【技术实现步骤摘要】
本专利技术涉及温度控制技术，尤其涉及一种水轮发电机组水导轴瓦温度控制方法、装置、设备及介质。
技术介绍
1、在水力发电的过程中，水轮机是其重要的关键部分。其中，水导轴瓦是水轮机的关键元件之一，其稳定性直接影响水轮机的性能与寿命。
2、水轮机的水导轴瓦温度是衡量水轮机运行状态和健康状况的重要参数之一。水导轴瓦温度过高可能导致润滑油劣化、材料变形甚至设备故障，从而影响水电站的正常运行和发电效率。因此，准确控制水轮机水导轴瓦温度对于保障水电站的安全运行和提高经济效益具有重要意义。
3、传统的水导轴瓦温度控制方法主要依赖于统计学模型和经验公式，这些方法在处理非线性、非平稳的时间序列数据时往往表现不佳，控制精度有限。
技术实现思路
1、本专利技术提供一种水轮发电机组水导轴瓦温度控制方法、装置、设备及介质，以提高温度控制精度，提高水电站安全性。
2、第一方面，本专利技术提供了一种水轮发电机组水导轴瓦温度控制方法，包括：
3、采集水轮发电机组水导轴瓦的历史温度数据；
4、将所述历史温度数据输入水导轴瓦温度预测模型中进行处理，预测所述水导轴瓦在下一控制时刻的预测温度，其中，所述水导轴瓦温度预测模型融合了卷积神经网络、通道注意力网络和长短期记忆网络；
5、基于所述预测温度，采用模型预测控制优化所述水轮发电机组的控制参数。
6、可选的，在将所述历史温度数据输入水导轴瓦温度预测模型中进行处理之前，还包括：
7
8、对清洗后的历史温度数据进行重采样，将采样到固定的时间间隔；
9、对重采样的历史温度数据进行线性插值，进行数据对齐。
10、可选的，将所述历史温度数据输入水导轴瓦温度预测模型中进行处理，预测所述水导轴瓦在下一控制时刻的预测温度，包括：
11、将所述历史温度数据输入所述卷积神经网络中进行处理，得到所述历史温度数据的局部特征；
12、将所述局部特征输入所述通道注意力网络进行处理，得到通道注意力权重向量，所述通道注意力权重向量包括所述局部特征各通道的通道注意力权重；
13、将所述局部特征与所述通道注意力权重向量相乘，得到通道注意力特征；
14、将所述通道注意力特征输入所述长短期记忆网络中进行处理，得到所述历史温度数据的时间序列特征；
15、基于所述时间序列特征预测所述水导轴瓦在下一控制时刻的预测温度。
16、可选的，基于所述预测温度，采用模型预测控制优化所述水轮发电机组的控制参数，包括：
17、以机组负荷和冷却液位为模型预测控制的输入，计算所述模型预测控制的代价函数值；
18、判断所述代价函数值是否大于阈值；
19、若是，则基于所述预测温度更新所述机组负荷和所述冷却液位，自适应学习所述模型预测控制的参数，并返回执行以机组负荷和冷却液位为模型预测控制的输入，计算所述模型预测控制的代价函数值的步骤，直至所述代价函数值小于或等于阈值，或迭代次数达到预设次数；
20、若否，则输出所述水轮发电机组的控制参数。
21、可选的，基于所述预测温度更新所述机组负荷和所述冷却液位，包括：
22、基于所述预测温度计算所述水导轴瓦温度预测模型的雅各比矩阵；
23、基于所述雅各比矩阵，采用梯度下降法更新所述机组负荷和所述冷却液位。
24、可选的，基于所述预测温度，采用模型预测控制优化所述水轮发电机组的控制参数转化为目标函数的优化问题：
25、
26、|δu(t)|≤δumax；
27、umin≤u(t)≤umax；
28、
29、其中，为目标函数，a和b为权重参数，历史输入为up(t)＝[u(t)，u(t-1)，...，u(t-lu)]，历史输出为yp＝[y(t)，y(t-1)，...，y(t-ly)]，而r(t)＝[r(t+1)，r(t+2)，...，r(t+tp)]为参考输出，为预测输出，u(t)＝[u(t)，u(t+1)，...，u(t+tc-1)]为最优控制输入，δu(t)＝[δu(t)，δu(t+1)，...，δu(t+tc-1)]为增量控制移动。
30、可选的，基于所述预测温度计算所述水导轴瓦温度预测模型的雅各比矩阵，包括：
31、计算所述水导轴瓦温度预测模型的输出的导数作为所述水导轴瓦温度预测模型的雅各比矩阵。
