[发明专利]一种定子温升试验控制方法

说明书

本发明涉及发电技术领域，具体而言，涉及一种定子温升试验控制方法，步骤包括设置数据采集模块采集机组内所需数据；根据上述数据建立预测模型；根据上述预测模型计算冷却水总进口流量；将所述冷却水总进口流量数据传输给控制器，所述控制器控制调节阀门开度。通过本发明所提供方法，可以实现定在定子温升试验中能够根据历史数据自动调整流量总阀门的开度，从而做到精准控温，实现自动化控制。

技术领域

本发明涉及发电技术领域，具体而言，涉及一种定子温升试验控制方法。

背景技术

一般电厂中的发电机组在运行前，需要将定子的温度控制在需要的范围内以便于对定子进行绝缘测试和安全性检查，而在传统的测试中，一般使用手动的方式不断调节冷却水的控制阀门的开度，控制冷却水的流量和压力，从而达到控制定子温度的目的；使用手动的方式存在难以精准调节冷却水的流量和压力的现象，本发明的目的在于提供一种应用于定子温升试验系统的能够自动调节控制定子温度值的方法。

发明内容

针对背景技术中提到的定子温升试验时手动控制阀门开度比较麻烦的技术问题，本发明的目的在于提供一种定子温升试验控制方法，其能够根据历史数据，通过预测模型进行计算分析，计算出定子温升带所需值需要的总流量，从而能够自动提前调节冷却水进口流量，实现在试验逻辑控制模型的不同工况下，自动控制定子运行温度，满足绝缘测试及安全性要求。

本发明的实施例通过以下技术方案实现：

一种定子温升试验控制方法，包括：设置数据采集模块采集机组内所需要的各类数据；根据上述数据建立预测模型；根据上述预测模型的预测温度计算所需的冷却水总进口流量；将所述冷却水总进口流量数据传输给控制器，所述控制器控制调节阀门开度。

进一步地，所述数据采集模块通过通讯模块与机组监控系统连接，获取机组内的监测数据。

进一步地，所述数据采集模块以分钟为节点对数据进行重采样。

进一步地，建立所述预测模型步骤包括有，基于数据采集模块采集的数据进行相关性分析，筛选与定子温度相关的物理量；基于上述的相关物理量构建LSTM神经网络预测模型。

进一步地，所述相关的物理量包括定子温度、机组负荷、空冷热风温度、空冷冷风温度、空冷进水温度、空冷出水温度、冷却水总进口流量七项数据。

进一步地，所述LSTM神经网络预测模型构建步骤为，基于LSTM神经网络，通过一个并联的支路传递原始数据从而保留数据的原始信息，另一支路通过两层LSTM对原始数据进行挖掘，从而提取出原始数据特征；通过cat方法融合原始数据特征与提取的特征；通过多层感知机输出定子温度预测值。

进一步地，根据上述的LSTM神经网络预测模型输出的定子温度预测值后，计算所述定子温度预测值与前一时刻通过数据采集模块采集到的温度真实值之间的温度差；基于历史数据，在固定间隔时间内，计算定子温度差与流量存在的函数关系。在获得函数关系的基础上，将温度差代入此函数即可求解出所需的所述冷却水总进口流量。

进一步地，在上述的通过两层LSTM对原始数据进行挖掘，从而提取出原始数据特征的过程中，搭建深度学习网络模型，是使用Adam优化器优化数据处理，学习网络模型参数设置为，初始学习率设置为0.001，损失函数为均方误差MSE，如下式，迭代次数为30，损失函数公式如，其中N代表原始数据组数，y代表温度值，。

本发明实施例的技术方案至少具有如下优点和有益效果：

本发明为实现机组检修前定子一键自动温升试验，通过建立定子温度与机组负荷、空冷热风温度、空冷冷风温度、空冷进水温度、空冷出水温度、冷却水总进口流量等参数的协联关系的神经网络预测模型，通过预测机组定子绕组温升趋势，提前调节冷却水进口流量，实现在试验逻辑控制模型的不同工况下，自动精准控制定子运行温度，满足绝缘测试及安全性要求。

附图说明