CN110096755B - 固体蓄热炉内高温加热元件在线温度软测量方法及*** - Google Patents
固体蓄热炉内高温加热元件在线温度软测量方法及*** Download PDFInfo
- Publication number
- CN110096755B CN110096755B CN201910274163.1A CN201910274163A CN110096755B CN 110096755 B CN110096755 B CN 110096755B CN 201910274163 A CN201910274163 A CN 201910274163A CN 110096755 B CN110096755 B CN 110096755B
- Authority
- CN
- China
- Prior art keywords
- temperature
- heating element
- heat
- solid
- heat accumulator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
- G01K7/02—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using thermoelectric elements, e.g. thermocouples
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/14—Thermal energy storage
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Temperature (AREA)
Abstract
固体蓄热炉内高温加热元件在线温度软测量方法及***,该方法包括:第一步、利用测温元件对高温蓄热炉中蓄热体的温度进行测量,得蓄热体的温度;第二步、第一个操作:利用第一步中的蓄热体的温度进行固体蓄热体流固耦合传热过程计算得出加热元件计算温度;第二个操作:将第一步中的蓄热体的温度输入流固耦合传热加热元件温度计算误差补偿模型得出加热元件误差补偿值;第三步、对第二步第一个操作得出的加热元件计算温度与第二步第二个操作得出的加热元件误差补偿值求和,完成在线温度软测量。(1)进一步提高软测量模型的预测精度。(2)快速准确地完成模型训练。(3)有效降低蓄热炉测温***硬件成本。(4)延长加热元件的使用寿命。
Description
技术领域
本发明内容属于热能动力工程和自动化测量技术领域,具体涉及固体蓄热炉内高温加热元件在线温度软测量方法及***。
背景技术
固体蓄热炉是一种在电网用电低谷时期,启动电热储能转换***,将电能转换为热能并存储于固体蓄热材料中,热能在热负荷需求时释放的储能装置。通常应用于城市、工厂等区域的分布式供暖和配备热电联产机组的灵活性改造中,可有效地解决风电、光伏等清洁能源的消纳问题。而加热元件作为固体蓄热炉中的热源,通常采用铁铬铝合金或者镍铬合金材料绕制成波浪形或螺旋形并放置在蓄热体换热通道中。铁铬铝材料制成的加热元件在1000℃以上的高温下存在热脆性,而镍铬合金加热元件的工作温度仅为1000℃~1100℃,因此在高温固体蓄热炉的供暖控制中加热元件温度是固体蓄热炉内的关键参数。获得固体蓄热炉内加热元件的精确温度对保护加热元件、延长加热元件使用寿命有重要意义。
将66kV的高压电直接接引进入固体蓄热炉内由加热元件产热,由于加热元件工作温度可达到1000℃以上,且炉内工作环境复杂,难以直接用温度传感器对加热元件温度测量,因此需要利用在线温度软测量***间接测量得到蓄热炉内加热元件的温度,从而实现加热元件的超温保护,实现高温固体蓄热炉的安全、稳定运行。
发明内容
发明目的:
本发明旨在提供一种固体蓄热炉内高温加热元件在线温度软测量方法及***,其目的是解决以往难以直接用温度传感器对加热元件进行温度测量的问题。
该方法主要包括蓄热炉内加热元件在线温度硬件测量***和在线温度软测量计算方法。硬件测量***主要应用热电偶测温元件对高温蓄热炉中蓄热体的温度进行测量,得到加热元件温度软测量的间接变量;高温加热元件在线温度软测量计算方法主要利用硬件测量***的测量数据,通过融合固体蓄热炉内流-固耦合传热机理与神经网络数据驱动误差补偿方法,以达到对固体蓄热炉内加热元件温度进行精确测量的目的,以解决固体蓄热炉内加热元件温度难以测量的问题。因此需要利用在线温度软测量***间接测量得到蓄热炉内加热元件的温度,从而实现加热元件的超温保护,实现高温固体蓄热炉的安全、稳定运行。
技术方案:
本发明所提供的一种固体蓄热炉内高温加热元件在线温度软测量***,主要由固体蓄热炉内高温加热元件在线温度软测量硬件***和加热元件温度软测量计算方法组成,蓄热炉内高温加热元件的硬件***主要采用热电偶对蓄热炉内蓄热体的温度进行测量,将测量数据送入以单片机为核心处理器的处理***中进行加热元件温度的计算;而高温加热元件温度软测量计算方法主要应用于处理***中,依据热电偶传感器监测到的蓄热炉内蓄热体实际温度对加热元件温度进行计算,以间接得到加热元件温度,实现加热元件温度的实时监测与超温保护。
