(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111458879.0 (22)申请日 2021.12.02 (65)同一申请的已公布的文献号 申请公布号 CN 113868966 A (43)申请公布日 2021.12.31 (73)专利权人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 专利权人 西子清洁能源 装备制造股份有限 公司 (72)发明人 童水光　王海丹　童哲铭　赵剑云　 何伟校　陈伟　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 代理人 傅朝栋　张法高 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06F 111/06(2020.01) (56)对比文件 CN 111061149 A,2020.04.24 CN 1028420 66 A,2012.12.26 CN 102980169 A,2013.0 3.20 US 2021201 147 A1,2021.07.01 周建新等.大型电站燃 煤锅炉低NO_x燃烧 优 化系统及应用. 《锅炉技 术》 .2011,(第04期),全 文. 饶苏波.多目标进化 算法在电站锅炉燃烧 优 化控制系统设计中的应用. 《广东电力》 .20 06, (第04期),全 文. Runnan Li等.Dilated Residual Netw ork with Multi- head Self-at tention for Spe ech Emotion Recogn ition. 《IEEE Xplore》 .2019,全 文. 审查员 李锦川 (54)发明名称 一种生物质锅炉省煤器结构参数优化设计 方法 (57)摘要 本发明公开了一种生物质锅炉省煤器结构 参数优化设计方法， 属于大数据学习模型领域。 本发明利用生物质锅炉省煤器的历史运行大数 据构建了样本数据库， 并基于CNN和自注意力机 制建立了 换热器残差自注意力卷积模 型， 通过机 器学习实现了多个待优化目标参数的快速预测， 结合迭代优化算法即可对省煤器中的待优化结 构参数进行多目标优化。 相比于传统的针对生物 质锅炉省煤器所有变量优化， 基于自注意力机制 能够自动关注重要性高的特征， 从而更好的进行 优化重要性高的变量， 使其后续的优化调整 方便 快捷， 大幅降低优化成本 。 权利要求书2页 说明书10页 附图1页 CN 113868966 B 2022.03.18 CN 113868966 B 1.一种生物质锅炉省煤器结构参数优化设计方法， 其特 征在于， 包括： S1、 获取不同生物质锅炉机组中不同换热器在不同工况下运行的历史数据， 并构建样 本数据库； 所述样本数据库中的每一个样本对应于一种 换热器， 样本的输入为该换热器的 结构参数、 该换热器在所处负荷下 的工况运行数据、 该换热器所在生物质锅炉机组的运行 数据， 样本标签为多个待优化目标参数的值； S2、 以所述样本数据库作为训练数据， 通过最小化所有待优化目标参数的加权损失对 换热器残差 自注意力卷积模型进行训练， 得到换热器目标参数预测模型； 所述换热器残差 自注意力卷积模型包括卷积神经网络和残差注意力网络， 在所述卷积神经网络中输入向量 依次经过卷积层、 线性整流层和池化层后， 得到降维的特征向量； 在所述残差注意力网络 中， 降维的特征向量通过多层自注意力模块建立长距离依赖关系并生成注意力权重， 最终 基于注意力权 重输出多个目标参数的预测值； S3、 根据S2中最终得到的所述注意力权重对所述结构参数进行降维筛选， 以每个结构 参数对应的注意力权重表征该结构参数对待优化目标参数的贡献率， 选择筛选出贡献率高 于阈值的结构参数作为待优化结构参数； 对于任一待优化的生物质锅炉省煤器， 以所有待 优化目标参数的加权结果作为多目标优化函数， 采用迭代优化算法对省煤器中的待优化结 构参数在各自的取值范围内进 行多目标优化， 优化过程中每一轮迭代均利用所述换热器目 标参数预测模型根据该省煤器的一组待优化结构参数输出所有待优化目标参数预测值， 然 后根据所有待优化目标参数预测值计算多目标优化函数值； 优化完 毕后得到省煤器中待优 化结构参数的最优值。 2.如权利要求1所述的生物质锅炉省煤器结构参数优化设计方法， 其特征在于， 所述待 优化目标参数包括换 热器的最佳 换热效率、 流动压降、 积灰磨损程度、 重量以及制造成本 。 3.如权利要求1所述的生物质锅炉省煤器结构参数优化设计方法， 其特征在于， 所述多 目 标 优 化 函 数 由 所 有 待 优 化 目 标 参 数 按 照 加 权 幂 乘 法 得 到 ，其 形 式 为 ， 其中K为待优化目标参数的个数， x表示省煤器中的所有待优化结 构参数，λi表示第i个待优化目标参 数的权重值， fi(x)表示所述换热器目标参 数预测模型输 出的第i个待优化目标参数 预测值。 4.如权利要求3所述的生物质锅炉省煤器结构参数优化设计方法， 其特征在于， 所述S2 中， 所有待优化目标参数的加权损失由所有待优化目标参数的单项损失按照加权幂乘法得 到， 其形式为 ， 其中li表示第i个待优化目标参数的单项损失。 5.如权利要求1所述的生物质锅炉省煤器结构参数优化设计方法， 其特征在于， 所述迭 代优化算法为贝叶斯优化 算法。 6.如权利要求1所述的生物质锅炉省煤器结构参数优化设计方法， 其特征在于， 所述S1 中， 用于构建样本数据库的换热器包括生物质锅炉内的省煤器以及除省煤器之外的其余换 热器。 7.如权利要求1所述的生物质锅炉省煤器结构参数优化设计方法， 其特征在于， 所述样 本数据库的每一个样本中， 类别形式的变量采用证据权重方式进行编码， 数值形式的变量 进行归一 化处理。 8.如权利要求1所述的生物质锅炉省煤器结构参数优化设计方法， 其特征在于， 所述残权　利　要　求　书 1/2 页 2 CN 113868966 B 2差注意力网络中具有两层自注意力模块， 且每层自注意力模块均采用残差学习解决梯度消 失。 9.如权利要求1所述的生物质锅炉省煤器结构参数优化设计方法， 其特征在于， 针对所 有已经过所述多目标优化的生物质锅炉省煤器， 将优化得到的不同省煤器中待优化结构参 数最优值作为推荐选型参数加入选型 数据库中， 供用户直接查询选择。权　利　要　求　书 2/2 页 3 CN 113868966 B 3