[发明专利]一种基于灰色预测模型的高压转子温度软测量方法及系统

说明书

一种基于灰色预测模型的高压转子温度软测量方法及系统，属于电厂设备技术领域，解决如何设计一种基于灰色预测模型的高压转子温度软测量方法及系统，实现在高压内缸温度变为坏点后，提供可靠预测值来监控机组运行的问题，在高压内缸温度变为坏点后，通过在线检测并输入机组实际负荷工况参数，从单输入多输出函数转换器中调用对应的不同比例的额定负荷工况的预测模型的参数值，将其输入到灰色预测模型中，计算并输出该机组实际负荷工况下的高压转子表面温度预测值，准确的预测高压转子温度，提供可靠预测值来监控机组运行的。

技术领域

本发明属于电厂设备技术领域，涉及一种基于灰色预测模型的高压转子温度软测量方法及系统。

背景技术

汽轮机的启动过程是将转子由静止或者盘车状态加速至额定转速并带负荷正常运行的过程。在高温高压蒸汽进入汽轮机后，汽轮机高压转子的温度不会立即升高至蒸汽温度，这是要经过一段时间的加热。汽轮机高压转子在加热过程中，金属部件内部的温度是不均匀的，零件各部分的膨胀或者收缩也不相等，由此导致热应力。一旦金属部件表面和内部存在温差，就会产生热应力。在汽轮机的启动过程中，热应力是造成设备损坏的主要原因之一，尤其对于高参数、大容量汽轮机，往往会因为暖机不充分或蒸汽参数不合适，造成热应力过大而产生汽缸裂纹、螺栓断裂、转子裂纹和弯曲等设备损坏事故。所以在启动过程中的热应力监视和控制相当重要，热应力控制得当，既可以实现汽轮机安全、快速地启动，又可以减少寿命损耗，延长使用期限。

西门子汽轮机组的热应力评估器中，首先用测得的高压内缸温度近似表示高压转子表面的温度，转子体积平均温度则通过高压转子表面温度的3个不同权重的一阶惯性环节累加来间接计算，转子表面温度和转子体积平均温度的差值就代表转子应力的大小。因此，热应力监控中使用的转子表面温度值测量是否准确，直接影响热应力值的准确性，是保证汽轮机的热应力控制的关键。但是由于转子的旋转，无法安装测温元件进行直接测量其温度，目前采用的用测得的高压内缸温度近似表示高压转子表面的温度，存在高压内缸温度测点的测温元件容易损坏、机组运行时不便于检修和更换的问题。

现有技术中，申请号为201711498840.5、公开日期为2018年6月22日的中国发明专利申请《一种基于深度学习的预测模型软测量方法》公开了一种基于深度学习的预测模型软测量方法，包括：获得历史数据；根据时间窗对历史数据进行规整；使用平稳小波变换提取规整之后的历史数据的多尺度信息；将多尺度信息与每个时间点对应的当前可观测变量数据进行组合，以形成样本数据集；根据样本数据集形成训练集和测试集；使用训练集和测试集对具有注意力机制的深度模型进行训练和测试，以形成完整模型；根据当前可观测数据和完整模型获得预测值。

虽然上述技术方案针对化工生产过程之中的一些重要变量难以直接测量的特点，本发明提供的基于深度学习的预测模型软测量方法实现对化工生产过程之中的不可观测变量的精确预测，为后续的能效分析提供参考指标，从而提高产能和降低能耗。但是并未解决在高压内缸温度变为坏点后，如何能够提供可靠预测值来监控机组运行的问题。

发明内容

本发明的目的在于如何设计一种基于灰色预测模型的高压转子温度软测量方法及系统，实现在高压内缸温度变为坏点后，提供可靠预测值来监控机组运行。

本发明是通过以下技术方案解决上述技术问题的：

一种基于灰色预测模型的高压转子温度软测量方法，包括以下步骤：

S1、输入不同比例的额定负荷工况的多组参数，根据灰色预测模型计算出对应的不同比例的额定负荷工况的预测模型的参数值，并将其存储在单输入多输出函数转换器中；

S2、在高压内缸温度变为坏点后，在线检测并输入机组实际负荷工况参数，从单输入多输出函数转换器中调用对应的不同比例的额定负荷工况的预测模型的参数值，将其输入到灰色预测模型中，计算并输出该机组实际负荷工况下的高压转子表面温度预测值；