基于主成分分析和深度神经网络的声学层析成像温度分布重建

doi:10.12096/j.2096-4528.pgt.21084

摘要/Abstract

摘要：

为快速准确地获取火电厂锅炉炉膛温度场在线监测信息，提出了一种基于深度神经网络(deep neural network，DNN)的声学层析成像(acoustic tomography，AT)温度场重建算法。对测量值进行归一化处理后，结合主成分分析(principal component analysis，PCA)降维，构建全连接网络区别峰型，分别搭建DNN与BP神经网络对归一化慢度值及其最值进行预测，最后重建温度场分布。采用该方法对4种典型的温度场模型进行了仿真，结果表明：DNN算法的重建质量优于Tikhonov正则化算法与共轭梯度算法，重建图像的平均相对误差和均方根误差分别小于0.36%和0.85%。

关键词: 火电厂, 电站锅炉, 温度场, 声学层析成像(AT), 深度神经网络(DNN), 主成分分析(PCA)

Abstract:

In order to obtain the online monitoring information of boiler furnace temperature field in thermal power plant quickly and accurately, a temperature field reconstruction algorithm of acoustic tomography (AT) based on deep neural network (DNN) was proposed. After normalizing the measured values, combined with principal component analysis (PCA) dimension reduction, a fully connected network was constructed to distinguish the peak type. Moreover, DNN and BP neural network were built to predict the normalized slowness value and its maximum value, respectively. Finally, the temperature field distribution was reconstructed. Four typical temperature field models were simulated by using this method. The results show that the reconstruction quality of DNN algorithm is better than that of Tikhonov regularization algorithm and conjugate gradient algorithm. In addition, the average relative error and root mean square error of reconstructed image are less than 0.36% and 0.85% respectively.

Key words: thermal power plant, power plant boiler, temperature field, acoustic tomography (AT), deep neural network (DNN), principal component analysis (PCA)

中图分类号:

TK 31

张立峰, 李晶, 王智. 基于主成分分析和深度神经网络的声学层析成像温度分布重建[J]. 发电技术, 2023, 44(3): 399-406.

Lifeng ZHANG, Jing LI, Zhi WANG. Reconstruction of Temperature Distribution by Acoustic Tomography Based on Principal Component Analysis and Deep Neural Network[J]. Power Generation Technology, 2023, 44(3): 399-406.

图/表 15

图1 温度场重建流程图

Fig. 1 Flow chart of temperature field reconstruction

图2 全连接网络结构图

Fig. 2 Structure diagram of fully connected network

图3 DNN结构图

Fig. 3 Structure diagram of DNN

图4 BP神经网络结构图

Fig. 4 Structure diagram of BP neural network

图5 网格划分示意图

Fig. 5 Schematic diagram of grid division

表1 PCA对DNN网络训练次数影响

Tab. 1 Influence of PCA on DNN network training times

峰型	训练次数
峰型	PCA处理后	PCA处理前
单峰	60	100
双峰	140	200
三峰	60	140
四峰	100	200

图6 单峰温度场重建结果

Fig. 6 Reconstruction results of single peaktemperature field

表2 单峰温度场重建误差

Tab. 2 Reconstruction error of single peaktemperature field

重建算法	平均相对误差/%	均方根误差/%
DNN	0.33	0.47
Tikhonov	0.70	1.50
共轭梯度	0.72	1.80

图7 双峰温度场重建结果

Fig. 7 Reconstruction results of twin-peaktemperature field

表3 双峰温度场重建误差

Tab. 3 Reconstruction error of twin-peaktemperature field

重建算法	平均相对误差/%	均方根误差/%
DNN	0.36	0.85
Tikhonov	0.62	0.97
共轭梯度	0.59	1.04

图8 三峰温度场重建结果

Fig. 8 Reconstruction results of three-peaktemperature field

表4 三峰温度场重建误差

Tab. 4 Reconstruction error of three-peaktemperature field

重建算法	平均相对误差/%	均方根误差/%
DNN	0.31	0.67
Tikhonov	0.62	0.94
共轭梯度	0.51	0.86

图9 四峰温度场重建结果

Fig. 9 Reconstruction results of four-peaktemperature field

表5 四峰温度场重建误差

Tab. 5 Reconstruction error of four-peaktemperature field

重建算法	平均相对误差/%	均方根误差/%
DNN	0.36	0.62
Tikhonov	0.64	0.98
共轭梯度	0.50	0.89

图10 噪声水平为0.5%时温度分布重建平均相对误差

Fig. 10 Average relative error of temperature distribution reconstruction when the noise level is 0.5%

