一种面向海量高维数据的电站锅炉燃烧建模及优化的方法.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CN108038306A(43)申请公布日2018.05.15(21)申请号201711304565.9(22)申请日2017.12.11(71)申请人太原理工大学地址030024山西省太原市万柏林区迎泽西大街79号(72)发明人续欣莹徐晨晨陈琪谢珺(74)专利代理机构太原市科瑞达专利代理有限公司14101代理人卢茂春(51)Int.Cl.G06F17/50(2006.01)G06Q50/06(2012.01)权利要求书2页说明书10页附图2页(54)发明名称一种面向海量高维数据的电站锅炉燃烧建模及优化的方法(57)摘要本发明公开了一种面向海量高维数据的电站锅炉燃烧建模及优化的方法，它属于电站锅炉优化运行领域，特别涉及一种面向海量高维数据的电站锅炉燃烧建模及优化的方法，包括以下步骤：(1)从电厂分散控制系统的历史运行数据中提取输入数据和输出数据，并对输入数据、输出数据进行数据处理；(2)使用改进的分布式极限学习机对NOx排放量建模为锅炉燃烧排放模型，对锅炉效率建模为锅炉燃烧效率模型；(3)将锅炉燃烧排放模型和锅炉燃烧效率模型合并建立多目标锅炉燃烧模型；(4)采用权重系数法将多目标锅炉燃烧模型转换成单目标锅炉燃烧模型；(5)使用分布式粒子群算法对单目标锅炉燃烧模型进行参数寻优，实现对锅炉燃烧过程的优化控制。CN108038306ACN108038306A权利要求书1/2页1.一种面向海量高维数据的电站锅炉燃烧建模及优化的方法，其特征在于，包括如下步骤：(1)从电厂分散控制系统的历史运行数据中提取输入数据和输出数据，并对输入数据、输出数据进行数据处理；(2)使用改进的分布式极限学习机对NOx排放量建模为锅炉燃烧排放模型，对锅炉效率建模为锅炉燃烧效率模型；锅炉燃烧排放模型为：T其中，wi＝(ωi1,ωi2,...,ωin)为锅炉燃烧排放模型的网络输入节点与第i个隐层节点间的输入权值向量，xj为锅炉燃烧排放模型的输入数据的第j维参量，bi为锅炉燃烧排放T模型第i个隐层节点阈值，βi＝(βi1,βi2,...,βin)为连接锅炉燃烧排放模型第i个隐层节点T与输出层节点间的输出权值向量，Yj＝(yj1,yj2,...,yjn)表示锅炉燃烧排放模型网络输出值，L为锅炉燃烧排放模型的隐含节点数，g(·)为锅炉燃烧排放模型的隐层神经元激活函数，gi(·)为锅炉燃烧排放模型的第i个层隐节点的隐层神经元激活函数值，激活函数采用Sigmoid函数；锅炉燃烧效率模型为：T其中，w'i'＝(ω'i'1,ω'i'2,...,ω'i'n)为锅炉燃烧效率模型网络输入节点与第i'个层隐节点间的输入权值向量，x'j'为锅炉燃烧效率模型的输入数据的第j'维参量，b'i'为锅T炉燃烧效率模型第i'个隐层节点阈值，β'i'＝(β'i'1,β'i'2,...,β'i'n)为连接锅炉燃烧效率T模型第i'个隐层节点与输出层节点间的输出权值向量，Y'j'＝(y'j'1,y'j'2,...,y'j'n)表示锅炉燃烧效率模型的网络输出值，L'为锅炉燃烧效率模型的隐含节点数，g'(·)为锅炉燃烧效率模型的隐层神经元激活函数，g'i'(·)为锅炉燃烧效率模型第i'个层隐节点的隐层神经元激活函数值，激活函数采用Sigmoid函数；(3)将锅炉燃烧排放模型和锅炉燃烧效率模型合并建立多目标锅炉燃烧模型；其中f(x(i))为优化目标，x(i)为第i个优化参数，为关于NOx排放量的目标函数、fη为关于锅炉效率的目标函数，a(i)、b(i)为第i个参数的取值范围，n为优化变量的个数；(4)采用权重系数法将多目标锅炉燃烧模型转换成单目标锅炉燃烧模型；其中为实际NOx排放量的最大值、最小值；fη(xmax)、fη(xmin)为实际锅炉燃烧效率的最大值、最小值；α,β为各技术指标的权值，且α+β＝1；(5)使用分布式粒子群算法对单目标锅炉燃烧模型进行参数寻优，实现对锅炉燃烧过2CN108038306A权利要求书2/2页程的优化控制。2.根据权利要求1所述的面向海量高维数据的电站锅炉燃烧建模及优化的方法，其特征在于所述输入数据为锅炉运行操控参数，所述输出数据为锅炉效率以及NOx排放量。3.根据权利要求2所述的面向海量高维数据的电站锅炉燃烧建模及优化的方法，其特征在于，所述的锅炉运行操控参数包括含氧量、一次风风速、二次风风速、二次风量、磨煤机给粉量、燃尽风挡板开度以及锅炉负荷。4.根据权利要求1所述的面向海量高维数据的电站锅炉燃烧建模及优化的方法，其特征在于所述数据处理是先将空的或者采集数据少于测点应有数据量的3％的电站锅炉测点剔除掉，然后将每个测点对应的数据中的空值采用线性插值的方法根据前后的值对数据进行补齐，并将异常值替换掉；采用