(19)中华 人民共和国 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 202111414370.6 (22)申请日 2021.11.25 (71)申请人 华北电力大 学 地址 102206 北京市昌平区回龙观镇北农 路2号 (72)发明人 洪烽　逄亚蕾　梁璐　王睿　宋杰　 张浩然　翟海涛　黄杰　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 代理人 赵兴华 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 20/10(2019.01) G06N 3/04(2006.01) (54)发明名称 一种CFB锅炉机组深调峰性能监测方法及系 统 (57)摘要 本发明涉及一种CFB锅炉机组深调峰性能监 测方法， 所述方法包括如下步骤： 获取CFB锅炉机 组的历史运行数据及历史运行数据对应的C FB锅 炉机组的深调峰性能； 利用DBN网络模型对历史 运行数据进行降维； 利用降维后的历史运行数据 及其对应的CFB锅炉机组的深调峰性能， 训练 LSSVM模型； 获取C FB锅炉机组的当前运行数据并 进行降维； 将降维后的当前运行数据输入训练后 的LSSVM模型， 确定CFB锅炉机组的深调峰性能。 本发明首先利用DBN网络模型对复杂的运行数据 进行降维， 利用降维后的运行数据进行LSSVM模 型训练及深调峰性能的评估， 提高了LSSVM模型 收敛的速度， 实现了CFB锅炉机组的深调峰性能 快速且准确预测。 权利要求书2页 说明书6页 附图2页 CN 113919598 A 2022.01.11 CN 113919598 A 1.一种CFB锅炉机组深调峰性能监测方法， 其特 征在于， 所述方法包括如下步骤： 获取CFB锅炉机组的历史运行 数据及历史运行 数据对应的CFB锅炉机组的深调峰性能； 利用DBN网络模型对所述历史运行 数据进行降维； 利用降维后的所述历史运行数据及所述历史运行数据对应的CFB锅炉机组的深调峰性 能， 训练LS SVM模型， 获得训练后的LS SVM模型； 获取CFB锅炉机组的当前运行数据， 并输入所述DBN网络模型进行降维， 获得降维后的 当前运行 数据； 将降维后的当前运行数据输入训练后的所述LSSVM模型， 获得当前运行数据对应的CFB 锅炉机组的深调峰性能。 2.根据权利 要求1所述的CFB锅炉机组深调峰性能监测方法， 其特征在于， 所述利用DBN 网络模型对所述历史运行 数据进行降维， 之前还 包括： 利用公式 对所述历史运行数据进行归一化处理， 获得归一化后的 历史运行 数据； 其中， 表示归一化后的第i个历史运行数据， Xj表示归一化前的第j个历史运行数 据， 和 分别表示第j个历史运行 数据的最小值和最大值。 3.根据权利 要求1所述的CFB锅炉机组深调峰性能监测方法， 其特征在于， 所述DBN网络 模型包括依次连接的第一层RBM、 第二层RBM和第三层RBM； 所述第一层RBM、 所述第二层RBM和所述第三层RBM均包括可 见层和隐藏层。 4.根据权利要求3所述的CFB锅炉机组深调峰性能监测方法， 其特征在于， 所述第一层 RBM的可见层包括12个节点， 所述第一层RBM的隐藏层包括9个节点； 第二层RBM的可 见层包括9个节点， 所述第二层RBM的隐藏层包括5个节点； 第三层RBM的可 见层包括5个节点， 所述第二层RBM的隐藏层包括2个节点。 5.根据权利要求1所述的CFB锅炉机组深调峰性能监测方法， 其特征在于， 所述利用降 维后的所述历史运行数据及所述历史运行数据对应的CFB锅炉机组的深调峰性能， 训练 LSSVM模型， 获得训练后的LS SVM模型， 具体包括： 采用交叉验证方法， 利用降维后的所述历史运行数据及所述历史运行数据对应的CFB 锅炉机组的深调峰性能， 确定LSSVM模型的参数数据库中的最优参数， 对所述LSSVM模型进 行初始化； 利用降维后的所述历史运行数据及所述历史运行数据对应的CFB锅炉机组的深调峰性 能训练初始化后的LS SVM模型， 获得训练后的LS SVM模型。 6.一种CFB锅炉机组深调峰性能监测系统， 其特 征在于， 所述系统包括： 历史运行数据获取模块， 用于获取CFB锅炉机组的历史运行数据及历史运行数据对应 的CFB锅炉机组的深调峰性能； 历史运行 数据降维模块， 用于利用DBN网络模型对所述历史运行 数据进行降维； 模型训练模块， 用于利用降维后的所述历史运行数据及所述历史运行数据对应的CFB 锅炉机组的深调峰性能， 训练LS SVM模型， 获得训练后的LS SVM模型； 当前运行数据获取模块， 用于获取CFB锅炉机组的当前运行数据， 并输入所述DBN网络权　利　要　求　书 1/2 页 2 CN 113919598 A 2模型进行降维， 获得降维后的当前运行 数据； 深调峰性能确定模块， 用于将降维后的当前运行数据输入训练后的所述LSSVM模型， 获 得当前运行 数据对应的CFB锅炉机组的深调峰性能。 7.根据权利要求6所述的CFB锅炉机组深调峰性能监测系统， 其特征在于， 所述系统还 包括： 归一化模块， 用于利用公式 对所述历史运行数据进行归一化处 理， 获得归一 化后的历史运行 数据； 其中， 表示归一化后的第i个历史运行数据， Xj表示归一化前的第j个历史运行数 据， 和 分别表示第j个历史运行 数据的最小值和最大值。 8.根据权利 要求6所述的CFB锅炉机组深调峰性能监测系统， 其特征在于， 所述DBN网络 模型包括依次连接的第一层RBM、 第二层RBM和第三层RBM； 所述第一层RBM、 所述第二层RBM和所述第三层RBM均包括可 见层和隐藏层。 9.根据权利要求8所述的CFB锅炉机组深调峰性能监测系统， 其特征在于， 所述第一层 RBM的可见层包括12个节点， 所述第一层RBM的隐藏层包括9个节点； 第二层RBM的可 见层包括9个节点， 所述第二层RBM的隐藏层包括5个节点； 第三层RBM的可 见层包括5个节点， 所述第二层RBM的隐藏层包括2个节点。 10.根据权利要求6所述的CFB锅炉机组深调峰性能监测系统， 其特征在于， 所述模型训 练模块， 具体包括： 模型初始化子模块， 用于采用交叉验证方法， 利用降维后的所述历史运行数据及所述 历史运行数据对应的CFB锅炉机组的深调峰性能， 确定LSSVM模型的参数数据库中的最优参 数， 对所述 LSSVM模型进行初始化； 模型训练子模块， 用于利用降维后的所述历史运行数据及所述历史运行数据对应的 CFB锅炉机组的深调峰性能训练初始化后的LS SVM模型， 获得训练后的LS SVM模型。权　利　要　求　书 2/2 页 3 CN 113919598 A 3