1、蓄热炉内加热元件在线温度硬件测量***
蓄热炉内加热元件在线温度硬件测量***主要由热电偶、热电偶冷端延长导线、温度补偿装置、数据处理***、显示装置等结构组成。热电偶采用镍铬合金、镍硅合金两种材料焊接,放置于蓄热炉的蓄热体测温点,用于蓄热体温度测量,并采用通过延伸性补偿导线将热电偶与温度补偿装置进行连接;温度补偿装置采用K型热电偶专用冷端温度补偿芯片对由于环境温度所引起热电偶温度测量误差进补偿;数据处理***采用单片机为核心处理器,对热电偶采集的蓄热体温度进行A-D转换、软测量数据计算处理和处理后数据的输出等;经过数据处理***测算的加热元件温度数据通过显示装置在显示屏上显示,并通过串口通信模块将温度数据上传至上位机进行加热元件温度的远程监控。
2、蓄热炉内加热元件在线温度软测量计算方法
固体蓄热炉内加热元件温度软测量过程可分为固体蓄热体流固耦合传热过程计算与温度计算误差补偿计算部分构成。固体蓄热炉处于蓄热状态时,加热元件与蓄热体换热通道壁面进行辐射换热,之后换热通道壁面与测温孔间进行非稳态热传导;而由于传热计算过程中会忽略蓄热炉炉体内由于空气自然对流流动带走热量、保温层所导致的热损失等影响因素,因此会导致加热元件温度计算产生误差。本发明结合固体蓄热炉换热通道内传热过程中存在高维度、非线性以及时变性等特点,引入一种基于双并联前馈神经网络的流固耦合传热误差补偿模型,搭建试验装置并采集加热元件和蓄热体实测温度,以蓄热体实测温度、加热元件实测温度及加热元件计算温度为流固耦合传热加热元件温度计算误差补偿模型的输入量,以加热元件实测温度与计算温度的预测温差为流固耦合传热加热元件温度计算误差补偿模型的输出量,建立流固耦合传热加热元件温度计算误差补偿模型,使固体蓄热炉内加热元件温度软测量模型温度预测更加精准。
一种固体蓄热炉内高温加热元件在线温度软测量方法,其特征在于:该方法包括如下步骤:
第一步、利用测温元件对高温蓄热炉中蓄热体的温度进行测量,得蓄热体的温度;
第二步、利用第一步中的蓄热体的温度进行如下两个操作(两个操作可以同时进行也可以先后分别进行,不影响结果):第一个操作:利用第一步中的蓄热体的温度进行固体蓄热体流固耦合传热过程计算得出加热元件计算温度;第二个操作:将第一步中的蓄热体的温度输入流固耦合传热加热元件温度计算误差补偿模型得出加热元件误差补偿值;
第三步、对第二步第一个操作得出的加热元件计算温度与第二步第二个操作得出的加热元件误差补偿值求和,完成在线温度软测量。
第三步中的求和即为:
T5=T1+ΔT1 (1)
式中:T5为加热丝的预测温度,T1为加热丝的计算温度,ΔT1为加热丝补偿温度,即误差补偿值。
第二步中的流固耦合传热加热元件温度计算误差补偿模型的构建方法如下:
(2.1)、采集构建模型需要的温度数据,即:加热元件实测温度和蓄热体实测温度;
(2.2)、利用(2.1)步骤中采集的蓄热体实测温度结合固体蓄热体流固耦合传热过程进行计算得出加热元件计算温度,并将该加热元件计算温度与(2.1)步骤中的加热元件实测温度进行差值计算,得出加热元件的温度误差值;
(2.3)、以(2.1)步骤中的蓄热体实测温度为流固耦合传热加热元件温度计算误差补偿模型输入量,以(2.2)步骤中得出的加热元件的温度误差值为流固耦合传热加热元件温度计算误差补偿模型输出量,建立流固耦合传热加热元件温度计算误差补偿模型。
(2.1)步骤中采集构建模型需要的加热元件实测温度和蓄热体实测温度的方法有如下两种:
第一种:搭建固体蓄热炉试验装置,并采集该固体蓄热炉试验装置中的加热元件实测温度和蓄热体实测温度作为建模型需要的温度数据;
第二种:使用实际固体蓄热炉装置已经采集过的历史加热元件实测温度和历史蓄热体实测温度作为建模型需要的温度数据。
固体蓄热体流固耦合传热过程计算方法如下:
设加热元件计算温度为T1,固体蓄热体换热通道壁面温度为T2,加热元件的辐射表面积F1,加热元件与固体蓄热体换热通道间辐射系数Cn,两者间进行辐射换热,辐射换热热流量主要由加热元件产生,辐射热流量Φes与加热元件的加热功率P相等,表示为:
设T3为蓄热体测温点处温度(实际测量时T3为第一步中的提到的实际测量得出的蓄热体的温度,建模时为(2.1)步骤中所说的蓄热体实测温度);T0为蓄热体测温点初始温度;λ为蓄热单元表面换热系数;ρ为蓄热单元密度;cp为蓄热单元比热;τ为蓄热时间常数;x为壁面到测温点距离;δ为蓄热单元长度;为偏导数符号;则蓄热体换热通道壁面与测温点间的温度关系为:
非稳态传热初始条件为:
T3(x,0)=T0 (4)
非稳态传热边界条件为:
在式(4)中,蓄热体初始温度T0为已知量,将式(3)~(6)联立,采取分离变量法及正则状况阶段的工程计算方法计算出蓄热体通道壁面表面温度T2;将计算得出的蓄热体通道壁面表面温度T2带入式(2)中得到固体蓄热炉内加热元件计算温度T1。
