直流锅炉的氧化沉积物分离方法及装置、存储介质、设备与流程

1.本公开实施例涉及氧化沉积物分离技术领域，具体而言，涉及一种直流锅炉的氧化沉积物分离方法、直流锅炉的氧化沉积物分离装置、计算机可读存储介质以及电子设备。


背景技术：

2.在直流锅炉运行过程中，当局部管壁温度过高或温度变化过快时，易产生氧化物并沉积在过热器管道弯头处、再热器管道弯头处等部位。为了避免氧化沉积物过多导致锅炉爆管的问题，需要及时监测氧化沉积物的沉积情况并根据情况进行分离。
3.然而，现有技术中通过间隔一定时间对直流锅炉进行停炉，并在停炉状态下对沉积的氧化沉积物进行分离的方法存在缺陷。这种方法会降低锅炉的运行效率，无法及时分离氧化沉积物，从而降低直流锅炉的安全性，并且分离氧化沉积物的效率也会降低。
4.需要说明的是，在上述背景技术部分发明的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。


技术实现要素：

5.本公开的目的在于提供一种直流锅炉的氧化沉积物分离方法、直流锅炉的氧化沉积物分离装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的氧化沉积物的分离效率较低的问题。
6.根据本公开的一个方面，提供一种直流锅炉的氧化沉积物分离方法，包括：获取直流锅炉的历史状态参数以及在所述历史状态参数下所具有的历史氧化沉积物堆积量，并对历史状态参数进行预处理得到第一输入特征序列；将所述第一输入特征序列输入至待训练的人工神经网络中，得到第一预测结果，并根据所述第一预测结果以及历史氧化沉积物堆积量构建目标损失函数；基于所述目标损失函数对所述待训练的人工神经网络中的模型参数进行调整，得到氧化沉积物堆积量预测模型，并获取直流锅炉在当前时刻的第一当前状态参数，对所述第一当前状态参数进行预处理，得到第二输入特征序列；将所述第二输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第二预测结果，根据所述第二预测结果确定是否需要对所述直流锅炉中的氧化沉积物进行不停炉分离；在确定需要对所述直流锅炉中的氧化沉积物进行不停炉分离时，对所述直流锅炉中堆积的氧化沉积物进行在线不停炉分离，以实现在不停炉的状态下从所述直流锅炉中分离出所述氧化沉积物。
7.在本公开的一种示例实施例中，所述第一当前状态参数包括直流锅炉的第一当前过热温度、第一当前再热蒸汽温度、第一当前压力以及第一当前流速中的至少一种；其中，对所述第一当前状态参数进行预处理，得到第二输入特征序列，包括：对所述第一当前过热温度、第一当前再热蒸汽温度、第一当前压力以及第一当前
流速进行依次排序，并根据排序后的第一当前过热温度、第一当前再热蒸汽温度、第一当前压力以及第一当前流速得到所述第二输入特征序列。
8.在本公开的一种示例实施例中，对所述直流锅炉中堆积的氧化沉积物进行在线不停炉分离，包括：对所述直流锅炉中堆积的氧化沉积物进行预分离，以确定氧化沉积物分离过程中，除氧器的高加水位阈值以及低加水位阈值；基于所述除氧器的高加水位阈值以及低加水位阈值，对所述直流锅炉中堆积的氧化沉积物进行正式的在线不停炉分离。
9.在本公开的一种示例实施例中，基于所述除氧器的高加水位阈值以及低加水位阈值，对所述直流锅炉中堆积的氧化沉积物进行正式的在线不停炉分离，包括：在对所述直流锅炉中堆积的氧化沉积物进行不停炉分离之前，将所述直流锅炉的主蒸汽调门的当前状态从未开启状态调整至第一开度值状态，并根据第一开度值状态所对应的第一预设主蒸汽压力值，调整所述除氧器的第一出力值；根据所述除氧器的高加水位阈值以及低加水位阈值调整所述除氧器的第一当前高加水位值以及第一当前低加水位值，并控制所述除氧器在所述第一出力值的状态下对所述氧化沉积物进行正式分离；将所述直流锅炉的主蒸汽调门的当前状态从第一开度值状态调整至第二开度值状态，并根据第二开度值状态所对应的第二预设主蒸汽压力值，调整所述除氧器的第二出力值；控制所述除氧器在所述第二出力值的状态下对所述氧化沉积物进行持续分离，并间隔预设开启时长，将所述直流锅炉的主蒸汽调门的当前状态从第二开度值状态调整为第三开度值状态，以在保持所述直流锅炉处于不停炉的状态下，完成整个正式分离过程。
10.在本公开的一种示例实施例中，所述直流锅炉的氧化沉积物分离方法还包括：获取所述直流锅炉的主蒸汽调门处于未开启状态时，所述直流锅炉的汽水分离器所具有的第一压力值，以及所述直流锅炉的主蒸汽调门处于第三开度值状态时，所述直流锅炉的主蒸汽的第二压力值，并根据所述第一压力值以及第二压力值计算第一压力差值；获取所述直流锅炉设计锅炉最大连续蒸发量工况下的汽水分离器的第三压力值以及主蒸汽的第四压力值，并根据第三压力值以及第四压力值确定第二压力差值；根据所述第一压力差值以及第二压力差值计算所述直流锅炉的分离指数，并根据所述分离指数确定所述主蒸汽调门所具有的第一开度值以及预设开启时长。
11.在本公开的一种示例实施例中，根据所述分离指数确定主蒸汽调门所具有的第一开度值以及预设开启时长，包括：如果所述分离指数大于等于预设指数，则控制所述主蒸汽调门所具有的第一开度值以及预设开启时长保持不变；如果所述分离指数小于预设指数，则降低所述主蒸汽调门所具有的第一开度值，并增加所述预设开启时长。
12.在本公开的一种示例实施例中，所述直流锅炉的氧化沉积物分离方法还包括：获取直流锅炉在与所述当前时刻对应的下一时刻的第二当前状态参数，并对所述第二当前状态参数进行预处理，得到第三输入特征序列；
将所述第三输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第三预测结果，并根据所述第三预测结果确定所述氧化沉积物是否分离完成。
13.根据本公开的一个方面，提供一种直流锅炉的氧化沉积物分离装置，包括：第一预处理模块，用于获取直流锅炉的历史状态参数以及在所述历史状态参数下所具有的历史氧化沉积物堆积量，并对历史状态参数进行预处理得到第一输入特征序列；目标损失函数构建模块，用于将所述第一输入特征序列输入至待训练的人工神经网络中，得到第一预测结果，并根据所述第一预测结果以及历史氧化沉积物堆积量构建目标损失函数；第二预处理模块，用于基于所述目标损失函数对所述待训练的人工神经网络中的模型参数进行调整，得到氧化沉积物堆积量预测模型，并获取直流锅炉在当前时刻的第一当前状态参数，对所述第一当前状态参数进行预处理，得到第二输入特征序列；氧化沉积物预测模块，用于将所述第二输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第二预测结果，根据所述第二预测结果确定是否需要对所述直流锅炉中的氧化沉积物进行不停炉分离；氧化沉积物分离模块，用于在确定需要对所述直流锅炉中的氧化沉积物进行不停炉分离时，对所述直流锅炉中堆积的氧化沉积物进行在线不停炉分离，以实现在不停炉的状态下从所述直流锅炉中分离出所述氧化沉积物。
