Prediction of key indicators of utility boiler based on multi-task uncertainty loss
摘要
مع زيادة حاجة محطات توليد الكهرباء بالغلايات إلى التشغيل المرنة، فإن التشغيل التغييري المتكرر يؤدي إلى تقلبات كبيرة في محتوى الملوثات ومعلمات الدخان، ولم يعد من الممكن نمذجة معلمات الملوث الفردية أو معلمات الدخان لتلبية احتياجات محطة الطاقة الفعلية، لذا يتعين النظر في تشابك معلمات متعددة لتوقع النمذجة التعاونية. باستخدام بيانات تشغيل تاريخية لمحطات توليد الكهرباء بالفحم، يتم استخراج ملامح من خلال تطبيق الوظيفة النواة وبناء نموذج توقع تعاوني للمهام متعددة بنية مشتركة من شبكة الذاكرة العاملة الطويلة والقصيرة، ويتم تحسين نموذج التوقع باستخدام طريقة خسارة الغموض. تشير نتائج التجارب إلى أن النموذج التوقعي المقدم يظهر دقة توقعية عالية في حالات تغيير التحميل، ويقلل خطأ مربع الجذر للمعلمات الرئيسية المعنية بمحدد تسخين الهواء من الغازات في مخرج الفرن بنسبة 25.5٪، ودرجة حرارة الدخان بنسبة 41.8٪، وتركيز كتلة أكسيد النيتروجين NO_x في مخرج الفرن بنسبة 4.7٪. يمكن للأسلوب المقدم توقع عدة معلمات رئيسية للغلايات في حالات تغيير التحميل، ويمكن له أن يساعد في التحكم في التلوث وتحسين كفاءة الاحتراق لمحطة توليد الكهرباء، ويمكن أن يوفر الدعم التقني لتشغيل المصنع بذكاء.
关键词
coal-fired boiler;prediction model;LSTM neural network;multi-task learning;uncertainty loss