步骤(2.1)采集构建模型需要的温度数据中后对温度数据进行如下处理:
(2.1.1):对采集的加热元件实测温度数据和蓄热体实测温度数据进行筛选,将不符合要求的温度数据进行剔除;
(2.1.2):将剔除后留下的数据按1:1~2:1的比例分成两组,第一组用于对后续流固耦合传热加热元件温度计算误差补偿模型的训练,另一组用于对后续建立的流固耦合传热加热元件温度计算误差补偿模型精准性进行验证。
(2.1.1)步骤中采用相关系数法对采集的加热元件实测温度数据和蓄热体实测温度数据进行筛选,具体如下:
采用相关系数法来衡量(2.1)步骤中加热元件实测温度和蓄热体实测温度之间线性关系的强度和方向;相关系数r表示为r=cov(T4,T3)/[σ(T4)σ(T3)],式中cov(T4,T3)为加热元件实测温度T4和蓄热体实测温度T3的协方差,而σ(T4)和σ(T3)分别为加热元件实测温度T4和蓄热体温度T3的标准差;相关系数|r|的大小反映了加热元件实测温度T4和固体蓄热体温度T3线性关系的强度,|r|的值趋于1,则两者相关性增强;反之则减弱,保留相关性强的数据。
(2.3)步骤中建立流固耦合传热加热元件温度计算误差补偿模型的方法如下:
设流固耦合传热加热元件温度计算误差补偿模型的训练样本中{(t3j,Δt1j)|j=1,2,…,N},t3j=(t3j1,t3j2,…,t3jn)T∈Rn为第j组的n维输入,为蓄热体的实际测量温度,Δt1j=(Δt1j1,Δt1j2,…,Δt1jl)T∈Rn为第j组的l维输出,为加热元件的温度误差值(即(2.2)步骤中所提及加热元件的温度误差值),本方法中加热元件温度误差值与蓄热体测温孔处温度(即蓄热体实测温度)数据维度分别为n=1,l=1;假设在网络中存在m个位于隐含层的神经元,Din为m×n输入权值矩阵,为第k个隐含层神经元的第t个输入权值矩阵,c=[c1,c2,…,cm]T为隐含层阈值矩阵,Doh为隐含层与输出层间连接权值矩阵,而 分别表示第1维、第2维、第l维中第k个神经元的隐含层与输出层间连接权值矩阵,Doi为输入层与输出层间的连接权值矩阵,而为第1维、第2维、第l维中的第r个输入层与输出层间的连接权值矩阵,f(·)为隐含层函数,F为隐含层输出矩阵,D为流固耦合传热加热元件温度计算误差补偿模型输出权值,则流固耦合传热加热元件温度计算误差补偿模型为:
上式的矩阵表达式为:
建立流固耦合传热加热元件温度计算误差补偿模型之后进行流固耦合传热加热元件温度计算误差补偿模型训练:
利用基于极限学习机的快速学习网算法,对已经建立完整的流固耦合传热加热元件温度计算误差补偿模型进行训练,具体如下:
首先,对已建成的流固耦合传热加热元件温度计算误差补偿模型输入权值矩阵Din、隐含层阈值c进行随机赋值,通过模型计算得出隐含层的输出矩阵F;将流固耦合传热加热元件温度计算误差补偿模型吗的输出权值D的求解变为求权值D的最小值,表示如下:
根据摩尔-彭若斯广义逆矩阵理论,通过式(8)中输出权值的最小二乘范数解求得最优输出权值矩阵D:
一种固体蓄热炉内高温加热元件在线温度软测量***,其特征在于:该***包括蓄热体的温度测量模块、加热元件计算温度模块、加热元件误差补偿值模块和求和模块;
蓄热体的温度测量模块利用测温元件对高温蓄热炉中蓄热体的温度进行测量,得蓄热体的温度;
加热元件计算温度模块利用蓄热体的温度测量模块测量的蓄热体的温度进行固体蓄热体流固耦合传热过程计算得出加热元件计算温度;
加热元件误差补偿值模块将蓄热体的温度测量模块测量的蓄热体的温度输入流固耦合传热加热元件温度计算误差补偿模型得出加热元件误差补偿值;
求和模块对加热元件计算温度模块得出的加热元件计算温度与加热元件误差补偿值模块得出的加热元件误差补偿值求和,完成在线温度软测量。
加热元件误差补偿值模块包括温度数据采集模块、差值计算模块和模型构建模块;
温度数据采集模块采集构建模型需要的温度数据,即:加热元件实测温度和蓄热体实测温度;
差值计算模块利用温度数据采集模块中采集的蓄热体实测温度,结合固体蓄热体流固耦合传热过程进行计算得出加热元件计算温度,并将该加热元件计算温度与温度数据采集模块中的加热元件实测温度进行差值计算,得出误差;
模型构建模块以温度数据采集模块中采集的蓄热体实测温度为流固耦合传热加热元件温度计算误差补偿模型输入量,以差值计算模块中得出的误差为流固耦合传热加热元件温度计算误差补偿模型输出量,建立流固耦合传热加热元件温度计算误差补偿模型。
优点效果:
(1)建立加热元件与蓄热体间的流固传热机理,并融合加热元件传热模型温度计算误差补偿模型,可进一步提高软测量模型的预测精度。
(2)建立基于双并联前馈神经网络的流固耦合传热加热元件温度计算误差补偿模型,并采用基于极限学习机理论的快速学习网算法,可以快速准确地完成模型训练。
(3)本发明提供的方法可以有效降低蓄热炉测温***硬件成本。
(4)本发明提供的蓄热炉内加热元件温度软测量方法可以有效预测现场难以测量的加热元件温度,实现加热元件温度的实时监控及超温保护,延长加热元件的使用寿命。