14.根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述任一示例实施例所记载的直流锅炉的氧化沉积物分离方法。
15.根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来前述任一示例实施例所记载的直流锅炉的氧化沉积物分离方法。
16.本公开实施例提供的一种直流锅炉的氧化沉积物分离方法，一方面，获取直流锅炉的历史状态参数以及在历史状态参数下所具有的历史氧化沉积物堆积量，并对历史状态参数进行预处理得到第一输入特征序列；将第一输入特征序列输入至待训练的人工神经网络中，得到第一预测结果，并根据第一预测结果以及历史氧化沉积物堆积量构建目标损失函数；基于目标损失函数对待训练的人工神经网络中的模型参数进行调整，得到氧化沉积物堆积量预测模型，并获取直流锅炉在当前时刻的第一当前状态参数，对第一当前状态参数进行预处理，得到第二输入特征序列；将第二输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第二预测结果，根据第二预测结果确定是否需要对直流锅炉中的氧化沉积物进行不停炉分离；在确定需要对直流锅炉中的氧化沉积物进行不停炉分离时，对直流锅炉中堆积的氧化沉积物进行在线不停炉分离，以实现在不停炉的状态下从直流锅炉中分离出氧化沉积物；由于可以确定需要对直流锅炉中的氧化沉积物进行不停炉分离时，对直流锅炉中堆积的氧化沉积物进行在线不停炉分离，进而避免了由于需要对直流锅炉进行停炉分离，进而降低了锅炉的运行效率的问题，提高了直流锅炉的运行效率；另一方面，还可以避免由于无法对氧化沉积物进行及时的分离，进而降低了直流锅炉在运行过程中的
安全性的问题；再一方面，由于可以在不停炉的状态下，从直流锅炉中分离出氧化沉积物，进而提高了氧化沉积物的分离效率。
17.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
18.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
19.图1示意性示出根据本公开示例实施例的一种直流锅炉的氧化沉积物分离方法的流程图。
20.图2示意性示出根据本公开示例实施例的一种待训练的人工神经网络的结构示例图。
21.图3示意性示出根据本公开示例实施例的一种对待训练的人工神经网络进行训练的场景示例图。
22.图4根据本公开示例实施例的另一种对待训练的人工神经网络进行训练的场景示例图。
23.图5示意性示出根据本公开示例实施例的一种第一开度值以及开启时间的确定过程的方法流程图。
24.图6示意性示出根据本公开示例实施例的一种直流锅炉的氧化沉积物分离装置的框图。
25.图7示意性示出根据本公开示例实施例的一种用于实现上述直流锅炉的氧化沉积物分离方法的电子设备。
具体实施方式
26.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
27.此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
28.本示例实施方式中首先提供了一种直流锅炉的氧化沉积物分离方法，该方法可以运行于终端设备、服务器、服务器集群或云服务器等；当然，本领域技术人员也可以根据需求在其他平台运行本公开的方法，本示例性实施例中对此不做特殊限定。具体的，参考图1所示，该直流锅炉的氧化沉积物分离方法可以包括：步骤s110. 获取直流锅炉的历史状态参数以及在所述历史状态参数下所具有的历史氧化沉积物堆积量，并对历史状态参数进行预处理得到第一输入特征序列；步骤s120. 将所述第一输入特征序列输入至待训练的人工神经网络中，得到第一预测结果，并根据所述第一预测结果以及历史氧化沉积物堆积量构建目标损失函数；步骤s130. 基于所述目标损失函数对所述待训练的人工神经网络中的模型参数进行调整，得到氧化沉积物堆积量预测模型，并获取直流锅炉在当前时刻的第一当前状态参数，对所述第一当前状态参数进行预处理，得到第二输入特征序列；步骤s140. 将所述第二输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第二预测结果，根据所述第二预测结果确定是否需要对所述直流锅炉中的氧化沉积物进行不停炉分离；步骤s150. 在确定需要对所述直流锅炉中的氧化沉积物进行不停炉分离时，对所述直流锅炉中堆积的氧化沉积物进行在线不停炉分离，以实现在不停炉的状态下从所述直流锅炉中分离出所述氧化沉积物上述直流锅炉的氧化沉积物分离方法中，一方面，获取直流锅炉的历史状态参数以及在历史状态参数下所具有的历史氧化沉积物堆积量，并对历史状态参数进行预处理得到第一输入特征序列；将第一输入特征序列输入至待训练的人工神经网络中，得到第一预测结果，并根据第一预测结果以及历史氧化沉积物堆积量构建目标损失函数；基于目标损失函数对待训练的人工神经网络中的模型参数进行调整，得到氧化沉积物堆积量预测模型，并获取直流锅炉在当前时刻的第一当前状态参数，对第一当前状态参数进行预处理，得到第二输入特征序列；将第二输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第二预测结果，根据第二预测结果确定是否需要对直流锅炉中的氧化沉积物进行不停炉分离；在确定需要对直流锅炉中的氧化沉积物进行不停炉分离时，对直流锅炉中堆积的氧化沉积物进行在线不停炉分离，以实现在不停炉的状态下从直流锅炉中分离出氧化沉积物；由于可以确定需要对直流锅炉中的氧化沉积物进行不停炉分离时，对直流锅炉中堆积的氧化沉积物进行在线不停炉分离，进而避免了由于需要对直流锅炉进行停炉分离，进而降低了锅炉的运行效率的问题，提高了直流锅炉的运行效率；另一方面，还可以避免由于无法对氧化沉积物进行及时的分离，进而降低了直流锅炉在运行过程中的安全性的问题；再一方面，由于可以在不停炉的状态下，从直流锅炉中分离出氧化沉积物，进而提高了氧化沉积物的分离效率。
