[发明专利]一种火电机组除盐水站的水处理量预测方法及装置

说明书

本申请提供了一种火电机组除盐水站的水处理量预测方法及装置，其中，该方法包括：获取目标火电机组除盐水站的除盐水站类型、锅炉类型、制氢站类型，除盐水站投入运行的时长，火电机组在多个历史时间段的发电时长、火电机组在各个所述历史时间段的发电量、火电机组在至少一个未来时间段的预计发电时长、火电机组在所述至少一个未来时间段的预计发电量；根据获取的上述信息，以及预先训练的火电机组除盐水站的水处理量预测模型，获取目标火电机组除盐水站在各个所述未来时间段的水处理量。本申请能够实现对火电机组除盐水站在各个时期的用水量进行预测。

技术领域

本申请涉及火电厂管理技术领域，具体而言，涉及一种火电机组除盐水站的水处理量预测方法及装置。

背景技术

除盐水(desalted water)，是指利用各种水处理工艺，除去悬浮物、胶体和无机的阳离子、阴离子等水中杂质后，所得到的成品水。火电机组除盐水主要用于锅炉补给水。

目前，火电机组除盐水站按照火电机组整个服务期最大用水量建设，但实际过程中，除盐水的用水量会在不同的火电机组的服务期的不同阶段有所区别，造成当前火电机组除盐水站存在水处理资源浪费等问题；如何对火电机组的除盐水站的水处理量进行预测，是当前亟待解决的问题。

发明内容

有鉴于此，本申请实施例的目的在于提供一种火电机组除盐水站的水处理量预测方法及装置，能够实现对火电机组除盐水站在各个时期的用水量进行预测。

第一方面，本申请实施例提供了一种火电机组除盐水站的水处理量预测方法，包括：

获取目标火电机组除盐水站的除盐水站类型、锅炉类型、制氢站类型，除盐水站投入运行的时长，火电机组在多个历史时间段的发电时长、火电机组在各个所述历史时间段的发电量、火电机组在至少一个未来时间段的预计发电时长、火电机组在所述至少一个未来时间段的预计发电量；

根据所述除盐水站类型、锅炉类型、制氢站类型，除盐水站投入运行的时长，火电机组在多个历史时间段的发电时长、火电机组在各个所述历史时间段的发电量、火电机组在至少一个未来时间段的预计发电时长、火电机组在所述至少一个未来时间段的预计发电量，以及预先训练的火电机组除盐水站的水处理量预测模型，获取所述目标火电机组除盐水站在各个所述未来时间段的水处理量。

一种可选的实施方式中，所述火电机组除盐水站的水处理量预测模型包括深度学习模型；

所述深度学习模型包括：循环神经网络以及特征融合网络；

采用下述方式训练所述深度学习模型：

获取多个样本火电机组除盐水站的样本除盐水站类型、锅炉类型、制氢站类型，样本除盐水站投入运行的时长，样本火电机组在多个样本历史时间段的发电时长、样本火电机组在各个样本历史时间段的发电量、样本火电机组除盐水站在各个样本历史时间段的实际水处理量；

根据样本火电机组在多个样本历史时间段的发电时长、样本火电机组在各个样本历史时间段的发电量，按照样本历史时间段的先后顺序，生成样本特征向量序列；所述样本特征向量序列中，包括多个第一样本特征向量；

根据样本火电机组除盐水站的样本除盐水站类型、锅炉类型、制氢站类型，样本除盐水站投入运行的时长，构成各个样本火电机组除盐水站的第二样本特征向量；

将所述样本特征向量序列输入至循环神经网络中，获取与各个第一样本特征向量分别对应的中间特征向量；

针对每个第一样本特征向量，将该第一样本特征向量对应的中间特征向量与第二样本特征向量进行拼接，形成与该第一样本特征向量对应的样本拼接向量；

分别将每个第一样本特征向量对应的样本拼接向量输入至特征融合网络中，获取与该第一样本特征向量对应的水处理量预测结果；