附图说明
图1:固体蓄热炉结构图
图2:固体蓄热炉加热元件温度软测量示意图
图3:蓄热炉内加热元件热电偶温度软测量硬件组成图
图4:蓄热炉内加热元件温度软测量模型
图5:蓄热炉内加热元件温度软测量流程图
图6:双并联前馈神经网络结构图
图7:加热元件温度软测量结果示意图
具体实施方式
本发明所提供的一种固体蓄热炉内高温加热元件在线温度软测量***,在固体蓄热炉内,加热元件采用铁铬铝材料绕制成螺旋形结构,并以悬挂形式放置在蓄热体换热通道内部。蓄热炉内高温加热元件在线温度软测量***主要由固体蓄热炉内高温加热元件在线温度软测量硬件***和加热元件温度软测量计算方法组成,蓄热炉内高温加热元件的硬件***主要采用热电偶对蓄热炉内蓄热体的温度进行测量,将测量数据送入以单片机为核心处理器的处理***中进行加热元件温度的计算;而高温加热元件温度软测量计算方法主要应用于处理***中,依据热电偶传感器监测到的蓄热炉内蓄热体实际温度对加热元件温度进行计算,以间接得到加热元件温度,实现加热元件温度的实时监测与超温保护。
1、蓄热炉内加热元件在线温度硬件测量***
蓄热炉内加热元件在线温度硬件测量***主要由热电偶、热电偶冷端延长导线、温度补偿装置、数据处理***、显示装置等结构组成。热电偶采用镍铬合金、镍硅合金两种材料焊接,放置于蓄热炉的蓄热体测温点,用于蓄热体温度测量,并采用通过延伸性补偿导线将热电偶与温度补偿装置进行连接;温度补偿装置采用K型热电偶专用冷端温度补偿芯片对由于环境温度所引起热电偶温度测量误差进补偿;数据处理***采用单片机为核心处理器,对热电偶采集的蓄热体温度进行A-D转换、软测量数据计算处理和处理后数据的输出等;经过数据处理***测算的加热元件温度数据通过显示装置在显示屏上显示,并通过串口通信模块将温度数据上传至上位机进行加热元件温度的远程监控。
2、蓄热炉内加热元件在线温度软测量计算方法
固体蓄热炉内加热元件温度软测量过程可分为固体蓄热体流固耦合传热过程计算与温度计算误差补偿计算部分构成。固体蓄热炉处于蓄热状态时,加热元件与蓄热体换热通道壁面进行辐射换热,之后换热通道壁面与测温孔间进行非稳态热传导;而由于传热计算过程中会忽略蓄热炉炉体内由于空气自然对流流动带走热量、保温层所导致的热损失等影响因素,会导致加热元件温度计算产生误差,因此提出一种基于双并联前馈神经网络的流固耦合传热加热元件温度计算误差补偿模型对加热元件计算温度进行误差补偿,搭建试验装置并采集加热元件和蓄热体实测温度,以蓄热体实测温度、加热元件实测温度及加热元件计算温度为流固耦合传热加热元件温度计算误差补偿模型输入量,以加热元件实测温度与计算温度的预测温差为流固耦合传热加热元件温度计算误差补偿模型输出量,建立流固耦合传热加热元件温度计算误差补偿模型,使固体蓄热炉内加热元件温度软测量模型温度预测更加精准。具体如下。
1)固体蓄热炉加热元件传热机理
加热元件与固体蓄热体换热通道壁面主要能量交换方式为辐射换热,设加热元件计算温度为T1,固体蓄热体换热通道壁面温度为T2,两者间进行辐射换热,辐射换热热流量主要由加热元件产生,因此辐射热流量Φes与加热元件的加热功率P相等,可表示为:
式中Cn为加热元件与固体蓄热体换热通道间辐射系数;F1为加热元件的辐射表面积。
在蓄热体换热通道壁面与测温点间能量传递方式属于一维非稳态热传导,其可以表示:
非稳态传热初始条件为:
T3(x,0)=T0 (13)
非稳态传热边界条件为:
在式(12)中,蓄热体初始温度T0为已知量,将式(12)~(15)联立,采取分离变量法及正则状况阶段的工程计算方法可以计算出蓄热体通道壁面表面温度T2。将计算得出的蓄热体通道壁面表面温度T2带入式(11)中得到固体蓄热炉内加热元件计算温度T1。
2)基于双并联前馈神经网络的流固耦合传热加热元件温度计算误差补偿模型
由于传热计算过程中会忽略蓄热炉炉体内由于空气自然对流流动带走热量、保温层所导致的热损失等影响因素,因此会导致加热元件温度计算产生误差。因此,本发明引入基于双并联前馈神经网络的传热温度补偿模型,用来校正由传热计算过程所产生的温度误差。所述方法主要包括如下步骤:
步骤一,辅助变量选取:
本发明为测量固体蓄热炉内加热元件温度,选取固体蓄热炉内蓄热体测温孔处温度作为辅助变量;
步骤二,数据筛选与预处理:
本发明采用相关系数法来衡量加热元件温度与蓄热体测温孔处温度之间线性关系的强度和方向。相关系数r表示为r=cov(T4,T3)/[σ(T4)σ(T3)],式中cov(T4,T3)为加热元件实测温度T4和蓄热体实测温度T3的协方差,而σ(T4)和σ(T3)分别为加热元件实测温度T4和蓄热体温度T3的标准差;相关系数|r|的大小反映了加热元件实测温度T4和固体蓄热体温度T3线性关系的强度,|r|的值趋于1,则两者相关性增强;反之则减弱,保留相关性强的数据。因此本发明采用相关系数法对加热元件温度和蓄热体温度数据进行初步筛选。
步骤三,流固耦合传热加热元件温度计算误差补偿模型:
设流固耦合传热加热元件温度计算误差补偿模型的训练样本中{(t3j,Δt1j)|j=1,2,…,N},t3j=(t3j1,t3j2,…,t3jn)T∈Rn为第j组的n维输入,为蓄热体的实际测量温度;,Δt1j=(Δt1j1,Δt1j2,…,Δt1jl)T∈Rn为第j组的l维输出,为加热元件的温度误差值;本方法中加热元件温度误差值与蓄热体测温孔处温度数据维度分别为n=1,l=1;假设在网络中存在m个位于隐含层的神经元,Din为m×n输入权值矩阵,为第k个隐含层神经元的第t个输入权值矩阵,c=[c1,c2,…,cm]T为隐含层阈值矩阵,Doh为隐含层与输出层间连接权值矩阵,而分别表示第1维、第2维、第l维中第k个神经元的隐含层与输出层间连接权值矩阵,Doi为输入层与输出层间的连接权值矩阵,而为第1维、第2维、第l维中的第r个输入层与输出层间的连接权值矩阵,f(·)为隐含层函数,F为隐含层输出矩阵,D为网络输出权值,则流固耦合传热加热元件温度计算误差补偿模型为:
上式的矩阵表达式为:
本发明中所采用的神经网络只包含单一隐含层,所以可以采用基于极限学习机的快速学习网算法对网络进行训练。与传统的神经网络训练算法相比,采用基于极限学习机的快速学习网算法的神经网络学习速度更快、学习能力能力更强。
步骤四,流固耦合传热加热元件温度计算误差补偿模型训练:
本发明利用基于极限学习机的快速学习网算法对已经建立完整的网络进行训练。首先对已建成神经网络的输入权值矩阵Din、隐含层阈值c进行随机赋值,因此可以通过模型计算得出隐含层的输出矩阵F。为保证网络输出值相较于实际值偏差最小,可将神经网络权值D的求解变为求权值D的最小值,可表示如下
根据摩尔-彭若斯广义逆矩阵理论,通过式(8)中输出权值的最小二乘范数解求得最优输出权值矩阵D:
一种固体蓄热炉内高温加热元件在线温度软测量***,其特征在于:该***包括蓄热体的温度测量模块、加热元件计算温度模块、加热元件误差补偿值模块和求和模块;
蓄热体的温度测量模块利用测温元件对高温蓄热炉中蓄热体的温度进行测量,得蓄热体的温度;
加热元件计算温度模块利用蓄热体的温度测量模块测量的蓄热体的温度进行固体蓄热体流固耦合传热过程计算得出加热元件计算温度;
加热元件误差补偿值模块将蓄热体的温度测量模块测量的蓄热体的温度输入流固耦合传热加热元件温度计算误差补偿模型得出加热元件误差补偿值;
求和模块对加热元件计算温度模块得出的加热元件计算温度与加热元件误差补偿值模块得出的加热元件误差补偿值求和,完成在线温度软测量。
加热元件误差补偿值模块包括温度数据采集模块、差值计算模块和模型构建模块;
温度数据采集模块采集构建模型需要的温度数据,即:加热元件实测温度和蓄热体实测温度;
差值计算模块利用温度数据采集模块中采集的蓄热体实测温度,结合固体蓄热体流固耦合传热过程进行计算得出加热元件计算温度,并将该加热元件计算温度与温度数据采集模块中的加热元件实测温度进行差值计算,得出误差;
模型构建模块以温度数据采集模块中采集的蓄热体实测温度为流固耦合传热加热元件温度计算误差补偿模型输入量,以差值计算模块中得出的误差为流固耦合传热加热元件温度计算误差补偿模型输出量,建立流固耦合传热加热元件温度计算误差补偿模型。
本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
下表为对某地固体蓄热炉内高温加热元件在线温度软测量的实验数据:
时间 | 加热丝温度实测 | 加热丝温度预测 | 时间 | 加热丝温度实测 | 加热丝温度预测 |
10 | 376.47 | 365.69 | 5110 | 808.12 | 812.54 |
310 | 709.29 | 701.11 | 5410 | 816.93 | 818.24 |
610 | 714.75 | 718.24 | 5710 | 820.84 | 825.68 |
910 | 719.94 | 723.11 | 6010 | 826.87 | 834.47 |
1210 | 729.99 | 725.37 | 6310 | 835.00 | 840.20 |
1510 | 737.53 | 732.31 | 6610 | 842.23 | 847.82 |
1810 | 741.80 | 745.48 | 6910 | 851.57 | 853.24 |
2110 | 747.95 | 749.37 | 7210 | 858.01 | 862.49 |
2410 | 750.04 | 758.50 | 7510 | 867.55 | 874.39 |
2710 | 763.13 | 760.12 | 7810 | 871.19 | 875.70 |
3010 | 768.24 | 769.39 | 8110 | 878.92 | 885.53 |
3310 | 774.40 | 770.68 | 8410 | 885.74 | 891.08 |