29.以下，将结合附图对本公开示例实施例中所记载的直流锅炉的氧化沉积物分离方法进行详细的解释以及说明。
30.首先，对本公开示例实施例所记载的氧化沉积物堆积量预测模型进行解释以及说明。具体的，本公开示例实施例所记载的氧化沉积物堆积量预测模型，可以通过对待训练的人工神经网络进行训练得到；其中，此处所记载的待训练的人工神经网络，可以包括但不限于bp(back propagation，误差逆传)神经网络算法、支持向量机、贝叶斯分类器等等。
31.具体的，以bp神经网络算法为例进行说明。一般地，参考图2所示，bp神经网络至少包括三层，分别是：第一层为输入层210，中间层为隐藏层220，第三层为输出层230；其中，输入层、隐藏层以及输出层依次连接。本发明实施例中，假设针对任一个直流锅炉采集到的状态参数包括：历史过热温度、历史再热蒸汽温度、历史压力值以及历史流速。那么，本实施例所构建的bp神经网络如下：输入层：共包括4个神经元，分别为：历史过热温度、历史再热蒸汽温度、历史压力值以及历史流速；输出层：共包括1个神经元，即氧化沉积物是否存在堆积。需要说明的是，输出层输出的是否存在堆积的概率是一个0～1之间的数值，用于表示氧化沉积物存在堆积的可能性；隐藏层：包括的神经元个数（也可以被称为是节点个数）可采用下述公式（1）进行确定：；公式（1）上述公式（1）中，为隐藏层的节点个数，n为输入层包括的神经元个数（节点个数），本实施例中n=4；m为输出层包括的神经元个数（节点个数），本实施例中m=1；z为1~10之间的常数，其可以根据该模型所具有的层数来设置；其中，在本实施例中假设z=3；那么，按照上述公式（1）可知隐藏层包括的节点个数范围为3~12，本实施例中假设隐藏层包括的节点个数为5；其中，隐藏层具体所包括的节点个数可以根据实际需要自行设置，本示例对此不做特殊限制。
32.进一步的，为了提升计算准确度，需要在bp神经网络中引入激活函数（神经元激励函数）。激活函数是神经网络中常用的函数，其目的在于加入非线性因素，使得神经网络的表达更合理准确。其中，激活函数的类型有很多，可以包括但不限于：sigmoid函数（也可以被称为是s形函数或者s曲线函数）、tanh函数、relu函数、softmax函数等等。具体的，本公开示例实施例以s形函数为例进行说明。其中，s形函数的表达式可以如下公式（2）所示：；公式（2）其中，为上述记载的s形函数，在上述公式（2）中，y即为神经网络输出层的输出值（也即第三预测结果）。
33.其次，结合图2对图1中所示出的直流锅炉的氧化沉积物分离方法进行解释以及说明。具体的：在步骤s110中，获取直流锅炉的历史状态参数以及在所述历史状态参数下所具有的历史氧化沉积物堆积量，并对历史状态参数进行预处理，得到第一输入特征序列。
34.具体的，首先，可以从预设的数据库中采集直流锅炉在多个不同历史时刻下，所具有的历史状态参数以及在该历史状态参数下所具有的历史氧化沉积物堆积量；其中，此处所记载的历史状态参数，可以包括但不限于在某个历史时刻下，该直流锅炉所具有的历史过热温度、历史再热蒸汽温度、历史压力以及历史流速等等；此处所记载的历史氧化沉积物堆积量，可以用于表征直流锅炉中是否存在氧化沉积物堆积，也可以用于表征在对应的历史状态参数下，堆积了多少氧化沉积物；同时，此处需要补充说明的是，此处所记载的历史
状态参数，是经过试验以后所得出的影响氧化沉积物堆积的主要因素；当然，在实际应用的过程中，还可以根据实际需要增加其他的状态参数，本示例对此不做特殊限制。
35.其次，当获取到历史状态参数后，即可对该历史状态参数进行预处理进而得到第一输入特征；具体的，可以通过如下方式实现：对所述历史过热温度、历史再热蒸汽温度、历史压力以及历史流速进行依次排序，并根据排序后的历史过热温度、历史再热蒸汽温度、历史压力以及历史流速得到所述第一输入特征序列。当然，为了避免训练过程中由于温度以及压力的数值之间出现数量值之间差异化过大的问题，可以对历史过热温度、历史再热蒸汽温度、历史压力以及历史流速进行归一化处理后，再形成上述第一输入特征序列，本示例对此不做特殊限制。
36.在步骤s120中，将所述第一输入特征序列输入至待训练的人工神经网络中，得到第一预测结果，并根据所述第一预测结果以及历史氧化沉积物堆积量构建目标损失函数。
37.在本示例实施例中，首先，将所述第一输入特征序列输入至待训练的人工神经网络中，得到第一预测结果。具体的，可以通过如下方式实现：首先，对所述输入层与隐藏层之间的第一连接权值、隐藏层与输出层之间的第二连接权值进行初始化处理，并对所述隐藏层的第一阈值以及输出层的第二阈值进行初始化处理；其次，根据初始化处理后的第一连接权值以及初始化处理后的第一阈值对第一输入特征序列进行处理，得到第一隐藏层输出（hid）；然后，根据初始化处理后的第二连接权值以及初始化处理后的第二阈值对第一隐藏层输出进行处理，得到第一预测结果（out）。进一步的每当得到第一预测结果以后，即可构建目标损失函数（error）。
38.在步骤s130中，基于所述目标损失函数对所述待训练的人工神经网络中的模型参数进行调整，得到氧化沉积物堆积量预测模型，并获取直流锅炉在当前时刻的第一当前状态参数，对所述第一当前状态参数进行预处理，得到第二输入特征序列。
39.具体的，基于所述目标损失函数对所述待训练的人工神经网络中的模型参数进行调整，得到氧化沉积物堆积量预测模型，可以通过如下方式实现：以使得所述目标损失函数的取值最小为限制条件，对输入层与隐藏层之间的第一连接权值、隐藏层与输出层之间的第二连接权值、所述隐藏层的第一阈值以及输出层的第二阈值进行调整，得到氧化沉积物堆积量预测模型。
40.以下，将结合图3以及图4对氧化沉积物堆积量预测模型的具体训练过程进行进一步的解释以及说明。具体的，针对任一直流锅炉，采用误差逆传人工神经网络计算该直流锅炉中是否存在氧化沉积物堆积的过程如下：首先，参考图4所示，如前述所记载的内容可得知，输入层可以包括4个神经元，假设历史过热温度表示为、历史再热蒸汽温度表示为、历史压力值表示为以及历史流速表示为；也就是说，输入层的任一个神经元可以记为，下标i表示输入层的神经元的排序。隐藏层的权重（第一连接权值）记为，上标（1）代表第一个有输出的层即隐藏层，下标i表示输入层的神经元的排序，下标j表示隐藏层的神经元的排序。输出层的权重（第二连接权值）记为，上标（2）代表第二个有输出的层即输出层，下标j表示
