热能动力工程

作者：姚振

单位：国能神华九江发电有限责任公司,

关键词：火电厂;注意力机制;时间卷积神经网络;主蒸汽温度;混合建模;预测

火电机组的大范围变负荷运行对过热蒸汽温度(SST)的稳定性提出了严峻挑战。准确有效地预测SST对过热系统的控制起着重要作用。本文提出一种基于多元时序集成方法的SST预测模型,在时间卷积神经网络(TCN)基础上引入注意力机制(Attention TCN,TCAN),提升对SST多元时序数据的特征提取能力,再将能量守恒约束作为等式约束引入TCAN架构的数据驱动模型损失函数中,增强模型泛化能力。并将SST与喷水流量之间的物理关系作为不等式约束引入上述损失函数中,使混合模型可表征正确的物理特征。为验证所提方法的优越性,基于火电厂采集的大范围负荷变化的运行数据进行了仿真测试,对比结果表明,基于物理损失函数的混合模型的预测效果不仅具有通用性,而且与阶跃响应的动态特性保持科学一致。

来源：2025年第4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4期