(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221043815 5.8 (22)申请日 2022.04.25 (71)申请人 中国大唐集团科 学技术研究总院有 限公司华北电力试验研究院 地址 100043 北京市石景山区银河大街6号 院1号楼15层1515 申请人 中国大唐集团科 学技术研究总院有 限公司 (72)发明人 杨磊　朱宪然　周亚男　王路路　 郭艳平　王欢　 (74)专利代理 机构 北京中南长风知识产权代理 事务所(普通 合伙) 11674 专利代理师 陈自科 (51)Int.Cl. G06N 3/04(2006.01)G06N 3/08(2006.01) G01D 21/02(2006.01) (54)发明名称 一种燃煤锅炉机组在线测点数据重构方法 (57)摘要 本发明涉及一种燃煤锅炉机组在线测点数 据重构方法， 包括如下步骤： 步骤1， 采用网格化 的测试方法获取测试截面的代表 点， 优化测点位 置， 确保实时显示的准确性； 步骤2， 根据燃煤锅 炉机组的运行方式， 确定重构算法输入输出变 量； 步骤3， 将某一时刻的输入输出数据写入一个 人工智能计算模 型的计算节点， 通过训练完毕的 人工智能计算模型输出重构数据组并在历史库 中存储以备调用。 本发明通过网格化的测试方法 获取测试截面的代表点， 进而优化测点位置， 减 小测量系统误差； 通过 获取锅炉机组运行状态参 数及重构测点， 利用智能算法构建锅炉状态与重 构测点之间的关系， 实现数据的预测重构。 权利要求书1页 说明书3页 附图2页 CN 114943323 A 2022.08.26 CN 114943323 A 1.一种燃 煤锅炉机组在线测点数据重构方法， 其特 征在于， 包括如下步骤： 步骤1， 采用网格化的测试方法获取测试截面的代表点， 优化测点位置， 确保实时显示 的准确性； 步骤2， 根据燃 煤锅炉机组的运行 方式， 确定 重构算法输入输出变量； 步骤3， 将某一时刻的输入输出数据写入一个人工智能计算模型的计算节点， 通过训练 完毕的人工智能计算模型输出重构数据组并在历史库中存 储以备调用。 2.根据权利要求1所述的燃煤锅炉机组在线测点数据重构方法， 其特征在于， 步骤2中 所述输入变量包括如下状态参数： 纯凝机组电负荷， 供热机组锅炉蒸发量， 总燃煤量， 总风 量， 各磨煤机运行状态参数： 磨煤机煤量、 磨煤机进口风量、 冷风门开度、 热风门开度、 出口 风粉混和物温度， 主汽温度、 再 热器温度、 给 水温度。 3.根据权利要求2所述的燃煤锅炉机组在线测点数据重构方法， 其特征在于， 步骤2中 所述输出变量包括： 排烟温度、 排烟氧量、 飞灰含碳 量、 NOx生成量。 4.根据权利要求3所述的燃煤锅炉机组在线测点数据重构方法， 其特征在于， 步骤3中 所述人工智能计算模型使用神经网络算法， 在离线训练 时使用大量机组运行状态参数作为 输入参数， 并将对应运行状态下经网格化修正的实施排烟温度、 排烟氧量、 飞灰含碳量、 NOx 生成量作为输出参数， 对隐藏层节 点数量， 学习率大小， 激活函数， 初始权重进 行选取， 在经 过大量的样本训练与测试后确定神经网络的框架， 最终在机组运行中进行在线预测， 实现 排烟温度、 排烟氧量、 飞灰含碳 量、 NOx生成量 参数的实时在线获取。权　利　要　求　书 1/1 页 2 CN 114943323 A 2一种燃煤锅炉机组在线测点数据重构方 法 技术领域 [0001]本发明涉及电力技 术领域， 尤其涉及一种燃 煤锅炉机组在线测点数据重构方法。 背景技术 [0002]促进数字技术与实体经济深度融合， 赋能传统产业转型升级， 加快能源电力行业 数字化转型势在必行。 作为电力系统产业链上游的发电侧领域的数字化转型对于能源电力 行业的数字化转型起着至关重要的作用。 燃煤发电锅炉机组在线测点测试数据的真实可靠 是大数据、 人工智能等数字化、 智能化应用具有良好实施效果的前提。 [0003]而目前燃煤锅炉机组在线测点由于所处的工作环境恶劣、 测点安装位置条件复 杂， 因此常常存在代表性不足、 运行中易损坏、 测量值漂移等问题， 直接影响大数据分析结 果， 及智能化应用的模型输出精准度。 因此对于燃煤锅炉机组在线测点的数据重构治理使 其更加接 近被测量的真实值显得 尤为重要。 发明内容 [0004]本发明的目的是一种燃煤锅炉机组在线测点数据重构方法， 解决燃煤锅炉机 组在 线测点测 量数据失真问题， 通过网格化的测试方法获取测试截面的代表点， 进而优化测点 位置， 减小测量系统误差。 通过获取锅炉机组运行状态参数及重构测点， 利用智能算法构建 锅炉状态与重构测点之间的关系， 实现数据的预测重构。 [0005]本发明提供了一种燃 煤锅炉机组在线测点数据重构方法， 包括如下步骤： [0006]步骤1， 采用网格化的测试方法获取测试截面的代表点， 优化测点位置， 确 保实时 显示的准确性； [0007]步骤2， 根据燃 煤锅炉机组的运行 方式， 确定 重构算法输入输出变量； [0008]步骤3， 将某一时刻的输入输出数据写入一个人工智能计算模型的计算节点， 通过 训练完毕的人工智能计算模型输出重构数据组并在历史库中存 储以备调用。 [0009]进一步地， 步骤2中所述输入变量包括如下状态参数： 纯凝机组电负荷， 供热机组 锅炉蒸发量， 总燃煤量， 总风量， 各磨煤机运行状态参数： 磨煤机煤量、 磨煤机进口风量、 冷 风门开度、 热风门开度、 出口风粉混和物温度， 主汽温度、 再 热器温度、 给 水温度。 [0010]进一步地， 步骤2中所述输出变量包括： 排烟温度、 排烟氧量、 飞灰含碳量、 NOx生成 量。 [0011]进一步地， 步骤3中所述人工智能计算模型使用神经网络算法， 在离线训练时使用 大量机组运行状态参数作为输入参数， 并将对应运行状态下经网格化修正的实施排烟温 度、 排烟氧量、 飞灰含碳量、 NOx生 成量作为输出参数， 对隐藏层节 点数量， 学习率大小， 激活 函数， 初始权重进 行选取， 在经过大量的样本训练与测试后确定神经网络的框架， 最 终在机 组运行中进 行在线预测， 实现排烟温度、 排烟氧量、 飞灰含碳量、 NOx生成量参数的实时在 线 获取。 [0012]借由上述方案， 通过燃煤锅炉机组在线测点数据重构方法， 通过网格化的测试方说　明　书 1/3 页 3 CN 114943323 A 3