隐藏层的神经元的排序，下标k表示输出层的神经元的排序。
41.其次，采用bp神经网络算法计算得到隐藏层的表达式可以如下公式（3）所示：；公式（3）其中，为隐藏层的表达式；同时，为了避免因为单位、范围等差距出现的过拟合的问题，可以使用激活函数进行计算，进而得到输出层的表达式可以如下公式（4）所示：；公式（4）其中，为输出层的表达式；同时，对公式（4）进行转换可以得到输出层输出的存在氧化沉积物堆积的概率表示可以如下公式（5）所示：；公式（5）其中，为输出层的输出结果，也即第一预测结果；再次，由上述描述可知，影响准确度的主要因素在于权值序列组合以及；因此，为了提升准确度，需要通过训练的样本对结果进行不断修正，得到较为合理准确的权值序列组合。其中，修正过程可以如下所示：首先，假设e（目标损失函数）为误差并可以将其表示为如下公式（6）所示：；公式（6）其中，为期望的输出值（也即历史氧化沉积物堆积量）。进一步的，假设，那么上述公式（6）则可以变换为如下公式（7）所示：；公式（7）也即，所得到的目标损失函数具体可以如公式（7）所示。
42.其次，为了可以得到一个更小的e值，可以对上述公式（7）进行一阶偏导；其中，进行一阶偏导所得到的具体计算过程可以如下公式（8）所示：
；公式（8）其中，为对目标损失函数进行关于第二连接权值的一阶偏导；同时，由于为常数，因此；基于此可以得知，对目标损失函数进行一阶偏导即可得到上述公式（8）。
43.然后，对公式（8）进行数学推导可以得到修正后的权值序列公式，具体的，可以如下公式（9）以及公式（10）所示：；公式（9）；公式（10）其中，β表示学习速率；为第一连接权值，为隐藏层的表达式，为第二连接权值，为第一预测结果与历史氧化沉积物堆积量之间的差值；为输入层的神经元；为输出层的表达式。进一步的，基于学习速率通过上述公式（9）以及公式（10）可以进行不断的迭代训练，进而达到在满足最小误差的情况下得到收敛的权值序列组合以及；其中，具体的场景示例图可以参考图5所示。
44.进一步的，在满足最小误差的情况下，所得到的其中某一组权值序列的组合可以如下公式（11）以及公式（12）所示：隐藏层的权值序列为：；公式（11）输出层的权值序列为：；公式（12）最后，再根据上述公式（5）计算得到输出层输出的较为准确的存在氧化沉积物堆积的概率。
45.至此，本公开实例实施例所记载的氧化沉积物堆积量预测模型的具体训练过程已经全部实现。进一步的，当得到氧化沉积物堆积量预测模型后，即可获取直流锅炉在当前时刻的第一当前状态参数，并对所述第一当前状态参数进行预处理，得到第二输入特征序列。
46.具体的，第二输入特征序列的具体生成过程可以通过如下方式得到：首先，获取直
流锅炉在当前时刻的第一当前状态参数；其中，此处所记载的第一当前状态参数，可以包括直流锅炉的在当前时刻的第一当前过热温度、第一当前再热蒸汽温度、第一当前压力以及第一当前流速等等；其中，此处之所需要限定是当前时刻，是因为每个不同的时刻所具有的当前过热温度、当前再热蒸汽温度、当前压力以及当前流速是不同的，而不同的当前过热温度、当前再热蒸汽温度、当前压力以及当前流速又会得到不同的预测结果；因此，为了提高所预测到的第一预测结果的准确率，此处需要限定是当前时刻。其次，对所述第一当前状态参数进行预处理，得到第二输入特征序列；具体的，可以通过如下方式实现：对所述第一当前过热温度、第一当前再热蒸汽温度、第一当前压力以及第一当前流速进行依次排序，并根据排序后的第一当前过热温度、第一当前再热蒸汽温度、第一当前压力以及第一当前流速得到所述第二输入特征序列。也即，在实际应用的过程中，首先可以依次排序，然后获取第一当前过热温度的第一过热温度值、第一当前再热蒸汽温度的第一再热温度值、第一当前压力的第一压力值以及第一当前流速以及第一流速值，进而根据第一过热温度值、第一再热温度值、第一压力值以及第一流速值，得到第二输入特征序列；此处需要补充说明的是，也可以对第一过热温度值、第一再热温度值、第一压力值以及第一流速值进行归一化处理，进而根据归一化处理后的第一过热温度值、第一再热温度值、第一压力值以及第一流速值，构建第二输入特征序列，本示例对此不做特殊限制。
47.在步骤s140中，将所述第二输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第二预测结果，根据所述第二预测结果确定是否需要对所述直流锅炉中的氧化沉积物进行不停炉分离。
48.具体的，将所述第二输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第二预测结果，可以通过如下方式实现：首先，根据所述输入层与隐藏层之间的第一连接权值以及隐藏层中的第一阈值对第二输入特征序列进行处理，得到中间输出结果；然后，根据隐藏层与输出层之间的第二连接权值以及第二阈值对中间输出结果进行处理，得到第二预测结果。其中，此处所记载的氧化沉积物，也可以被称为是氧化皮。进一步的，根据第二预测结果确定是否需要对对所述直流锅炉中的氧化沉积物进行不停炉分离；其中，具体的确定过程可以如下所示：如果第一预测结果为直流锅炉中存在氧化沉积物堆积，则可以确定需要对该直流锅炉中的氧化沉积物进行不停炉分离；如果第一预测结果为直流锅炉中不存在氧化沉积物堆积，则可以确定无需对该直流锅炉中的氧化沉积物进行不停炉分离；此处需要补充说明的是，本公开示例实施例所记载的直流锅炉的氧化沉积物分离方法，是通过氧化沉积物堆积量预测模型预测直流锅炉中是否存在氧化沉积物堆积，并在确定存在氧化沉积物堆积即可执行相应的不停炉分离，与氧化沉积物堆积量的多少或者需要在氧化沉积物堆积到多少进行不停炉分离，其相应的逻辑关系不大。
49.在步骤s150中，在确定需要对所述直流锅炉中的氧化沉积物进行不停炉分离时，对所述直流锅炉中堆积的氧化沉积物进行在线不停炉分离，以实现在不停炉的状态下从所述直流锅炉中分离出所述氧化沉积物。
50.在本示例实施例中，在确定需要对所述直流锅炉中的氧化沉积物进行不停炉分离时，对所述直流锅炉中堆积的氧化沉积物进行在线不停炉分离。具体的，实际的分离过程可以如下所示：首先，对所述直流锅炉中堆积的氧化沉积物进行预分离，以确定氧化沉积物分离过程中，除氧器的高加水位阈值以及低加水位阈值；基于所述除氧器的高加水位阈值以
