一种燃煤锅炉动态变负荷过程温度场预测系统及方法

本发明涉及工业智能计算与燃煤锅炉数字孪生，具体涉及一种燃煤锅炉动态变负荷过程温度场预测系统及方法。

背景技术：

1、现有新能源发电装机量持续攀升。为了解决新能源发电存在的间歇性、不稳定性问题，大容量燃煤锅炉需要具备低负荷运行以及快速变负荷的能力。而该类过程会引起炉膛温度场和局部燃烧状态的快速变化，若不能及时掌握温度场演化趋势，容易影响锅炉安全性、经济性和污染物控制效果。

2、计算流体力学方法能够较为精细地描述炉膛内部流动、传热和燃烧过程，是获取温度场分布的重要手段。但是，面向超大型燃煤锅炉进行非稳态数值模拟通常需要较高计算资源和较长计算时间，难以直接满足在线监测、快速推演和运行决策的实时性要求。因此，有必要提供一种将非稳态数值模拟数据、几何边界约束、空间特征降维和时序状态预测相结合的温度场预测系统以及预测方法，以在不过度增加在线计算负担的情况下，实现燃煤锅炉动态变负荷过程温度场的快速预测和可视化输出。

技术实现思路

1、本发明需要解决的技术问题是提供一种燃煤锅炉动态变负荷过程温度场预测系统及方法，以解决现有计算流体力学非稳态求解耗时较长、传统测点监测难以反映炉膛整体温度场分布以及现有数据驱动方法在动态变负荷场景下连续推演能力不足的问题，为电厂锅炉变负荷温度监测，超温预警提供实时、可靠的技术支撑。

2、为解决上述技术问题，本发明所采取的技术方案如下。

3、一种燃煤锅炉动态变负荷过程温度场预测方法，包括以下步骤：

4、s1.基于用户侧输入或dcs运行数据读取锅炉实时运行控制参数，用于实现在线预测；

5、s2.获取目标燃煤锅炉在动态变负荷过程中的非稳态数值模拟温度场数据，并结合几何边界约束构建带有边界约束的空间连续分布矩阵；

6、s3.构建空间特征降维及还原模型，对步骤s2中带有边界约束的空间连续分布矩阵进行编码，获得表征温度场空间分布的低维隐式向量，且空间特征降维及还原模型还能够根据低维隐式向量还原带有边界约束的空间连续分布矩阵；

7、s4.提取锅炉动态变负荷过程中的锅炉实时运行控制参数，与历史时刻低维隐式向量进行多维融合；

8、s5.构建时序演化预测模型，将融合特征输入时序演化预测模型，预测下一目标时刻的低维隐式向量；以预测得到的低维隐式向量作为后续时刻的状态输入，按照预设时间步长闭环滚动推演，得到未来时段的低维隐式向量组；

9、s6.对低维隐式向量组进行空间还原，输出未来动态变负荷过程中的非稳态温度场预测结果；

10、s7.将预测结果返回给用户侧。

11、优选的，所述步骤s1中，锅炉实时运行控制参数包括锅炉变负荷速率、锅炉当前负荷和燃烧器运行状态。

12、优选的，所述步骤s2中，非稳态数值模拟基于计算流体力学方法，通过电厂dcs运行数据获取典型工况的初始条件用于离线训练样本生成；所述初始条件包括煤粉种类、一次风速度、二次风速度、燃尽风速度、一次风温度、二次风温度、燃尽风温度、给煤量、燃烧器摆角；通过耦合湍流模型、辐射模型、离散相模型、焦炭燃烧模型的非稳态数值模拟方法得到炉膛内部温度场，获得前后状态连续、保留热惯性和响应滞后的非稳态温度场序列；

13、所述步骤s2中，非稳态数值模拟具体为：建立与目标燃煤锅炉一致的计算域和计算网格，将典型工况的初始条件输入基于有限体积法的求解器，求解获取初始时刻的收敛温度场，随后启用非稳态求解，设置物理时间步长，并通过时间序列表或用户自定义函数，按变负荷轨迹在每一时间步更新负荷、给煤量、风速、风温及燃烧器摆角条件；在第n个时间步，以上一时间步的收敛流场作为初始值，采用隐式时间离散，迭代求解连续性方程、动量方程、能量方程和组分输运方程，并耦合湍流模型、辐射模型、离散相模型及焦炭燃烧模型；满足残差和温度监测量收敛要求后，保存该时刻温度场，再推进至下一时间步，直至完成整段变负荷过程；

