基于人工智能的锅炉受热面管壁温度预测

• 作者: 闫新春 曹欢 华云鹏
• 来源期刊: 综合智慧能源
• 学科: 工学
• 关键词: 人工智能 长短时记忆神经网络 反向传播神经网络 灰色关联分析法 锅炉 过热器 超温 预测模型
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 智能电力|Intelligent Power
• 页码范围: 58-62
• 页数: 5页
• 分类号: TK172.4
• 语种: 中文
• DOI: 10.3969/j.issn.2097-0706.2022.03.009

摘要

为准确预测锅炉过热器的出口壁温,对某超临界机组受热面出口温度的影响因素进行分析,利用灰色关联分析法得到各影响因素与壁面金属温度的关联度,选取关联度大于0.7的10个变量作为反向传播(BP)神经网络的输入变量;针对火电厂数据样本的变化特征,通过滑动窗口数据判断,提取多个稳定负荷区段并对区段内的多个输入变量进行聚类,得到清洗后的数据样本;然后通过长短期记忆(LSTM)神经网络方法构建壁面金属温度的预测模型.以某350 MW等级超临界锅炉过热器管壁温度为预测对象,预测值与实际测量值的最大误差为4.9℃,证明了该模型的有效性.