及低加水位阈值，对所述直流锅炉中堆积的氧化沉积物进行正式的在线不停炉分离。也即，在对直流锅炉中的氧化沉积物进行分离的过程中，可以包括两个过程：一个是预分离过程，另一个是正式分离过程；同时，之所以需要进行预分离，是为了确定除氧器的高加水位阈值以及低加水位阈值，也即除氧器的高加水位的最大值以及低加水位的最小值；也就是说，在进行正式分离时，除氧器的高加水位以及低加水位需要控制在由高加水位阈值以及低加水位阈值组成的阈值范围内。
51.在一种示例实施例中，预分离的具体实现过程为：首先，控制直流锅炉以在机组带为75%负荷以下的方式下进行运行；其次，进行氧化沉积物的预分离；其中，预分离的具体实现方式为：预分离前，将直流锅炉的主蒸汽调门开度从完全闭合调整至60%，并调整锅炉出力，使主蒸汽的压力相较于原滑压曲线的设定值来说，有+1.5mpa的偏差；在此前提下，将除氧器的高加水位以及低加水位调整至中间位置；此后，将主蒸汽调门的开度从60%迅速的调整至80%，使主蒸汽压力迅速下降至压力设定值-1.5mpa偏差后，逐渐将主蒸汽调门关小，并维持机组稳定；然后，获取此状态下的除氧器的高加水位以及低加水位，作为高加水位阈值以及低加水位阈值。此处需要补充说明的是，由于预分离过程中，主蒸汽调门开度的调整区间幅度小，从而使得除氧器的高加水位以及低加水位可以控制在一个安全的范围内；在此前提下，基于高加水位阈值以及低加水位阈值对氧化沉积物进行正式分离时，可以进一步的提高分离过程中的安全性。
52.在一种示例实施例中，基于所述除氧器的高加水位阈值以及低加水位阈值，对所述直流锅炉中堆积的氧化沉积物进行正式的在线不停炉分离，可以通过如下方式实现：首先，在对所述直流锅炉中堆积的氧化沉积物进行不停炉分离之前，将所述直流锅炉的主蒸汽调门的当前状态从未开启状态调整至第一开度值状态，并根据第一开度值状态所对应的第一预设主蒸汽压力值，调整所述除氧器的第一出力值；其次，根据所述除氧器的高加水位阈值以及低加水位阈值调整所述除氧器的第一当前高加水位值以及第一当前低加水位值，并控制所述除氧器在所述第一出力值的状态下对所述氧化沉积物进行正式分离；然后，将所述直流锅炉的主蒸汽调门的当前状态从第一开度值状态调整至第二开度值状态，并根据第二开度值状态所对应的第二预设主蒸汽压力值，调整所述除氧器的第二出力值；最后，控制所述除氧器在所述第二出力值的状态下对所述氧化沉积物进行持续分离，并间隔预设开启时长，将所述直流锅炉的主蒸汽调门的当前状态从第二开度值状态调整为第三开度值状态，以在保持所述直流锅炉处于不停炉的状态下，完成整个正式分离过程。
53.也即，在正式分离的过程中，在正式分离之前，首先将主蒸汽调门的开度值调整至第一开度值45%，并调整锅炉出力使主蒸汽压力较原滑压曲线设定值有+3.0mpa的偏差（也即，在原滑压曲线设定值的基础上增加3.0mpa；然后，调整除氧器的第一出力值，使得主蒸汽压力为原滑压曲线设定值的+3.0mpa）；然后，控制除氧器在所述第一出力值的状态下对所述氧化沉积物进行分离，并根据第一阶段预分离所得到的高加水位阈值以及低加水位阈值，调整除氧器的第一当前高加水位值以及第一当前低加水位值；进一步的，迅速打开主蒸汽调门至100%（第二开度值），使主蒸汽压力迅速下降至压力设定值-3.0mpa偏差（也即，在原滑压曲线设定值的基础上减少3.0mpa，然后，调整除氧器的第二出力值，使得主蒸汽压力为原滑压曲线设定值的-3.0mpa）；进一步的，间隔预设开启时长，逐渐将主蒸汽调门关小（调整至第三开度值状态，也即几乎完全闭合），并维持机组稳定，期间还需要进一步的根据
高加水位阈值以及低加水位阈值观察并调整除氧器的高加、低加水位。
54.至此，整个分离过程已经全部实现；也即，可以在直流锅炉处于不停炉的状态下，实现了氧化沉积物与直流锅炉的分离。同时，如何确定第一开度值以及如何确定主蒸汽调门的开启时间，也是需要实时动态调整并矫正的。基于此，本公开示例实施例还提供了一种第一开度值以及开启时间的确定方法。具体的，参考图5所示，第一开度值以及开启时间的具体确定过程可以包括以下步骤：步骤s510. 获取所述直流锅炉的主蒸汽调门处于未开启状态时，所述直流锅炉的汽水分离器所具有的第一压力值，以及所述直流锅炉的主蒸汽调门处于第三开度值状态时，所述直流锅炉的主蒸汽的第二压力值，并根据所述第一压力值以及第二压力值计算第一压力差值；步骤s520. 获取所述直流锅炉设计锅炉最大连续蒸发量工况下的汽水分离器的第三压力值以及主蒸汽的第四压力值，并根据第三压力值以及第四压力值确定第二压力差值；步骤s530.根据所述第一压力差值以及第二压力差值计算所述直流锅炉的分离指数，并根据所述分离指数确定所述主蒸汽调门所具有的第一开度值以及预设开启时长。
55.以下，将对步骤s510-步骤s530进行解释以及说明。具体的，在正式分离的过程中，首先，记录主蒸汽调门打开前锅炉汽水分离器压力（第一压力值）及主蒸汽调门关闭时主蒸汽压力（第二压力值），二者压力之差（第一压力差值）与锅炉设计bmcr（boiler maximum continuous rating，锅炉最大连续蒸发量）工况下的汽水分离器的第三压力值与主蒸汽的第四压力值之间的第二压力差值；然后，计算第一压力差之以及第二压力差值之间的比值；其中，具体的计算过程可以如下公式（13）压力之差的比值应大于1.4。
56.；公式（13）其中，为分离指数；为吹扫过程中主蒸汽调门大开启，汽水分离器处的第一压力值以及主蒸汽调门关闭时，主蒸汽管道的第二压力值之间的第一压力差值；为锅炉设计bmcr工况下，汽水分离器的第三压力值与主蒸汽管道的第四压力值之间的第二压力差值。
57.进一步的，在实际应用的过程中，根据所述分离指数确定主蒸汽调门所具有的第一开度值以及预设开启时长，可以通过如下方式实现：一方面，如果所述分离指数大于等于预设指数，则控制所述主蒸汽调门所具有的第一开度值以及预设开启时长保持不变；另一方面，如果所述分离指数小于预设指数，则降低所述主蒸汽调门所具有的第一开度值，并增加所述预设开启时长。也即，如果在正式吹扫过程中，未大于1.4，则在分离前应进一步降低主蒸汽调门的第一开度值，并调整锅炉出力增大主蒸汽压力与滑压曲线的压力偏差值，同时适当延迟主蒸汽调门的关闭时间（也即增加主蒸汽调门的开启时间）。
58.进一步的，为了可以检测对氧化沉积物的吹扫结果，该直流锅炉的氧化沉积物分离方法还可以包括：获取直流锅炉在与所述当前时刻对应的下一时刻的第二当前状态参
