(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111253578.4 (22)申请日 2021.10.27 (71)申请人 北京中智软创信息技 术有限公司 地址 100081 北京市海淀区中关村南大街 乙12号院1号楼5层6 01 (72)发明人 向云刚　王海　 (74)专利代理 机构 北京纪凯知识产权代理有限 公司 11245 代理人 冀志华 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 3/12(2006.01) G06F 119/08(2020.01) (54)发明名称 一种低温热系统性能预测方法、 系统、 设备 和存储介质 (57)摘要 本发明涉及一种低温热系统性能预测方法、 系统、 设备和存储介质， 包括以下步骤： 基于 预先 获得的样本数据集， 构建基于遗传算法和ELM的 低温热系统预测模型并进行训练， 得到训练好的 低温热系统预测模型； 采用低温热系统预测模型 对低温热系统性能进行预测， 得到低温热系统性 能预测结果。 本发明采用ELM模型， 能确保实际应 用时ELM模型的收敛率为100％， 且计算速度快。 同梯度下降算法相比， ELM模型由于输入层和隐 含层的连接权值、 隐含层的阈值随机设定， 而隐 含层和输 出层之间的连接权值不需要迭代调整， 而是通过解方程组方式一次性确定， 使得其泛化 性能优异且学习速度快。 因此， 本发明可 以广泛 应用于低温热系统性能预测领域。 权利要求书2页 说明书6页 附图4页 CN 114021438 A 2022.02.08 CN 114021438 A 1.一种低温热系统性能预测方法， 其特 征在于， 包括以下步骤： 基于预先获得的样本数据集， 构建基于遗传算法和ELM的低温热系统预测模型并进行 训练， 得到训练好的低温热系统预测模型； 采用低温热系统预测模型对低温热系统性能进行预测， 得到低温热系统性能预测结 果。 2.如权利要求1所述的一种低温热系统性能预测方法， 其特征在于： 所述基于预先获得 的样本数据集， 构建基于遗传算法和ELM的低温热系统预测模型并进 行训练， 得到训练好的 低温热系统预测模型的方法， 包括： 样本数据集获取； 样本数据集预处 理； 采用预处理后的样本数据集构建基于遗传算法和ELM的低温热系统预测模型并进行训 练， 得到训练好的低温热系统预测模型。 3.如权利要求2所述的一种低温热系统性能预测方法， 其特征在于： 所述样本数据集的 获取方法， 包括： 收集各种不同典型工况的现场生产数据， 建立 不同典型工况的流 程模拟工艺模型； 以不同典型工况对应的流程模拟工艺模块为基础， 应用流程模拟技术在各典型工况附 近产生预设数量的不同的流 程模拟数据； 将各典型工况对应的流 程模拟数据和现场生产数据进行聚合， 形成样本数据集。 4.如权利要求2所述的一种低温热系统性能预测方法， 其特征在于： 对样本数据集进行 预处理时， 包括： 将样本数据集随机划分为训练集和测试集， 对训练集和测试集进行归一 化。 5.如权利要求4所述的一种低温热系统性能预测方法， 其特征在于： 对训练集和测试集 进行归一 化时， 采用Mi n‑Max归一化法。 6.如权利要求2所述的一种低温热系统性能预测方法， 其特征在于： 采用预处理后的样 本数据集构建基于遗传算法和ELM的低 温热系统预测模型并进行训练， 得到训练好的低 温 热系统预测模型的方法， 包括： 确定ELM模型的超参数、 输入变量和输出变量以及遗传算法的参数； 基于预处理后的训练集， 采用交叉验证的方式利用遗传算法对ELM模型的超参数进行 寻优， 得到最优的超参数。 以最优的超参数建立ELM模型， 并利用训练集对建立的ELM模型进行训练， 得到训练好 的ELM模型； 以测试集对训练好的ELM模型的泛化性能进行校验和评估， 将满足校验和评估要求的 ELM模型作为低温热系统预测模型。 7.如权利要求6所述的一种低温热系统性能预测方法， 其特征在于： 所述ELM模型的超 参数包括： ELM隐层节点数、 损失函数以及激活函数； 所述ELM模型的输入变量包括： 热媒水入口温度、 热媒水总流量、 至E130AB热媒水流量 分配比例、 至E134AB热媒水流量分配比例、 常二线入口温度、 常二线入口流量、 常三线入口 温度、 常三线入口流 量、 常渣入口温度、 常渣 入口流量； 所述ELM模型的输出变量包括： 热水出口温度、 E130AB热负荷、 E134AB热负荷、 E131AD 热权　利　要　求　书 1/2 页 2 CN 114021438 A 2负荷、 E130AB流速、 E134AB流速、 E131AD流速、 常二线出口温度、 常三线出口温度、 常渣出口 温度； 所述遗传算法的参数包括： 种群大小、 交叉概 率、 变异概 率和进化代数。 8.一种低温热系统性能预测系统， 其特 征在于， 包括： ELM模型构建模块， 用于基于预先获得的样本数据集， 构建基于遗传算法和ELM的低温 热系统预测模型并进行训练， 得到训练好的低温热系统预测模型； 性能预测模块， 用于采用低温热系统预测模型对低温热系统性能进行预测， 得到低温 热系统性能预测结果。 9.一种处理设备， 所述处理设备至少包括处理器和存储器， 所述存储器上存储有计算 机程序， 其特征在于， 所述处理器运行所述计算机程序时执行以实现权利要求1到7任一项 所述低温热系统性能预测方法的步骤。 10.一种计算机存储介质， 其特征在于， 其上存储有计算机可读指令， 所述计算机可读 指令可被处理器执行以实现根据权利要求1到7任一项所述低温热系统性能预测方法的步 骤。权　利　要　求　书 2/2 页 3 CN 114021438 A 3