参考文献 20

1	刘厦，刘石，任婷．基于SA-ELM的声学层析成像温度分布重建算法[J]．化工学报，2017，68(6)：2434-2446． doi:10.11949/j.issn.0438-1157.20161597
	LIU S， LIU S， REN T ．An acoustic tomography temperature distribution reconstruction algorithm based on SA-ELM[J]．Journal of Chemical Industry，2017，68(6)：2434-2446． doi:10.11949/j.issn.0438-1157.20161597
2	LIU X R， BANSAL R C ．Integrating multi-objective optimization with computational fluid dynamics to optimize boiler combustion process of a coal fired power plant[J]．Applied Energy，2014，130：658-669． doi:10.1016/j.apenergy.2014.02.069
3	吴坡，段松涛，张江南，等．数据驱动型实时燃烧优化控制架构及应用[J]．电力工程技术，2021，40(2)：197-204． doi:10.12158/j.2096-3203.2021.02.028
	WU P， DUAN S T， ZHANG J N，et al ．Architecture and application of data-driven on-line combustion optimization control[J]．Electric Power Engineering Technology，2021，40(2)：197-204． doi:10.12158/j.2096-3203.2021.02.028
4	石友安，魏东，曾磊，等．超声固体测温中的二维温度场重建算法研究[J]．中国科学：技术科学，2019，49(5)：518-530． doi:10.1360/N092018-00119
	SHI Y A， WEI D， ZENG L，et al ．Research on reconstruction algorithm of two-dimensional temperature field in ultrasonic solid temperature measurement[J]．Science in China：Technical Sciences，2019，49(5)：518-530． doi:10.1360/N092018-00119
5	刘厦，刘石．基于声学层析成像的炉内温度场重建算法研究[J]．动力工程学报，2017，37(7)：525-532．
	LIU X， LIU S ．Research on reconstruction algorithm of temperature field in furnace based on acoustic tomography[J]．Chinese Journal of Power Engineering，2017，37(7)：525-532．
6	陈敏鑫，刘石，孙单勋，等．随机森林算法在温度分布重建中的应用[J]．电子测量与仪器学报，2020，34(11)：173-180． doi:10.13382/j.jemi.B2003092
	CHEN M X， LIU S， SUN S X，et al ．The application of random forest algorithm in temperature distribution reconstruction[J]．Journal of Electronic Measurement and Instrument，2020，34(11)：173-180． doi:10.13382/j.jemi.B2003092
7	张立峰，苗雨．炉膛声学层析测温探头分布方式研究[J]．发电技术，2021，42(3)：329-335． doi:10.12096/j.2096-4528.pgt.20050
	ZHANG L F， MIAO Y ．Study of probe distribution for furnace acoustic tomographic temperature measurement[J]．Power Generation Technology，2021，42(3)：329-335． doi:10.12096/j.2096-4528.pgt.20050
8	王善辉，颜华，李爽．声学层析成像传感器布局设计[J]．中国科技论文，2014，9(4)：413-416． doi:10.3969/j.issn.2095-2783.2014.04.009
	WANG S H， YAN H， LI S ．Layout design of acoustic tomography sensor[J]．Chinese Science and Technology Papers，2014，9(4)：413-416． doi:10.3969/j.issn.2095-2783.2014.04.009
9	HOLSTEIN P， RAABE A， MULLER R，et al ．Acoustic tomography on the basis of travel-time measurement[J]．Measurement Science and Technology，2004，15(7)：1420-1428． doi:10.1088/0957-0233/15/7/026
10	LIU S， LIU S， REN T ．Acoustic tomography reconstruction method for the temperature distribution measurement[J]．IEEE Transactions on Instrumentation and Measurement，2017，66(8)：1936-1945． doi:10.1109/tim.2017.2677638
11	杨柳．基于环形阵列的超声层析检测方法[D]．北京：北京理工大学，2015．
	YANG L ．Ultrasonic tomography detection method based on annular array[D]．Beijing：Beijing Institute of Technology，2015．
12	段翔兮，邹琬，李熠，等．基于数据驱动代理模型的城市输电网运行品质调节控制策略[J]．电力系统保护与控制，2021，49(2)：65-73．
	DUAN X X， ZOU W， LI Y，et al ．Data driven surrogate model-based operation quality control strategy of an urban transmission network[J]．Power System Protection and Control，2021，49(2)：65-73．
13	温佳鑫，卜思齐，陈麒宇，等．基于数据学习的新能源高渗透电网频率风险评估[J]．发电技术，2021，42(1)：40-47． doi:10.12096/j.2096-4528.pgt.20105
	WEN J X， BU S Q， CHEN Q Y，et al ．Frequency risk assessment of new energy high penetration power grid based on data learning[J]．Power Generation Technology，2021，42(1)：40-47． doi:10.12096/j.2096-4528.pgt.20105
14	BARTH M， RAABE A ．Acoustic tomographic imaging of temperature and flow fields in air[J]．Measurement Science and Technology，2011，22(3)：035102． doi:10.1088/0957-0233/22/3/035102
15	KONG Q， JIANG G S， LIU Y C，et al ．Numerical and experimental study on temperature field reconstruction based on acoustic tomography[J]．Applied Thermal Engineering，2020，170：114720． doi:10.1016/j.applthermaleng.2019.114720
16	刘岩．温度场超声传感成像算法研究[J]．现代信息科技，2018，2(12)：146-149． doi:10.3969/j.issn.2096-4706.2018.12.054
	LIU Y ．Research on ultrasonic sensing imaging algorithm of temperature field[J]．Modern Information Technology，2018，2(12)：146-149． doi:10.3969/j.issn.2096-4706.2018.12.054
17	CHEN Z W， ZHENG H， TANG Y F，et al ．Measurement of Yangtze River flow based on coastal acoustic tomography[J]．Journal of Physics：Conference Series，2021，1739：012032． doi:10.1088/1742-6596/1739/1/012032
18	RUI X J， QING Y X ．Two-dimensional temperature field distribution reconstruction based on least square method and radial basis function approximation[J]．Mathematical Problems in Engineering，2017：1-7． doi:10.1155/2017/1213605
19	王然，安连锁，沈国清，等．基于正则化SVD算法的三维温度场声学重建[J]．计算物理，2015，32(2)：195-201． doi:10.3969/j.issn.1001-246X.2015.02.006
	WANG R， AN L S， SHEN G Q，et al ．Acoustic reconstruction of three-dimensional temperature field based on regularized SVD algorithm[J]．Computational Physics，2015，32(2)：195-201． doi:10.3969/j.issn.1001-246X.2015.02.006
20	熊一，詹智红，柯方超，等．基于改进BP神经网络的变电站检修运维成本预测[J]．电力科学与技术学报，2021，36(4)：44-52．
	XIONG Y， ZHAN Z H， KE F C，et al ．Overhaul operation and maintenance cost prediction of substation based on improved BP neural network[J]．Journal of Electric Power Science and Technology，2021，36(4)：44-52．