数，并对所述第二当前状态参数进行预处理，得到第三输入特征序列；将所述第三输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第三预测结果，并根据所述第三预测结果确定所述氧化沉积物是否吹扫完成。也即，在实际应用的过程中，可以重复前述记载的过程，直至脱落的氧化沉积物被分离干净。此处需要补充说明的是，由于氧化沉积物的是否存在堆积或者堆积量的大小可以影响直流锅炉的当前状态参数；因此，通过不断的分离以及预测过程，可以确保直流锅炉处于干净的状态；同时，通过调整分离指数，又可以确保每一次的分离是有效的。
59.至此，本公开示例实施例所记载的直流锅炉的氧化沉积物分离方法已经全部实现。下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
60.具体的，本公开示例实施例还提供了一种直流锅炉的氧化沉积物分离装置。具体的，参考图6所示，该直流锅炉的氧化沉积物分离装置可以包括第一预处理模块610、目标损失函数构建模块620、第二预处理模块630、氧化沉积物预测模块640以及氧化沉积物分离模块650。其中：第一预处理模块610，可以用于获取直流锅炉的历史状态参数以及在所述历史状态参数下所具有的历史氧化沉积物堆积量，并对历史状态参数进行预处理得到第一输入特征序列；目标损失函数构建模块620，可以用于将所述第一输入特征序列输入至待训练的人工神经网络中，得到第一预测结果，并根据所述第一预测结果以及历史氧化沉积物堆积量构建目标损失函数；第二预处理模块630，可以用于基于所述目标损失函数对所述待训练的人工神经网络中的模型参数进行调整，得到氧化沉积物堆积量预测模型，并获取直流锅炉在当前时刻的第一当前状态参数，对所述第一当前状态参数进行预处理，得到第二输入特征序列；氧化沉积物预测模块640，可以用于将所述第二输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第二预测结果，根据所述第二预测结果确定是否需要对所述直流锅炉中的氧化沉积物进行不停炉分离；氧化沉积物分离模块650，可以用于在确定需要对所述直流锅炉中的氧化沉积物进行不停炉分离时，对所述直流锅炉中堆积的氧化沉积物进行在线不停炉分离，以实现在不停炉的状态下从所述直流锅炉中分离出所述氧化沉积物。
61.在本公开的一种示例性实施例中，所述第一当前状态参数包括直流锅炉的第一当前过热温度、第一当前再热蒸汽温度、第一当前压力以及第一当前流速中的至少一种；其中，对所述第一当前状态参数进行预处理，得到第二输入特征序列，包括：对所述第一当前过热温度、第一当前再热蒸汽温度、第一当前压力以及第一当前流速进行依次排序，并根据排序后的第一当前过热温度、第一当前再热蒸汽温度、第一当前压力以及第一当前流速得到所述第二输入特征序列。
62.在本公开的一种示例性实施例中，对所述直流锅炉中堆积的氧化沉积物进行在线不停炉分离，包括：对所述直流锅炉中堆积的氧化沉积物进行预分离，以确定氧化沉积物分离过程中，除氧器的高加水位阈值以及低加水位阈值；基于所述除氧器的高加水位阈值以及低加水位阈值，对所述直流锅炉中堆积的氧化沉积物进行正式的在线不停炉分离。
63.在本公开的一种示例性实施例中，基于所述除氧器的高加水位阈值以及低加水位阈值，对所述直流锅炉中堆积的氧化沉积物进行正式的在线不停炉分离，包括：在对所述直流锅炉中堆积的氧化沉积物进行不停炉分离之前，将所述直流锅炉的主蒸汽调门的当前状态从未开启状态调整至第一开度值状态，并根据第一开度值状态所对应的第一预设主蒸汽压力值，调整所述除氧器的第一出力值；根据所述除氧器的高加水位阈值以及低加水位阈值调整所述除氧器的第一当前高加水位值以及第一当前低加水位值，并控制所述除氧器在所述第一出力值的状态下对所述氧化沉积物进行正式分离；将所述直流锅炉的主蒸汽调门的当前状态从第一开度值状态调整至第二开度值状态，并根据第二开度值状态所对应的第二预设主蒸汽压力值，调整所述除氧器的第二出力值；控制所述除氧器在所述第二出力值的状态下对所述氧化沉积物进行持续分离，并间隔预设开启时长，将所述直流锅炉的主蒸汽调门的当前状态从第二开度值状态调整为第三开度值状态，以在保持所述直流锅炉处于不停炉的状态下，完成整个正式分离过程。
64.在本公开的一种示例性实施例中，所述直流锅炉的氧化沉积物分离装置还包括：第一压力差值计算模块，可以用于获取所述直流锅炉的主蒸汽调门处于未开启状态时，所述直流锅炉的汽水分离器所具有的第一压力值，以及所述直流锅炉的主蒸汽调门处于第三开度值状态时，所述直流锅炉的主蒸汽的第二压力值，并根据所述第一压力值以及第二压力值计算第一压力差值；第二压力差值计算模块，可以用于获取所述直流锅炉设计锅炉最大连续蒸发量工况下的汽水分离器的第三压力值以及主蒸汽的第四压力值，并根据第三压力值以及第四压力值确定第二压力差值；分离指数计算模块，可以用于根据所述第一压力差值以及第二压力差值计算所述直流锅炉的分离指数，并根据所述分离指数确定所述主蒸汽调门所具有的第一开度值以及预设开启时长。
65.在本公开的一种示例性实施例中，根据所述分离指数确定主蒸汽调门所具有的第一开度值以及预设开启时长，包括：如果所述分离指数大于等于预设指数，则控制所述主蒸汽调门所具有的第一开度值以及预设开启时长保持不变；如果所述分离指数小于预设指数，则降低所述主蒸汽调门所具有的第一开度值，并增加所述预设开启时长在本公开的一种示例性实施例中，所述直流锅炉的氧化沉积物分离装置还包括：第三预处理模块，可以用于获取直流锅炉在与所述当前时刻对应的下一时刻的第二当前状态参数，并对所述第二当前状态参数进行预处理，得到第三输入特征序列；第三预测模块，可以用于将所述第二输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第三预测结果，并根据所述第三测结果确定所述氧化沉积物是否分离完成。
66.在本公开的一种示例性实施例中，所述待训练的人工神经网络包括输入层、隐藏层以及输出层；其中，将所述第一输入特征序列输入至待训练的人工神经网络中，得到第一预测结果，包括：对所述输入层与隐藏层之间的第一连接权值、隐藏层与输出层之间的第二连接权值进行初始化处理，并对所述隐藏层的第一阈值以及输出层的第二阈值进行初始化处理；根据初始化处理后的第一连接权值以及初始化处理后的第一阈值对第一输入特征序列进行处理，得到第一隐藏层输出；根据初始化处理后的第二连接权值以及初始化处理后
的第二阈值对第一隐藏层输出进行处理，得到第一预测结果。