3610 | 778.63 | 783.77 | 8710 | 899.65 | 899.83 |
3910 | 788.93 | 784.46 | 9010 | 904.65 | 905.59 |
4210 | 792.33 | 795.13 | 9310 | 909.72 | 914.04 |
4510 | 798.82 | 801.05 | 9610 | 919.25 | 925.64 |
4810 | 802.42 | 808.59 | 9910 | 924.16 | 928.63 |
Claims (6)
1.一种固体蓄热炉内高温加热元件在线温度软测量方法,其特征在于:该方法包括如下步骤:
第一步、利用测温元件对高温蓄热炉中蓄热体的温度进行测量,得蓄热体的温度;
第二步、利用第一步中的蓄热体的温度进行如下两个操作:第一个操作:利用第一步中的蓄热体的温度进行固体蓄热体流固耦合传热过程计算得出加热元件计算温度;第二个操作:将第一步中的蓄热体的温度输入流固耦合传热加热元件温度计算误差补偿模型得出加热元件误差补偿值;
第三步、对第二步第一个操作得出的加热元件计算温度与第二步第二个操作得出的加热元件误差补偿值求和,完成在线温度软测量;
其中,第二步中的流固耦合传热加热元件温度计算误差补偿模型的构建方法如下:
(2.1)、采集构建模型需要的温度数据,即:加热元件实测温度和蓄热体实测温度;
(2.2)、利用(2.1)步骤中采集的蓄热体实测温度结合固体蓄热体流固耦合传热过程进行计算得出加热元件计算温度,并将该加热元件计算温度与(2.1)步骤中的加热元件实测温度进行差值计算,得出加热元件的温度误差值;
(2.3)、以(2.1)步骤中的蓄热体实测温度为流固耦合传热加热元件温度计算误差补偿模型输入量,以(2.2)步骤中得出的加热元件的温度误差值为流固耦合传热加热元件温度计算误差补偿模型输出量,建立流固耦合传热加热元件温度计算误差补偿模型;
固体蓄热体流固耦合传热过程计算方法如下:
设加热元件计算温度为T1,固体蓄热体换热通道壁面温度为T2,加热元件的辐射表面积F1,加热元件与固体蓄热体换热通道间辐射系数Cn,两者间进行辐射换热,辐射换热热流量主要由加热元件产生,辐射热流量Φes与加热元件的加热功率P相等,表示为:
设T3为蓄热体测温点处温度;T0为蓄热体测温点初始温度;λ为蓄热单元表面换热系数;为蓄ρ热单元密度;cp为蓄热单元比热;τ为蓄热时间常数;x为壁面到测温点距离;δ为蓄热单元长度;为偏导数符号;则蓄热体换热通道壁面与测温点间的温度关系为:
非稳态传热初始条件为:
T3(x,0)=T0 (4)
非稳态传热边界条件为:
在式(4)中,蓄热体初始温度T0为已知量,将式(3)~(6)联立,采取分离变量法及正则状况阶段的工程计算方法计算出蓄热体通道壁面表面温度T2;将计算得出的蓄热体通道壁面表面温度T2带入式(2)中得到固体蓄热炉内加热元件计算温度T1。
2.根据权利要求1所述的固体蓄热炉内高温加热元件在线温度软测量方法,其特征在于:(2.1)步骤中采集构建模型需要的加热元件实测温度和蓄热体实测温度的方法有如下两种:
第一种:搭建固体蓄热炉试验装置,并采集该固体蓄热炉试验装置中的加热元件实测温度和蓄热体实测温度作为建模型需要的温度数据;
第二种:使用实际固体蓄热炉装置已经采集过的历史加热元件实测温度和历史蓄热体实测温度作为建模型需要的温度数据。
3.根据权利要求1所述的固体蓄热炉内高温加热元件在线温度软测量方法,其特征在于:步骤(2.1)采集构建模型需要的温度数据中后对温度数据进行如下处理:
(2.1.1):对采集的加热元件实测温度数据和蓄热体实测温度数据进行筛选,将不符合要求的温度数据进行剔除;
(2.1.2):将剔除后留下的数据按1:1~2:1的比例分成两组,第一组用于对后续流固耦合传热加热元件温度计算误差补偿模型的训练,另一组用于对后续建立的流固耦合传热加热元件温度计算误差补偿模型精准性进行验证。
4.根据权利要求3所述的一种固体蓄热炉内高温加热元件在线温度软测量方法,其特征在于:(2.1.1)步骤中采用相关系数法对采集的加热元件实测温度数据和蓄热体实测温度数据进行筛选,具体如下:
采用相关系数法来衡量(2.1)步骤中加热元件实测温度和蓄热体实测温度之间线性关系的强度和方向;相关系数r表示为r=cov(T4,T3)/[σ(T4)σ(T3)],式中cov(T4,T3)为加热元件实测温度T4和蓄热体实测温度T3的协方差,而σ(T4)和σ(T3)分别为加热元件实测温度T4和蓄热体温度T3的标准差;相关系数|r|的大小反映了加热元件实测温度T4和固体蓄热体温度T3线性关系的强度,|r|的值趋于1,则两者相关性增强;反之则减弱,保留相关性强的数据。
5.根据权利要求1所述的一种固体蓄热炉内高温加热元件在线温度软测量方法,其特征在于:(2.3)步骤中建立流固耦合传热加热元件温度计算误差补偿模型的方法如下:
设流固耦合传热加热元件温度计算误差补偿模型的训练样本中{(t3j,t1j)|j=1,2,…,N}t3j=(t3j1,t3j2,…,t3jn)T∈Rn为第j组的n维输入,为蓄热体的实际测量温度,Δt1j=(Δt1j1,Δt1j2,…,Δt1jl)T∈Rn为第j组的l维输出,为加热元件的温度误差值,本方法中加热元件温度误差值与蓄热体测温孔处温度数据维度分别为n=1,l=1;假设在网络中存在m个位于隐含层的神经元,Din为m×n输入权值矩阵,为第k个隐含层神经元的第t个输入权值矩阵,c=[c1,c2,…,cm]T为隐含层阈值矩阵,Doh为隐含层与输出层间连接权值矩阵,而分别表示第1维、第2维、第l维中第k个神经元的隐含层与输出层间连接权值矩阵,Doi为输入层与输出层间的连接权值矩阵,而为第1维、第2维、第l维中的第r个输入层与输出层间的连接权值矩阵,f(■)为隐含层函数,F为隐含层输出矩阵,D为流固耦合传热加热元件温度计算误差补偿模型输出权值,则流固耦合传热加热元件温度计算误差补偿模型为:
上式的矩阵表达式为:
6.根据权利要求5所述的一种固体蓄热炉内高温加热元件在线温度软测量方法,其特征在于:建立流固耦合传热加热元件温度计算误差补偿模型之后进行流固耦合传热加热元件温度计算误差补偿模型训练:
利用基于极限学习机的快速学习网算法,对已经建立完整的流固耦合传热加热元件温度计算误差补偿模型进行训练,具体如下:
首先,对已建成的流固耦合传热加热元件温度计算误差补偿模型输入权值矩阵Din、隐含层阈值c进行随机赋值,通过模型计算得出隐含层的输出矩阵F;将流固耦合传热加热元件温度计算误差补偿模型的输出权值D的求解变为求权值D的最小值,表示如下:
根据摩尔-彭若斯广义逆矩阵理论,通过式(8)中输出权值的最小二乘范数解求得最优输出权值矩阵D:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910274163.1A CN110096755B (zh) | 2019-04-08 | 2019-04-08 | 固体蓄热炉内高温加热元件在线温度软测量方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910274163.1A CN110096755B (zh) | 2019-04-08 | 2019-04-08 | 固体蓄热炉内高温加热元件在线温度软测量方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110096755A CN110096755A (zh) | 2019-08-06 |
CN110096755B true CN110096755B (zh) | 2023-04-07 |
Family
ID=67444396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910274163.1A Active CN110096755B (zh) | 2019-04-08 | 2019-04-08 | 固体蓄热炉内高温加热元件在线温度软测量方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110096755B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110794093B (zh) | 2019-11-11 | 2021-12-03 | 东北大学 | 一种蒸发过程出料苛性碱浓度测量装置精度补偿方法 |
CN112089562B (zh) * | 2020-09-23 | 2021-06-29 | 郑州迪生仪器仪表有限公司 | 婴儿培养箱温度标定及测量方法 |
CN112541571A (zh) * | 2020-11-25 | 2021-03-23 | 中国石油大学(华东) | 基于双并联神经网络的机器学习的注采连通性确定方法 |
CN112685927A (zh) * | 2020-12-16 | 2021-04-20 | 广东工业大学 | 一种真空烧结炉炉内工件温度软测量方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101067828A (zh) * | 2007-06-12 | 2007-11-07 | 中南大学 | 焦炉火道温度集成建模与软测量方法 |
CN105907906A (zh) * | 2016-04-25 | 2016-08-31 | 中南大学 | 球式热风炉烧炉过程建模与能耗优化方法及*** |
CN108363857A (zh) * | 2018-02-05 | 2018-08-03 | 燕山大学 | 蓄热式加热炉流场及工件内部温度、热应力分析方法 |
CN109253494A (zh) * | 2018-09-05 | 2019-01-22 | 东北大学 | 一种基于热负荷预测的电蓄热装置控制***及方法 |
-
2019
