[发明专利]基于支持向量机和神经网络的循环水损失预测方法

说明书

本发明涉及一种基于支持向量机和神经网络的循环水损失预测方法，包括：基于BP神经网络建模对循环水损失进行预测和基于支持向量机建模对循环水损失进行预测；其中，基于BP神经网络建模对循环水损失进行预测包括：基于火电厂厂级监控信息系统采集机组运行的历史数据；基于冬、夏季机组运行历史数据，选取进出口温度、机组运行负荷、真空度、凝结水流量和环境温度为BP神经网络的输入变量，以蒸发损失和风吹损失总量为输出变量，建立BP神经网络仿真预测模型；根据建立的BP神经网络仿真预测模型预测循环水损失。本发明能够保证预测的准确性，可为后续循环冷却水系统的智能监测、取排水的调度和控制提供有力支持。

技术领域

本发明属于火力发电技术领域，尤其涉及一种基于支持向量机和神经网络的循环水损失预测方法。

背景技术

随着国家对火电企业取、排水水量和排水水质指标的限制越来越严格，迫使火电企业加速开展深度节水和废水综合治理工作。对于利用循环冷却水的火力发电厂，循环冷却水系统是用水量最大的系统，可占全厂总用水量的70％～90％，耗水量占全厂耗水量的50～60％。

通循环水系统的水量损失主要包括蒸发损失、风吹损失和排污损失，蒸发损失占循环水系统总耗水量的30％～50％，风吹损失约为循环水总量的0.1～0.5％。蒸发损失和风吹损失会导致循环水中离子浓度过高、管道设备发生腐蚀。因此，为保证设备安全运行，需定期向外排一部分水(即排污损失)，补充新的水使水中的离子浓度维持在管道设备可接受的范围内。因此，准确计算蒸发损失和风吹损失水量，结合离子浓度计算出排污损失量，可明显节约循环水的补水量，对循环水排污水处理系统的高效稳定运行和电厂的节水降耗具有重要意义。

循环水系统的蒸发损失和风吹损失受进塔气温、进出口湿度、机组运行负荷和进口风量等诸多因素的影响，同时这些参数之间还存在复杂的耦合关系，因此并不能直观地判断出损失水量。火电厂在实际运行过程中，多用公式法来估算循环水系统的蒸发损失，并将风吹损失限定为循环水总量0.05％～0.1％，显然不能准确判断取用水量，且这种计算方法存在滞后性。

发明内容

本发明的目的是提供一种基于支持向量机和神经网络的循环水损失预测方法，提高预测的准确性。

本发明提供了一种基于支持向量机和神经网络的循环水损失预测方法，包括：基于BP神经网络建模对循环水损失进行预测和基于支持向量机建模对循环水损失进行预测；

所述基于BP神经网络建模对循环水损失进行预测包括：

1)基于火电厂厂级监控信息系统采集机组运行的历史数据；

2)基于冬、夏季机组运行历史数据，选取进出口温度、机组运行负荷、真空度、凝结水流量和环境温度为BP神经网络的输入变量，以蒸发损失和风吹损失总量为输出变量，建立BP神经网络仿真预测模型；

3)根据建立的BP神经网络仿真预测模型预测循环水损失；

所述基于支持向量机建模对循环水损失进行预测包括：

(1)基于火电厂厂级监控信息系统采集机组运行的历史数据；

(2)基于冬、夏季机组运行历史数据，选取进出口温度、机组运行负荷、真空度、凝结水流量和环境温度为支持向量机的输入变量，以蒸发损失和风吹损失总量为输出变量，建立支持向量机仿真预测模型；

(3)根据建立的支持向量机仿真预测模型预测循环水损失。

进一步地，所述基于BP神经网络建模对循环水损失进行预测中步骤2)包括：

利用R语言进行模型训练，通过试凑法调整模型计算速度、节点数和隐藏层数，以获得最优BP神经网络仿真预测模型。

进一步地，所述基于支持向量机建模对循环水损失进行预测中步骤(2)包括：