67.在本公开的一种示例性实施例中，基于所述目标损失函数对所述待训练的人工神经网络中的模型参数进行调整，得到氧化沉积物堆积量预测模型，包括：以使得所述目标损失函数的取值最小为限制条件，对输入层与隐藏层之间的第一连接权值、隐藏层与输出层之间的第二连接权值、所述隐藏层的第一阈值以及输出层的第二阈值进行调整，得到氧化沉积物堆积量预测模型。
68.上述直流锅炉的氧化沉积物分离装置中各模块的具体细节已经在对应的直流锅炉的氧化沉积物分离方法中进行了详细的描述，因此此处不再赘述。
69.应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
70.此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
71.在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
72.所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式（包括固件、微代码等），或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
73.下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
74.如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件（包括存储单元720和处理单元710）的总线730以及显示单元740。
75.其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元710可以执行如图1中所示的步骤s110：获取直流锅炉的历史状态参数以及在所述历史状态参数下所具有的历史氧化沉积物堆积量，并对历史状态参数进行预处理得到第一输入特征序列；步骤s120：将所述第一输入特征序列输入至待训练的人工神经网络中，得到第一预测结果，并根据所述第一预测结果以及历史氧化沉积物堆积量构建目标损失函数；步骤s130：基于所述目标损失函数对所述待训练的人工神经网络中的模型参数进行调整，得到氧化沉积物堆积量预测模型，并获取直流锅炉在当前时刻的第一当前状态参数，对所述第一当前状态参数进行预处理，得到第二输入特征序列；步骤s140：将所述第二输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第二预测结果，根据所述第二预测结果确定是否需要对所述直流锅炉中的氧化沉积物进行不停炉分离；步骤s150：在确定需要对所述直流锅炉中的氧化沉积物进行不停炉分离时，对所述直流锅炉中堆积的氧化沉积物进行在线不停炉分离，以实现在不停炉的状态下从所
述直流锅炉中分离出所述氧化沉积物。
76.存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（ram）7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元（rom）7203。
77.存储单元720还可以包括具有一组（至少一个）程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
78.总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
79.电子设备700也可以与一个或多个外部设备800（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（i/o）接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络（例如局域网（lan），广域网（wan）和/或公共网络，例如因特网）通信。如图所示，网络适配器760通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
80.通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是cd-rom，u盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、终端装置、或者网络设备等）执行根据本公开实施方式的方法。
81.在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
82.根据本公开的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
83.所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
84.计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
85.可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
86.可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（lan）或广域网（wan），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
87.此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
88.本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本公开的其他实施例。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

技术特征：
