[发明专利]循环水系统压缩机透平能耗预测方法、装置、设备及介质

权利要求书

1.一种循环水系统压缩机透平能耗预测方法，其特征在于，包括：

预先基于待预测压缩机的驱动透平能源的流量时间序列历史数据，通过训练长短期记忆网络得到透平能源预测模型；

获取所述待预测压缩机在当前时刻的驱动透平能源的当前测量数据；

将所述当前测量数据输入至所述透平能源预测模型，得到所述驱动透平能源的预测流量数据；

基于所述预测流量数据，确定所述待预测压缩机的透平能耗预测值。

2.根据权利要求1所述的循环水系统压缩机透平能耗预测方法，其特征在于，所述驱动透平能源为燃气，所述基于所述预测流量数据，确定所述待预测压缩机的透平能耗预测值，包括：

对所述燃气进行分析，得到燃气组分以及各组分比例；

根据所述燃气组分及各组分比例确定总燃烧焓；

根据所述预测流量数据、所述总燃烧焓及其对应的燃烧效率，确定实际燃烧释放能量；

根据所述实际燃烧释放能量和所述待预测压缩机的工作环境参数，确定所述透平能耗预测值。

3.根据权利要求1所述的循环水系统压缩机透平能耗预测方法，其特征在于，所述驱动透平能源为蒸汽，所述基于所述预测流量数据，确定所述待预测压缩机的透平能耗预测值，包括：

根据所述预测流量数据和所述待预测压缩机的工作环境参数，确定焓变值；

将所述焓变值作为所述待预测压缩机的透平能耗预测值。

4.根据权利要求1至3任意一项所述的循环水系统压缩机透平能耗预测方法，其特征在于，所述基于待预测压缩机的驱动透平能源的流量时间序列历史数据，通过训练长短期记忆网络得到透平能源预测模型，包括：

按照预测比例将待预测压缩机的驱动透平能源的流量时间序列历史数据，分割为训练数据集和测试数据集；

对所述训练数据集中的流量时间序列历史数据，进行归一化处理；

利用归一化处理之后的训练数据集，训练预先搭建的长短期记忆网络模型，并根据训练情况不断调整所述长短期记忆网络模型超参数，直至符合训练停止条件，得到初始预测模型；

利用所述测试数据集对所述初始预测模型进行预测性能检测，得到性能预测检测信息；

若所述性能预测检测信息满足预设预测性能条件，则将所述初始预测模型作为透平能源预测模型；若所述性能预测检测信息不满足预设预测性能条件，则输出重新训练所述初始预测模型的指令。

5.根据权利要求4所述的循环水系统压缩机透平能耗预测方法，其特征在于，所述训练预先搭建的长短期记忆网络模型之前，还包括：

响应模型搭建指令，基于TensorFlow.Keras自动生成长短期记忆网络模型；

响应模型参数设置指令，自动为所述长短期记忆网络模型设置输入维度、输入数据的时间步长、模型结构和各层神经元个数；

响应训练参数设置指令，自动设置模型优化器、学习率和迭代次数。

6.一种循环水系统压缩机透平能耗预测装置，其特征在于，包括：

模型预训练模块，用于预先基于待预测压缩机的驱动透平能源的流量时间序列历史数据，通过训练长短期记忆网络得到透平能源预测模型；

数据获取模块，用于获取所述待预测压缩机在当前时刻的驱动透平能源的当前测量数据；

流量预测模块，用于将所述当前测量数据输入至所述透平能源预测模型，得到所述驱动透平能源的预测流量数据；

能耗预测模块，用于基于所述预测流量数据，确定所述待预测压缩机的透平能耗预测值。

7.根据权利要求6所述的循环水系统压缩机透平能耗预测装置，其特征在于，所述能耗预测模块进一步用于：所述驱动透平能源为燃气，对所述燃气进行分析，得到燃气组分以及各组分比例；根据所述燃气组分及各组分比例确定总燃烧焓；根据所述预测流量数据、所述总燃烧焓及其对应的燃烧效率，确定实际燃烧释放能量；根据所述实际燃烧释放能量和所述待预测压缩机的工作环境参数，确定所述透平能耗预测值。