[1]	张安安, 周奇, 李茜, 丁宁, 杨超, 马岩. “双碳”目标下火电厂CO₂计量技术研究现状与展望[J]. 发电技术, 2024, 45(1): 51-61.
[2]	梁中荣, 蓝茂蔚, 郑国, 何荣强, 屈可扬, 甘云华. 基于最小二乘支持向量机的电站锅炉高效率低NO _x 的多目标优化研究[J]. 发电技术, 2023, 44(6): 809-816.
[3]	赵国钦, 蓝茂蔚, 李杨, 周元祥, 江政纬, 甘云华. 基于最小二乘支持向量机的火电厂烟气含氧量预测模型优化研究[J]. 发电技术, 2023, 44(4): 534-542.
[4]	阮存钦, 洪志刚, 赖培灿, 张建华, 林锡昆, 周江, 冯前伟, 张杨. 基于在线监测数据的燃煤电厂脱硝装置性能预测研究[J]. 发电技术, 2023, 44(1): 100-106.
[5]	刘君, 邓毅, 杨延西, 魏永贵, 薛燕辉, 史雯雯. 基于深度学习的空预器转子红外补光图像积灰状态识别[J]. 发电技术, 2022, 43(3): 510-517.
[6]	郭栋, 晋银佳, 朱跃. 火电厂废水“零排放”全流程处理中试试验系统设计与构建[J]. 发电技术, 2021, 42(3): 357-362.
[7]	张立峰, 苗雨. 炉膛声学层析测温探头分布方式研究[J]. 发电技术, 2021, 42(3): 329-335.
[8]	王琳琳,陈长征,周勃,孙宇梦,康爽,杜金尧. 风力机叶片复合材料裂尖温度场及微观损伤研究[J]. 发电技术, 2019, 40(6): 605-610.
[9]	孙金龙. 330 MW燃煤火电机组脱硝系统的优化研究[J]. 发电技术, 2019, 40(6): 570-579.
[10]	李允超,赵大周,刘博,张贺,马洪涛,田鑫. 火电厂烟气余热利用现状与展望[J]. 发电技术, 2019, 40(3): 270-275.
[11]	赵英博,张强升,陈天敏. 高温锻钢闸阀的温度场计算和热固耦合分析[J]. 发电技术, 2019, 40(2): 181-186.
[12]	李正心,丁亮亮,郝银萍,杜冬梅. 火电厂煤场钢结构有限元设计输出图的规范化研究[J]. 发电技术, 2018, 39(5): 433-437.
[13]	孙飞,刘烨,魏高升,由文江. 火电厂螺杆式空压机余热利用方案及经济性分析[J]. 发电技术, 2018, 39(3): 240-243.
[14]	刘石,万文军,高庆水,杨毅,张征平,夏鲜良,甘超齐,杨群发,张楚,黄正. 基于温度场变化的发电机定子端部绕组振动主动控制[J]. 发电技术, 2018, 39(1): 23-29.
[15]	焦辉. 某工程空调系统送风方案的热舒适性模拟分析[J]. 发电技术, 2017, 38(2): 59-64.