基于深度迁移学习的燃煤锅炉烟气流量预测及智能诊断
江宇泷
杜翰斌
陆佳慧
汤红健
段伦博
东南大学能源热转换及其过程测控教育部重点实验室,江苏南京 210096
摘要：燃煤锅炉烟气流量数据的可靠性是实现火电机组碳排放精准计量的重要前提.然而,流场的不均匀性、测点位置的选择以及取样管堵塞等问题,给烟气流量的准确监测带来挑战.针对烟气流量在线监测存在的难题,提出建立基于Transformer的多变量时间序列模型,以实现烟气流量的在线预测与数据诊断.首先,从某660 MW典型燃煤机组中采集了 25 d的烟气流量数据以及相应的运行工况参数,建立了 Transformer烟气流量预测模型.模型对于烟气流量的预测效果,在训练集和测试集上的回归系数R2均高于0.9,且预测精度显著优于随机森林、人工神经网络等非时序机器学习模型,以及长短期记忆网络等递归神经网络模型.结果表明:Transformer烟气流量预测模型可以准确建立机组运行工况变量与烟气流量之间的动态映射关系.然后,采用迁移学习方法,实现了将660 MW燃煤机组上已训练好的Transformer源模型迁移至另一台630 MW燃煤机组烟气流量预测的泛化应用.仅采用630 MW机组0.5 d连续运行的数据进行迁移训练,准确预测了后24.5 d的烟气流量数据,预测精度R2达到0.84.Transformer迁移学习模型具有较优的烟气流量预测性能,且迁移学习方法大幅度提高了模型的训练效率.最后,基于Transformer模型对于烟气流量良好的时序性预测性能,进一步实现了对燃煤机组烟气流量数据的智能诊断.
关键词：燃煤锅炉烟气流量Transformer迁移学习智能诊断
分类号：TK313(热工量测和热工自动控制)
资助基金：国家自然科学基金(U22A20435)江苏省基础研究计划(自然科学基金)资助项目(BK20220836)国家自然科学基金(52206135)
论文发表日期：2025-08-31
在线出版日期：2025-09-29（本平台首次上网日期，不代表文献的发表时间）
页数：12( 4088-4099 )
英文信息