14、所述步骤s2中，几何边界约束为根据真实锅炉的几何参数形成遮罩矩阵，其对原始连续流场插值后的完整网格矩阵的约束作用为：

15、

16、其中，为原始连续流场插值后的完整网格矩阵；为实际参与步骤s3中空间特征降维及还原模型和步骤s5中时序演化预测模型训练的带有边界约束的空间连续分布矩阵；表示哈达玛积；为遮罩矩阵，其定义为：

17、

18、其中，

y为网格矩阵的行索引；

x为网格矩阵的列索引。

19、优选的，所述步骤s2中，几何边界约束包括：根据目标燃煤锅炉炉膛或目标截面的真实几何轮廓生成边界遮罩，对边界外的无效网格点进行屏蔽或赋零处理，并保留边界内有效区域参与模型训练、推理和结果显示。

20、优选的，所述步骤s3中，低维隐式向量具体为：将高维、高冗余的空间连续分布矩阵，通过非线性变换投影至低维隐式特征子空间后，所解耦并提取出的、能够完整复现原始连续物理场空间拓扑结构的核心表征向量；所述空间特征降维及还原模型包括编码器和解码器，编码器将步骤s2中带有边界约束的空间连续分布矩阵映射为低维隐式向量，解码器根据该隐式向量还原带有边界约束的空间连续分布矩阵，表达式为：

21、

22、

23、其中，表示解码器还原得到的空间连续分布矩阵；空间特征降维及还原模型通过减小与之间的重建误差进行训练，以建立空间连续分布矩阵与低维隐式向量之间的双向映射关系。

24、优选的，所述步骤s5中，时序演化预测模型表达式为：

25、

26、其中，为时序演化预测模型，为模型参数；为上一时刻模型预测的低维隐式向量；为锅炉实时运行控制参数；为模型预测的当前时刻t的低维隐式向量；

27、所述时序演化预测模型的损失函数定义为：

28、

29、其中，为t时刻时序演化预测模型损失值；为低维隐式特征子空间的维度；表征低维空间中第个特征分量的索引；为t时刻空间特征降维及还原模型的编码器对非稳态数值模拟温度场进行空间降维后得到的隐式向量真实值；为t时刻由时序演化预测模型滚动预测出的隐式向量预测值。

30、优选的，所述步骤s6中，预测得到的当前时刻t的低维隐式向量经过解码器还原得到空间连续分布矩阵与t时刻的非稳态数值模拟温度场经几何边界约束后得到的空间连续分布矩阵误差的评价方法为：

31、

32、其中，为t时刻的瞬态平均相对误差；为图像列数；为图像行数；表示在t时刻、坐标为处的非稳态数值模拟温度；表示在t时刻、坐标为处的深度学习预测温度。

33、优选的，所述空间特征降维及还原模型为具有空间特征提取能力的非线性降维模型，将高维空间连续分布矩阵映射至低维状态空间，构成低维隐式向量，并将低维隐式向量逆映射为空间连续分布矩阵；

34、所述时序演化预测模型包括控制参数输入分支和历史低维隐式向量输入分支，用于学习运行控制参数与温度场低维隐式向量演化之间的对应关系。

35、优选的，对所述空间特征降维及还原模型进行训练时，综合采用温度场重建一致性约束、空间梯度一致性约束和局部结构一致性约束中的至少一种，以使还原后的空间连续分布矩阵保持边界变化和主要空间分布特征；

36、训练所述时序演化预测模型时，将完整变负荷过程作为样本组织单位，并利用低维隐式向量误差和相邻时刻状态变化一致性中的至少一种对模型进行约束；

37、所述步骤s6中，非稳态温度场预测结果以温度云图、时序矩阵、动态图像、关键区域温度指标或超温预警信息中的至少一种形式输出；当预测温度超过预设阈值时，生成用于锅炉运行调整的提示信息。

38、一种燃煤锅炉动态变负荷过程温度场预测系统，包括在线预测链路和离线训练与模型支撑链路；

39、所述在线预测链路包括依次连接的数据读取模块、数据预处理模块、时序预测模块和结果输出模块；

40、所述数据读取模块用于接收用户侧输入或自动读取电厂dcs运行数据，获取锅炉实时运行控制参数，并将锅炉实时运行控制参数传递给数据预处理模块；

41、所述数据预处理模块用于对输入数据进行网格化、归一化和几何边界遮罩约束处理，形成适合后续模型推理的输入数据，并将处理后的数据传递给时序预测模块；

42、所述时序预测模块内置训练好的时序演化预测模型，用于根据锅炉实时运行控制参数和上一时刻低维隐式向量，通过多维特征融合和闭环滚动推演预测未来低维隐式向量组，并将预测结果传递给结果输出模块；