- 2019-04-08 CN CN201910274163.1A patent/CN110096755B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101067828A (zh) * | 2007-06-12 | 2007-11-07 | 中南大学 | 焦炉火道温度集成建模与软测量方法 |
CN105907906A (zh) * | 2016-04-25 | 2016-08-31 | 中南大学 | 球式热风炉烧炉过程建模与能耗优化方法及*** |
CN108363857A (zh) * | 2018-02-05 | 2018-08-03 | 燕山大学 | 蓄热式加热炉流场及工件内部温度、热应力分析方法 |
CN109253494A (zh) * | 2018-09-05 | 2019-01-22 | 东北大学 | 一种基于热负荷预测的电蓄热装置控制***及方法 |
Non-Patent Citations (1)
Title |
---|
蓄热式加热炉板坯加热温度模型研发与应用;王敏,孙茂林等;《第七届工业炉学术交流会》;20090101;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110096755A (zh) | 2019-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110096755B (zh) | 固体蓄热炉内高温加热元件在线温度软测量方法及*** | |
Sohani et al. | Employing genetic programming to find the best correlation to predict temperature of solar photovoltaic panels | |
CN102589092B (zh) | 基于新型模糊控制器的室内环境热舒适度控制方法 | |
CN102982393B (zh) | 一种输电线路动态容量的在线预测方法 | |
CN112170501B (zh) | 一种轧辊磨损凸度和热凸度的预测方法 | |
CN112987566A (zh) | 一种气动热的超螺旋非线性分数阶滑模无模型控制方法 | |
CN110781611B (zh) | 基于Lambert W函数的光伏组件温度实时计算方法 | |
CN111351817B (zh) | 建筑墙体隔热保温效果检测组件 | |
CN107092724B (zh) | 一种考虑不确定性的热防护***模型修正方法 | |
CN110701796A (zh) | 一种基于云预测算法的热水***节能控制*** | |
CN106845663A (zh) | 一种基于数值天气预报进行热负荷预测的方法 | |
CN109993445A (zh) | 一种考虑光伏预测误差的综合能源***脆弱性评估方法 | |
CN201476905U (zh) | 神经网络pid控温的热电偶自动检定*** | |
CN115587512A (zh) | 基于ANSYS TwinBuilder的锂电池热电耦合数字孪生模型构建方法 | |
CN110619105A (zh) | 一种基于量测量和热平衡方程的输电线路温度估计方法 | |
CN117195713A (zh) | 一种基于深度算子学习的锂电池模组温度场重建方法 | |
CN102994732B (zh) | 加热炉燃料量决策***及其决策方法 | |
Saxena et al. | Performance analysis and ANN modelling of apple drying in ETSC-assisted hybrid active dryer | |
CN113408924B (zh) | 基于统计机器学习的园区综合能源***的规划方法 | |
CN112671336B (zh) | 检测光伏组件工作温度异常的方法、装置和计算机设备 | |
Jun-Ma et al. | Photovoltaic power generation prediction based on MEA-BP neural network | |
CN107451304B (zh) | 再热器传递函数模型的机理建模计算方法 | |
Branco et al. | Tools for the control of modern solar-thermal heating plants | |
CN114018972A (zh) | 基于分散模糊推理机制的固液相变材料表面热流测量方法及*** | |
Torres-Reyes et al. | Thermoeconomic analysis at optimal performance of non-isothermal flat-plate solar collectors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |