循环流化床生活垃圾焚烧锅炉CO排放预测系统及方法.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CN107038334A(43)申请公布日2017.08.11(21)申请号201710110224.1(22)申请日2017.02.27(71)申请人浙江大学地址310058浙江省杭州市西湖区余杭塘路866号(72)发明人尤海辉马增益唐义军王月兰严建华倪明江池涌岑可法黄群星(74)专利代理机构杭州求是专利事务所有限公司33200代理人刘静邱启旺(51)Int.Cl.G06F19/00(2011.01)G06K9/62(2006.01)权利要求书4页说明书12页附图2页(54)发明名称循环流化床生活垃圾焚烧锅炉CO排放预测系统及方法(57)摘要本发明公开了一种循环流化床生活垃圾焚烧锅炉CO排放预测系统及方法，本发明在利用循环流化床生活垃圾焚烧锅炉的运行机理和运行历史数据中隐含的知识的基础上，采用GammaTest算法和随机森林集成建模的方法，构建了一种快速经济且自适应更新的系统和方法对锅炉尾部烟气CO排放进行实时预测，避开了繁琐复杂的机理建模工作。其中，利用随机森林算法的非线性映射能力、泛化能力和实时预测能力来表征CO排放的动态变化特性，为运行人员和设计人员掌握了解CO排放的变化特性提供新的途径；利用GammaTest算法获取最优的训练样本，避免了模型的在训练的时候出现过拟合和欠拟合的状况。整个建模过程逻辑清晰，需要设置的参数较少，建模自动化程度高，易于掌握和推广。CN107038334ACN107038334A权利要求书1/4页1.一种循环流化床生活垃圾焚烧锅炉CO排放的实时预测系统，其特征在于，该系统与循环流化床锅炉的集散控制系统以及生产管理系统相连，包括数据通讯接口和上位机，在上位机中对CO排放预测模型进行训练和更新，然后将预测结果通过通讯接口送往集散控制系统和生产管理系统，所述上位机包括：第一信号采集模块。该模块用于采集CFB生活垃圾焚烧锅炉在焚烧指定生活垃圾时的运行工况状态参数和操作变量，并组成垃圾热值预测模型输入变量的训练样本矩阵X(m×n)，m表示样本个数，n表示变量的个数。数据预处理模块。对X(m×n)进行粗大误差处理和随机误差处理，剔除训练样本中的野值，排除异常工况，将训练样本输入变量经过归一化处理后映射到[0，1]区间内，得到归一化后的训练样本X*(m×n)。所述异常工况包括锅炉停炉运行工况、炉膛压火运行状况和给料机堵塞工况。模型更新模块。该模块对CO排放预测模型的性能进行判断，并决定是否对预测模型进行更新，当CO排放量与模型预测排放量的误差超过±5％时，更新模型。智能学习模块。该模块先利用GammaTest算法寻找最优的训练样本尺寸，然后利用随机森林算法对样本进行训练学习，具体步骤如下：1)利用GammaTest算法寻找最优的训练样本尺寸。对于如下形式的数据集{(Xi,Yi),1≤i≤m}(2)式中，X∈Rn表示输入，对应的输出标量为y∈R。GammaTest假定的模型关系是：y＝f(x1,…,xn)+r(3)式中，f是一个光滑函数，r是一个表示数据噪声的随机量。假定r的均值为0(否则可在f中加入常数项)，方差为Var(y)。GammaTest就是计算一个统计量Γ，用它来评价输出量的方差，如果数据的关系符合光滑模型，并且没有噪声，这个方差是0。Γ的计算过程如下：1.1)计算输入数据的距离统计量。用xi表示第i个输入数据，xN[i,k]表示输入样本的第k近邻域点，计算如下统计量：式中，|·|表示欧拉距离，p为最远邻近距离(nearestneighbor)。1.2)计算输出数据的距离统计量。用yi表示第i个输出数据，yN[i,k]表示输出样本的第k近邻域点，计算如下统计量：式中符号的意义同(4)式。1.3)计算统计量Γ。为了计算Γ，分别计算邻近距离从1到p的统计量(δm(1),γm(1))，(δm(2),γm(2))，…，(δm(p),γm(p))。对这p个统计量构造一元线性回归模型，用最小二乘法进行拟合，得到的一次线性函数的截距就是GammaTest统计量Γ，Γ值越小表示样本中的噪声越小。定义另一个统计量Vratio：2CN107038334A权利要求书2/4页2式中，δ(y)表示输出y的方差。Vratio可以用来评价光滑模型对该数据的模拟能力，Vratio越接近0，表示该模型的预测性能越好。2)将GammaTest算法寻优得到最优训练样本用于构建随机森林模型，随机森林是一个由一组决策树分类器{h(X,θk),k＝1,2,…,K}组成的分类器，其中θk是服从独立同分布的随机向量，K表示随机森林中决策树的个数，在给定自变量X下，每个决策树分类器通过投票来决定最优的分类结果。如果把决策树看成分类任务中的一个专家，随机森林就是许多专家在一起