32、第二方面，本专利技术还提供了一种水轮发电机组水导轴瓦温度控制装置，包括：
33、数据采集模块，用于采集水轮发电机组水导轴瓦的历史温度数据；
34、温度预测模块，用于将所述历史温度数据输入水导轴瓦温度预测模型中进行处理，预测所述水导轴瓦在下一控制时刻的预测温度，其中，所述水导轴瓦温度预测模型融合了卷积神经网络、通道注意力网络和长短期记忆网络；
35、参数优化模块，用于基于所述预测温度，采用模型预测控制优化所述水轮发电机组的控制参数。
36、第三方面，本专利技术还提供了一种电子设备，包括：
37、一个或多个处理器；
38、存储装置，用于存储一个或多个程序；
39、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术第一方面提供的水轮发电机组水导轴瓦温度控制方法。
40、第四方面，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术第一方面提供的水轮发电机组水导轴瓦温度控制方法。
41、本专利技术提供的水轮发电机组水导轴瓦温度控制方法，利用卷积神经网络从原始时间序列数据中提取局部特征，捕捉温度变化中的短期依赖关系，利用长短期记忆网络处理局部特征，捕捉温度数据中的长期依赖关系，同时结合通道注意力网络，自适应地重新校准局部特征的通道权重，从而进一步提升模型的特征表达能力，针对水导轴瓦温度预测模型，使用数据驱动模型预测控制及多模型切换控制策略，设计最优化问题，基于梯度下降法进行滚动最优控制，提高温度控制精度，进而提高水电站的安全性。
42、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种水轮发电机组水导轴瓦温度控制方法，其特征在于，包括：
2.根据权利要求1所述的水轮发电机组水导轴瓦温度控制方法，其特征在于，在将所述历史温度数据输入水导轴瓦温度预测模型中进行处理之前，还包括：
3.根据权利要求1所述的水轮发电机组水导轴瓦温度控制方法，其特征在于，将所述历史温度数据输入水导轴瓦温度预测模型中进行处理，预测所述水导轴瓦在下一控制时刻的预测温度，包括：
4.根据权利要求1所述的水轮发电机组水导轴瓦温度控制方法，其特征在于，基于所述预测温度，采用模型预测控制优化所述水轮发电机组的控制参数，包括：
5.根据权利要求4所述的水轮发电机组水导轴瓦温度控制方法，其特征在于，基于所述预测温度更新所述机组负荷和所述冷却液位，包括：
6.根据权利要求5所述的水轮发电机组水导轴瓦温度控制方法，其特征在于，基于所述预测温度，采用模型预测控制优化所述水轮发电机组的控制参数转化为目标函数的优化问题：
7.根据权利要求6所述的水轮发电机组水导轴瓦温度控制方法，其特征在于，基于所述预测温度计算所述水导轴瓦温度预测模型
8.一种水轮发电机组水导轴瓦温度控制装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一所述的水轮发电机组水导轴瓦温度控制方法。
...【技术特征摘要】
1.一种水轮发电机组水导轴瓦温度控制方法，其特征在于，包括：
2.根据权利要求1所述的水轮发电机组水导轴瓦温度控制方法，其特征在于，在将所述历史温度数据输入水导轴瓦温度预测模型中进行处理之前，还包括：
3.根据权利要求1所述的水轮发电机组水导轴瓦温度控制方法，其特征在于，将所述历史温度数据输入水导轴瓦温度预测模型中进行处理，预测所述水导轴瓦在下一控制时刻的预测温度，包括：
4.根据权利要求1所述的水轮发电机组水导轴瓦温度控制方法，其特征在于，基于所述预测温度，采用模型预测控制优化所述水轮发电机组的控制参数，包括：
5.根据权利要求4所述的水轮发电机组水导轴瓦温度控制方法，其特征在于，基于所述预测...
【专利技术属性】
技术研发人员：巩宇，吴昊，刘轩，雷俊雄，熊江翱，王彬，邹佳衡，王卓艺，赵亚康，陈绪滨，刘向东，凌鹏，杨海霞，胡德江，聂靓靓，张若羿，
申请(专利权)人：南方电网调峰调频发电有限公司检修试验分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。