一种循环流化床锅炉燃烧过程的动态建模方法.pdf

(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CN109063359A(43)申请公布日2018.12.21(21)申请号201810936443.X(22)申请日2018.08.16(71)申请人燕山大学地址066004河北省秦皇岛市海港区河北大街西段438号(72)发明人牛培峰马云鹏(74)专利代理机构秦皇岛一诚知识产权事务所(普通合伙)13116代理人李合印(51)Int.Cl.G06F17/50(2006.01)G06N3/08(2006.01)权利要求书2页说明书9页附图2页(54)发明名称一种循环流化床锅炉燃烧过程的动态建模方法(57)摘要本发明公开了一种循环流化床锅炉燃烧过程的动态建模方法，其内容包括：调取锅炉燃烧过程的主要影响锅炉热效率和氮氧化合物排放浓度的运行参数，记为输入数据和输出数据；首先根据量子计算规则，确定样本增量量子神经网络的输入权值和隐藏层阈值，然后基于输入数据和输出数据，计算出输出层权值和输入层与输出层之间的权值矩阵，即建立了锅炉热效率和氮氧化合物排放浓度的初始化模型；基于初始化模型，在线采集锅炉运行参数，并计算样本增量，实时更新样本增量量子神经网络的模型参数，包括输入权值和隐藏层阈值、输出权阈值和输入层与输出层之间的权值；从而建立热效率和氮氧化合物排放浓度的在线模型，实现锅炉运行参数实时建模。CN109063359ACN109063359A权利要求书1/2页1.一种循环流化床锅炉燃烧过程的动态建模方法，其特征在于：其内容包括如下步骤：步骤1：调取锅炉燃烧过程的主要影响锅炉热效率和氮氧化合物排放浓度的运行参数，记为输入数据和输出数据；步骤2：首先根据量子计算规则，确定样本增量量子神经网络的输入权值和隐藏层阈值，然后基于步骤1中的输入数据和输出数据，计算出输出层权值和输入层与输出层之间的权值矩阵，即建立了锅炉热效率和氮氧化合物排放浓度的初始化模型；步骤3：基于初始化模型，在线采集锅炉运行参数，并计算样本增量，实时更新样本增量量子神经网络的模型参数，包括输入权值和隐藏层阈值、输出权阈值和输入层与输出层之间的权值，以此保证模型参数对输入数据的自适应性；从而建立热效率和氮氧化合物排放浓度的在线模型，实现锅炉运行参数实时建模。2.如权利要求1所述的一种循环流化床锅炉燃烧过程的动态建模方法，其特征在于：在步骤1中，所述输入数据包括：锅炉负荷、给煤量、炉膛密相区上部床温平均、左侧炉膛密相区上部床温平均、右侧炉膛密相区上部床温平均、左侧风道燃烧器入口一次风流量、右侧风道燃烧器入口一次风流量、左侧风道燃烧器入口一次风温度、右侧风道燃烧器入口一次风温度、左侧二次风总流量、右侧二次风总流量、左侧内二次风分配流量、右侧内二次风分配流量、#1石灰石粉输送电机电流、#2石灰石粉输送电机电流、烟气O2浓度、烟气温度、左侧电除尘器入口飞灰含碳量、右侧电除尘器入口飞灰含碳量、#1一次风机入口温度、#2一次风机入口温度、#1二次风机入口温度和#2二次风机入口温度；所述输出数据包括锅炉热效率和氮氧化合物排放浓度。3.如权利要求1所述的一种循环流化床锅炉燃烧过程的动态建模方法，其特征在于：在步骤2中，所述样本增量量子神经网络，其隐藏层的神经元为量子神经元，量子神经元的数学描述表达如下式：T在(1)式中，|ωj>＝(|ωj1>,|ωj2>,…,|ωjn>)为量子权值，记作|ωjn>＝(cosθjn,sinTθjn)，θij∈[0,2π]；|φ>＝(|φj1>,|φj2>,…,|φjn>)为活化权值，记为|φjn>＝(cosζjn,Tsinζjn)，ζij∈[0,π]。4.如权利要求3所述的一种循环流化床锅炉燃烧过程的动态建模方法，其特征在于：所述隐藏层量子神经元的具有微分信息的隐藏层激活函数为：f(x)＝G(x)+G′(x)(2)选取激活函数则G(x)的导函数表示为G′(x)＝G(x)×(1-G(x))；规定G(x)是无限可微的。5.如权利要求1所述的一种循环流化床锅炉燃烧过程的动态建模方法，其特征在于：在步骤3中，实时更新样本增量量子神经网络的模型参数的表达式如下：在公式(3)中，是第k+1组数据对应的输入权值复合矩阵，p是随机矩阵，△xk+1为第k2CN109063359A权利要求书2/2页+1组数据与第k组数据之间的增量，当增量的秩等于0时，k+1时刻的输入权值复合矩阵等于k时刻的复合矩阵；否则，根据样本增量进行更新；所述输入权值和隐藏层阈值分别表示为：在公式(4)和(5)中，m为隐藏层节点个数，n为输入层节点个数；第k+1个样本数据对应的复合矩阵为：所述输入层至输出层之间的权值矩阵、输出权值矩阵和输出层阈值向量表示如下：6.如权利要求5所述的一种循环流化床锅炉燃烧过程的动态建模方法，其特征在于：所述实