基于数值模拟与试验运行数据的燃烧系统复合建模方法

    公开(公告)号:CN103400015B

    公开(公告)日:2016-05-18

    申请号:CN201310356736.8

    申请日:2013-08-15

    IPC分类号: G06F17/50

    摘要: 本发明公开了属于电站锅炉燃烧系统燃烧过程的复合建模技术领域的一种基于数值模拟与试验运行数据的燃烧系统复合建模方法。采用三维稳态工况,建立目标煤粉炉的数值模拟模型;针对LS-SVM所建立的目标模型,首先确立合适的输入变量,并且确定各输入变量的取值范围,利用正交法给定训练样本数据组数和各输入变量的值,得到变量列表,得到试验数据,建立机理LS-SVM模型;根据电厂实时数据更新LS-SVM模型。本发明弥补单纯的试验数据建模时数据单一的不足。利用电厂实时更新的数据更新模型,有效地提高了LS-SVM模型的精度,为锅炉燃烧优化打好基础。

    小波分解与动态混合深度学习的燃煤锅炉NOx预测方法

    公开(公告)号:CN112884213A

    公开(公告)日:2021-06-01

    申请号:CN202110143854.5

    申请日:2021-02-02

    发明人: 牛玉广 康俊杰

    摘要: 本发明提供了小波分解与动态混合深度学习的燃煤锅炉NOx预测方法,涉及燃煤锅炉运营技术领域,能够准确稳定的预测NOx排放,泛化性能和可重复性好;该方法步骤包括:S1、采集NOx排放敏感参数在某一时间段内的值;S2、对NOx排放敏感参数的采集值进行小波变换,得到该NOx排放敏感参数采集值的趋势分量和高频波动分量;S3、对趋势分量和高频波动分量进行小波重构;S4、采用LSTM模型对重构后的趋势分量进行动态预测,同时采用CNN模型对重构后的高频波动分量进行动态预测;S5、将S4中的预测结果进行融合,得到最终的NOx排放预测结果。本发明提供的技术方案适用于燃煤锅炉NOx排放预测的过程中。

    小波分解与动态混合深度学习的燃煤锅炉NOx预测方法

    公开(公告)号:CN112884213B

    公开(公告)日:2024-04-19

    申请号:CN202110143854.5

    申请日:2021-02-02

    发明人: 牛玉广 康俊杰

    摘要: 本发明提供了小波分解与动态混合深度学习的燃煤锅炉NOx预测方法,涉及燃煤锅炉运营技术领域,能够准确稳定的预测NOx排放,泛化性能和可重复性好;该方法步骤包括:S1、采集NOx排放敏感参数在某一时间段内的值;S2、对NOx排放敏感参数的采集值进行小波变换,得到该NOx排放敏感参数采集值的趋势分量和高频波动分量;S3、对趋势分量和高频波动分量进行小波重构;S4、采用LSTM模型对重构后的趋势分量进行动态预测,同时采用CNN模型对重构后的高频波动分量进行动态预测;S5、将S4中的预测结果进行融合,得到最终的NOx排放预测结果。本发明提供的技术方案适用于燃煤锅炉NOx排放预测的过程中。

    一种适用于双馈风机的电力系统稳定器设计方法

    公开(公告)号:CN103904665A

    公开(公告)日:2014-07-02

    申请号:CN201410151002.0

    申请日:2014-04-15

    IPC分类号: H02J3/24 G06F19/00

    摘要: 本发明公开了新能源电力系统自动控制技术领域的一种适用于双馈风机的电力系统稳定器设计方法。其技术方案是,首先对全网节点、线路统一编号并建立系统参数表;其次,建立双馈风机增广关联测量模型;再次,设计各选定工况点下的电力系统稳定器;最后,计算模型切换权值并得到控制器输出。本电力系统稳定器的输出控制信号叠加在原系统控制信号上,可不改变原有操作习惯,具有实现简单,低成本的特点。应用本方法设计的电力系统稳定器,可提高风电场抗扰动的能力和故障穿越能力,进而增强电网的稳定性,提高电网消纳风电的能力。