1.一种直流锅炉的氧化沉积物分离方法，其特征在于，包括：获取直流锅炉的历史状态参数以及在所述历史状态参数下所具有的历史氧化沉积物堆积量，并对历史状态参数进行预处理得到第一输入特征序列；将所述第一输入特征序列输入至待训练的人工神经网络中，得到第一预测结果，并根据所述第一预测结果以及历史氧化沉积物堆积量构建目标损失函数；基于所述目标损失函数对所述待训练的人工神经网络中的模型参数进行调整，得到氧化沉积物堆积量预测模型，并获取直流锅炉在当前时刻的第一当前状态参数，对所述第一当前状态参数进行预处理，得到第二输入特征序列；将所述第二输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第二预测结果，根据所述第二预测结果确定是否需要对所述直流锅炉中的氧化沉积物进行不停炉分离；在确定需要对所述直流锅炉中的氧化沉积物进行不停炉分离时，对所述直流锅炉中堆积的氧化沉积物进行在线不停炉分离，以实现在不停炉的状态下从所述直流锅炉中分离出所述氧化沉积物。2.根据权利要求1所述的直流锅炉的氧化沉积物分离方法，其特征在于，所述第一当前状态参数包括直流锅炉的第一当前过热温度、第一当前再热蒸汽温度、第一当前压力以及第一当前流速中的至少一种；其中，对所述第一当前状态参数进行预处理，得到第二输入特征序列，包括：对所述第一当前过热温度、第一当前再热蒸汽温度、第一当前压力以及第一当前流速进行依次排序，并根据排序后的第一当前过热温度、第一当前再热蒸汽温度、第一当前压力以及第一当前流速得到所述第二输入特征序列。3.根据权利要求1所述的直流锅炉的氧化沉积物分离方法，其特征在于，对所述直流锅炉中堆积的氧化沉积物进行在线不停炉分离，包括：对所述直流锅炉中堆积的氧化沉积物进行预分离，以确定氧化沉积物分离过程中，除氧器的高加水位阈值以及低加水位阈值；基于所述除氧器的高加水位阈值以及低加水位阈值，对所述直流锅炉中堆积的氧化沉积物进行正式的在线不停炉分离。4.根据权利要求3所述的直流锅炉的氧化沉积物分离方法，其特征在于，基于所述除氧器的高加水位阈值以及低加水位阈值，对所述直流锅炉中堆积的氧化沉积物进行正式的在线不停炉分离，包括：在对所述直流锅炉中堆积的氧化沉积物进行不停炉分离之前，将所述直流锅炉的主蒸汽调门的当前状态从未开启状态调整至第一开度值状态，并根据第一开度值状态所对应的第一预设主蒸汽压力值，调整所述除氧器的第一出力值；根据所述除氧器的高加水位阈值以及低加水位阈值调整所述除氧器的第一当前高加水位值以及第一当前低加水位值，并控制所述除氧器在所述第一出力值的状态下对所述氧化沉积物进行正式分离；将所述直流锅炉的主蒸汽调门的当前状态从第一开度值状态调整至第二开度值状态，并根据第二开度值状态所对应的第二预设主蒸汽压力值，调整所述除氧器的第二出力值；控制所述除氧器在所述第二出力值的状态下对所述氧化沉积物进行持续分离，并间隔
预设开启时长，将所述直流锅炉的主蒸汽调门的当前状态从第二开度值状态调整为第三开度值状态，以在保持所述直流锅炉处于不停炉的状态下，完成整个正式分离过程。5.根据权利要求4所述的直流锅炉的氧化沉积物分离方法，其特征在于，所述直流锅炉的氧化沉积物分离方法还包括：获取所述直流锅炉的主蒸汽调门处于未开启状态时，所述直流锅炉的汽水分离器所具有的第一压力值，以及所述直流锅炉的主蒸汽调门处于第三开度值状态时，所述直流锅炉的主蒸汽的第二压力值，并根据所述第一压力值以及第二压力值计算第一压力差值；获取所述直流锅炉设计锅炉最大连续蒸发量工况下的汽水分离器的第三压力值以及主蒸汽的第四压力值，并根据第三压力值以及第四压力值确定第二压力差值；根据所述第一压力差值以及第二压力差值计算所述直流锅炉的分离指数，并根据所述分离指数确定所述主蒸汽调门所具有的第一开度值以及预设开启时长。6.根据权利要求5所述的直流锅炉的氧化沉积物分离方法，其特征在于，根据所述分离指数确定主蒸汽调门所具有的第一开度值以及预设开启时长，包括：如果所述分离指数大于等于预设指数，则控制所述主蒸汽调门所具有的第一开度值以及预设开启时长保持不变；如果所述分离指数小于预设指数，则降低所述主蒸汽调门所具有的第一开度值，并增加所述预设开启时长。7.根据权利要求1所述的直流锅炉的氧化沉积物分离方法，其特征在于，所述直流锅炉的氧化沉积物分离方法还包括：获取直流锅炉在与所述当前时刻对应的下一时刻的第二当前状态参数，并对所述第二当前状态参数进行预处理，得到第三输入特征序列；将所述第三输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第三预测结果，并根据所述第三预测结果确定所述氧化沉积物是否分离完成。8.一种直流锅炉的氧化沉积物分离装置，其特征在于，包括：第一预处理模块，用于获取直流锅炉的历史状态参数以及在所述历史状态参数下所具有的历史氧化沉积物堆积量，并对历史状态参数进行预处理得到第一输入特征序列；目标损失函数构建模块，用于将所述第一输入特征序列输入至待训练的人工神经网络中，得到第一预测结果，并根据所述第一预测结果以及历史氧化沉积物堆积量构建目标损失函数；第二预处理模块，用于基于所述目标损失函数对所述待训练的人工神经网络中的模型参数进行调整，得到氧化沉积物堆积量预测模型，并获取直流锅炉在当前时刻的第一当前状态参数，对所述第一当前状态参数进行预处理，得到第二输入特征序列；氧化沉积物预测模块，用于将所述第二输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第二预测结果，根据所述第二预测结果确定是否需要对所述直流锅炉中的氧化沉积物进行不停炉分离；氧化沉积物分离模块，用于在确定需要对所述直流锅炉中的氧化沉积物进行不停炉分离时，对所述直流锅炉中堆积的氧化沉积物进行在线不停炉分离，以实现在不停炉的状态下从所述直流锅炉中分离出所述氧化沉积物。9.一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，所述计算机程序被
处理器执行时实现权利要求1-7任一项所述的直流锅炉的氧化沉积物分离方法。10.一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的直流锅炉的氧化沉积物分离方法。

技术总结
本公开是关于一种直流锅炉的氧化沉积物分离方法及装置、存储介质、设备，涉及氧化沉积物分离技术领域，该方法包括：对历史状态参数进行预处理得到第一输入特征序列；将第一输入特征序列输入至待训练的人工神经网络中，得到第一预测结果，并根据第一预测结果以及历史氧化沉积物堆积量构建目标损失函数；基于目标损失函数对待训练的人工神经网络中的模型参数进行调整，得到氧化沉积物堆积量预测模型；将第二输入特征序列输入至预设的氧化沉积物堆积量预测模型中，得到第二预测结果，根据第二预测结果确定是否需要对直流锅炉中的氧化沉积物进行不停炉分离；对直流锅炉中堆积的氧化沉积物进行在线不停炉分离。本公开提高了氧化沉积物的分离效率。沉积物的分离效率。沉积物的分离效率。


技术研发人员：李超 陈康 郜振鑫 夏建涛 陈鹏飞 任亚军
受保护的技术使用者：中国电建集团西北勘测设计研究院有限公司
技术研发日：2023.06.06
技术公布日：2023/7/22