热能动力工程

作者：吴婷婷,任少君,朱保宇,司风琪

单位：东南大学,,东南大学,,东南大学,,东南大学,

关键词：物理信息神经网络;逆向求解;磨煤机机理模型;动态特性

基金：“十四五”国家重点研发计划（2022YFB4100700）

高精度磨煤机机理模型是电站制粉系统安全、稳定、经济运行的关键。针对现有参数辨识方法存在精度低、计算耗时长等问题，提出一种基于物理信息神经网络（Physics-Informed Neural Network，PINN）的动态模型参数辨识方法。通过将物理约束融入数据驱动，提升参数辨识精度和中间变量预测能力。在660MW超临界机组工况下，构建PINN磨煤机参数辨识模型，并与非线性最小二乘（Nonlinear Least Squares，NLLS）及遗传算法（Genetic Algorithm，GA）的辨识模型进行结果对比分析。结果表明，在19400/100组样本条件下，PINN模型的平均相对误差分别为0.1%/0.16%，显著优于NLLS和GA。同时在中间变量预测方面PINN辨识方法展现出更高的精度，均方根误差（RMSE）分别为0.029kg和0.0297kg。此外，在计算效率方面，PINN辨识在小样本条件下计算效率最优，单次辨识耗时仅18秒。该方法在提升参数辨识精度的同时兼顾计算效率与中间参数预测能力，为复杂热力系统的高精度建模提供了新的思路和方法。

来源：2025年第7期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2025年第7期