43、所述结果输出模块，内置训练好的解码器，用于将未来低维隐式向量组还原为非稳态温度场预测结果，并进行显示或预警；

44、所述离线训练与模型支撑链路包括依次连接的非稳态数值模拟数据生成模块、几何边界定义模块、训练样本库和模型库；

45、所述非稳态数值模拟数据生成模块，用于基于计算流体力学方法获取目标燃煤锅炉在动态变负荷过程中的非稳态温度场序列及对应的边界条件；

46、所述几何边界定义模块用于根据目标燃煤锅炉的真实几何参数生成炉膛截面和遮罩矩阵；

47、所述训练样本库用于存储训练样本，训练样本用于训练空间特征降维及还原模型和时序演化预测模型，且训练得到的模型参数存储于模型库；

48、所述模型库用于存储训练完成的模型参数；

49、所述几何边界定义模块的输出端还与在线预测链路中的数据预处理模块的输入端连接，用于向数据预处理模块提供遮罩矩阵，以使数据预处理模块对输入数据进行几何边界遮罩约束处理；

50、所述模型库的输出端还分别与在线预测链路中的时序预测模块和结果输出模块的输入端连接，用于向所述在线预测链路提供模型支撑。

51、由于采用了以上技术方案，本发明所取得技术进步如下。

52、本发明将高维、高冗余的空间连续分布矩阵通过空间特征降维及还原模型的编码器映射至低维隐式特征子空间，提取出能够完整复现原始连续物理场空间拓扑结构的低维隐式向量，并在低维隐式特征子空间中进行时序演化预测，显著降低了动态温度场预测的在线计算量，实现了燃煤锅炉动态变负荷过程温度场的秒级实时动态预测，能够满足在线监测和运行决策的实时性要求。

53、本发明根据真实锅炉的几何参数形成遮罩矩阵，对原始连续流场插值后的完整网格矩阵施加几何边界遮罩约束，使预测结果集中于锅炉炉膛或目标截面的实际物理区域，对边界外的无效网格点进行屏蔽或赋零处理，减少了无物理意义区域对模型训练、推理和结果显示的干扰，提高了预测精度和可视化效果。

54、本发明将锅炉负荷、变负荷速率、燃烧器运行状态以及上一时刻低维隐式向量进行多维融合，使时序演化预测模型既能够感知当前运行控制条件，又能够继承历史温度场低维隐式向量，增强了对动态变负荷过程连续演化规律的表达能力，提高了变工况条件下的预测准确性。

55、本发明的预测系统具有在线预测链路和离线训练与模型支撑链路，数据读取模块支持用户侧输入和自动读取电厂dcs运行数据两种数据获取方式，便于离线方案评估和在线数字孪生预测应用，具有良好的灵活性和工程适用性；系统将非稳态数值模拟数据生成模块提供的非稳态温度场序列及边界条件和几何边界定义模块提供的遮罩矩阵共同形成带几何边界约束的训练样本集，利用训练样本集训练空间特征降维及还原模型和时序演化预测模型，并将训练完成的模型参数存储于模型库，为在线预测链路提供模型支撑，使在线预测阶段无需重新进行高成本非稳态数值模拟。

56、本发明通过建立与目标燃煤锅炉一致的计算域和计算网格，采用隐式时间离散，以上一时间步的收敛流场作为初始值逐时间步推进求解，获得前后状态连续、保留热惯性和响应滞后的非稳态温度场序列，为空间特征降维及还原模型和时序演化预测模型提供了高质量的时序训练样本，使得预测结果能够反映锅炉动态变负荷过程中的真实物理特性。

57、本发明对空间特征降维及还原模型进行训练时，综合采用温度场重建一致性约束、空间梯度一致性约束和局部结构一致性约束中的至少一种，使还原后的空间连续分布矩阵保持边界变化和主要空间分布特征；训练时序演化预测模型时，将完整变负荷过程作为样本组织单位，并利用低维隐式向量误差和相邻时刻状态变化一致性中的至少一种对模型进行约束，提高了动态变工况下的连续预测稳定性。