基于深度学习的锅炉热效率动态预测模型研究

来源：动力工程学报杂志2025年第11期北京时间：

作者：王志, 尹泳博, 徐世明, 彭献永, 周怀春,

摘要：热效率是锅炉设备性能和机组运行经济性评价的重要指标。针对热效率与辅助变量之间的高维非线性,利用随机森林算法进行有监督降维,针对锅炉典型时序特性,根据适用于变负荷工况的卷积神经网络(convolutional neural network,CNN)构建热效率动态模型。为保证模型轻量化,在三层卷积层的常规CNN中引入通道均衡块以解决因特征值被抑制而存在的通道崩塌问题,构建了基于通道均衡卷积神经网络(channel equalization CNN,CE-CNN)的热效率预测模型,并在600 MW真实锅炉历史数据上开展了仿真实验。结果表明:CE-CNN的均方根误差为(0.101±0.008)%,与6-layer CNN相比,节省了29.97%的训练时间,验证了模型的有效性。

关键词：燃煤锅炉,热效率,随机森林算法,时序,动态模型,