买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华能营口热电有限责任公司;中国矿业大学申请的专利锅炉水冷壁壁温预测方法、超温预警方法、系统及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120068659B 。

龙图腾网通过国家知识产权局官网在2025-08-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510520020.X，技术领域涉及：G06F30/27；该发明授权锅炉水冷壁壁温预测方法、超温预警方法、系统及介质是由徐世明;尹泳博;范景玮;商忠宝;王志;曲舒扬;王俊略;贾秀明;刘晓峰;孟可成;邢国涛;祝秋实;朱航;周怀春设计研发完成，并于2025-04-24向国家知识产权局提交的专利申请。

本锅炉水冷壁壁温预测方法、超温预警方法、系统及介质在说明书摘要公布了：本发明公开了锅炉水冷壁壁温预测方法、超温预警方法、系统及介质，属于锅炉安全运行技术领域，本发明的锅炉水冷壁壁温预测方法包括步骤1，通过LightGBM算法的Gain模式评估辅助变量对水冷壁壁温的特征重要性，筛选出前D个关键变量；步骤2，采用平均互信息AMI与差分进化DE算法优化各辅助变量与目标变量的延迟时间，重构输入变量数据；步骤3，基于徒步旅行算法HOA动态优化随机配置网络SCN的隐藏层节点参数，构建HOA‑SCN模型，并引入L2正则化计算输出权重；步骤4，利用训练后的HOA‑SCN模型预测水冷壁壁温，采用本发明预测方法显著提高预测精度与鲁棒性，为锅炉安全运行提供有效支持。

本发明授权锅炉水冷壁壁温预测方法、超温预警方法、系统及介质在权利要求书中公布了：1.锅炉水冷壁壁温预测方法，其特征在于，包括如下步骤： 步骤1，选取对水冷壁壁温有重要影响的辅助变量，所述辅助变量共计D个； 步骤2，构建水冷壁壁温预测模型，步骤如下： 步骤2.1，给定目标函数，假设已经构建成随机配置网络SCN的隐含层的L-1个神经节点；其中，表示输入的维度空间，表示输出的维度空间，D是输入样本维数，即辅助变量个数，m是输出样本维数； 那么当前隐含层的网络输出表达式为： （5） 其中表示隐含层节点j的输出权重；表示激活函数；和分别是隐含层第j个节点的输入权重和偏置，表示当前隐含层的输入； 步骤2.2，通过徒步旅行算法HOA计算隐含层第j个节点的输入权重和隐含层第j个节点的偏置，进而得到SCN中所有节点的最优输出权重，其中，1≤j≤L-1;具体步骤如下： 步骤2.2.1，初始化旅行者位置 初始化旅行者z的位置，如下述等式所示： （6） 其中是在[0,1]范围内的均匀分布数；表示在t时刻旅行者z的当前位置；和表示优化问题决策变量的第j维的上下界； 步骤2.2.2，比较q与，q表示第q个旅行者，，为种群数，即旅行者的数量； 若q≤时，计算适应度函数，并进入步骤2.2.3； 若q＞，确定旅行者的最佳位置，即最小适应度函数，最小适应度函数中的最后一个元素即为偏置，而其他的元素的转置是输入权重，且It＞Maxlt时，It为当前迭代次数，Maxlt为最大迭代次数，从而通过公式（11）确定所有节点的最优输出权重，进入步骤2.2.6； 若q＞，且It≤Maxlt时，进入步骤2.2.3； （1）若q≤时，那么计算适应度函数为： （7） （8） （9） 式中是在第n个样本下的第L隐藏层节点的网络残差，为正则化参数实值域为正的函数；则是第L隐藏层节点的输出，为第L隐藏层节点的激活函数，,分别表示第L隐藏层节点的输入权重和偏置；是引入的值，是一种衡量标准，其公式如下所示： （10） 其中为正则化参数； （2）如果q＞，确定旅行者的最佳位置，即最小适应度函数； 对迭代次数It和最大迭代次数Maxlt进行判断，如果It＞Maxlt，则每次迭代储存最佳位置，得到输入权重与偏置并确定所有节点的最优输出权重： （11） 其中，表示的Moore-Penrose广义逆矩阵，且表示输入层和隐藏层的权重矩阵，表示所有节点的最优输出权重，=，表示所有节点的输出权重，为Frobenius范数，O表示每个输入样本的目标值，K表示单位矩阵，表示正则化强度； 步骤2.2.3，将旅行者的个数z和旅行者的最大数量进行比较； 若z＞，则将最小适应度函数即旅行者的最佳位置赋予给第z+1个的旅行者，并返回步骤2.2.2，对迭代次数It再次进行判断； 若z≤，得到旅行者z在第It迭代次数下的最佳位置，进入步骤2.2.4 步骤2.2.4，计算出，是在t时的旅行者z的速率，如下公式所示： （12） 是路径或者地形的坡度；而由公式13所表示： （13） 其中，和分别表示海拔差和徒步旅行者所走的距离；是路径或者地形的倾斜角度；且；而旅行者z在t+1时刻的速率为： （14） 其中，是在[0,1]范围内的均匀分布数；和分别表示徒步旅行者t+1和t时刻的速度；是领队徒步旅行者的位置，是徒步旅行者z的在t时刻的扫描因子；然后，更新旅行者的位置并进入步骤2.2.5，如下公式所示： （15） 步骤2.2.5，设为新的适应度函数，是当前的适应度函数，若≤，则储存最佳位置,并返回步骤2.2.3；若＞，则直接返回步骤2.2.3； 步骤2.2.6，增加新节点，直到满足或节点，其中为容许误差；为隐藏神经元的最大数量； 步骤2.3，水冷壁壁温预测模型预测值为： （16）； 其中，表示SCN中输入层和隐藏层的权重矩阵，表示SCN中输入层的权重矩阵，表示SCN中第L-1个隐藏层的权重矩阵； 步骤3，对所述水冷壁壁温预测模型进行训练，得到训练好的水冷壁壁温预测模型，用于对水冷壁壁温进行预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华能营口热电有限责任公司;中国矿业大学，其通讯地址为：115004 辽宁省营口市西市区沿海产业基地新联大街东一号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。