基于PIRNN的燃煤电厂锅炉末级过热器壁温预测方法

摘要

为了解决锅炉末级过热器管壁超温的预测问题，提出基于物理信息递归神经网络（physical informed recurrent neural network, PIRNN）的末级过热器壁温预测方法。首先，通过互信息筛选出系统中的关键特征变量，同时选取以锅炉最大连续蒸发量为指标的4种工况为模型，提供基本运行参数；然后，将传统的数据损失函数结合基于一维热传导、热辐射、热对流的偏微分方程作为物理损失函数，以强化PIRNN网络对物理信息的处理能力；最后，采用随机搜索进行超参数寻优。以国内某在役的660 MW超超临界机组末级过热器为对象进行验证。PIRNN算法验证集表现出均方根差为0.807，相较于其他传统深度学习方法更优，符合物理一致性，更能适应锅炉的变负荷工况。

关键词

一维热传导方程 / 热辐射 / 热对流 / PIRNN / 末级过热器 / 燃煤锅炉