厂超临界660 MW机组锅炉再热器的运行数据,通过数据预处理构建三维变量作为模型的输入;通过对比不同结构模型的预测效果,确定3DCNN模型的最优结构;该方法在测试集上的最大绝对误差为12.04％,平均绝对误差为6.77％.结果表明,该方法能够比较准确地预测再热器管壁损失,方便电力企业及时掌握管壁厚度变化情况.