技术特征：
1.一种基于机器学习时间序列预测的主汽温控制优化方法，其特征在于：包括以下步骤，s1，观察现有实际运行数据，并与历史数据进行对比分析；s2，在s1后，建立预测模型，以便完成汽温预测模型的准确预测；s3，在s2基础上建立过热器出口温度预测逆模型，并通过逆模型反推一定延迟时间前过热器减温器出口设定温度；s4，最后采用预测模型+pid的方式，实现过热器出口温度的准确控制。2.如权利要求1所述基于机器学习时间序列预测的主汽温控制优化方法，其特征在于：在步骤s2中，首先预测模型建立的第一步为工况的辨识聚类，然后通过当前数据辨识机组处于何种运行状态，并求得的平移时间的大致范围，在辨识工况的基础上依靠数据分析确定的关键特征变量完成汽温预测模型的准确预测。3.如权利要求1所述基于机器学习时间序列预测的主汽温控制优化方法，其特征在于：在步骤s2中，通过观察实际运行数据发现，减温器喷水减温阶段为快反应过程，因此可以通过预测减温器出口主汽温度，提前作用于减温器单pid控制器输入，改善主汽温控制性能，增加机组运行经济性、安全性。4.如权利要求1所述基于机器学习时间序列预测的主汽温控制优化方法，其特征在于：在步骤s2中，通过对火电机组锅炉的燃烧特性，主汽温相关的热力参数、控制变量，调取历史数据进行分析发现，主汽压力、总给煤量、过热器减温器入口温度、过热器减温器出口温度的变化与主蒸汽温度相关，主汽压力、总给煤量、再热器减温器入口温度、再热器减温器出口温度变化与再热汽温相关。5.如权利要求1所述基于机器学习时间序列预测的主汽温控制优化方法，其特征在于：在步骤s3中，首先基于历史数据完成各种工况的划分，基于划分之后的数据通过偏移进行相关性分析，求得过热器反应延迟时间并将过热器延迟反应时间作为数据的标签，将偏移处理之后的数据放入模型进行训练寻找出最佳的核函数参数。预测模型使用时需要导入模型训练数据、模型训练权重、以及当前工况数据下聚类的出的过热器延迟反应时间。6.如权利要求1所述基于机器学习时间序列预测的主汽温控制优化方法，其特征在于：在步骤s4中，主汽温系统的具体控制策略为一二级喷水减温控制，一级粗调，二级细调。7.如权利要求1所述基于机器学习时间序列预测的主汽温控制优化方法，其特征在于：在步骤s4中，当一级过热器出口温度设定值修改时，将主汽温度预测模型结合机组实际运行数据反推过热器入口温度，并将入口温度设定为减温器出口温度设定值通过单pid实现喷水减温控制并达到理想温度，在典型工况下预测模型+pid的方式能实现过热器出口温度的准确控制，当模型偏差过大时，将过热器出口温度实际温度与设定温度的偏差使用积分控制算法进行控制，积分控制算法输出叠加至预测模型输出，进行反推温度精细调节，在一级喷水减温控制效果稳定的情况下二级喷水减温进行微调。
技术总结
本发明属于主汽温优化方法技术领域，提供了一种基于机器学习时间序列预测的主汽温控制优化方法，包括以下步骤，S1，观察现有实际运行数据，并与历史数据进行对比分析；S2，在S1后，建立预测模型，以便完成汽温预测模型的准确预测；S3，在S2基础上建立过热器出口温度预测逆模型，并通过逆模型反推一定延迟时间前过热器减温器出口设定温度；S4，最后采用预测模型+PID的方式，实现过热器出口温度的准确控制；本发明通过主汽温模型预测算法与单PID减温水阀门控制相结合，克服现有主汽温系统大惯性、大延迟、时变、扰动多特点等问题，以便实现主汽温度的超前控制。主汽温度的超前控制。主汽温度的超前控制。
技术研发人员：石硕
受保护的技术使用者：山东道与物联科技有限公司
技术研发日：2022.10.30
技术公布日：2023/3/7