燃煤电站锅炉飞灰含碳量预测模型构建方法及系统.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CN106649919A(43)申请公布日2017.05.10(21)申请号201610821740.0(22)申请日2016.09.13(71)申请人上海电气电站环保工程有限公司地址201612上海市静安区北京西路1287号25楼申请人上海交通大学(72)发明人丁承刚王景成陆晶石伟晶郭士义陆良樑王博辉袁景淇(74)专利代理机构上海汉声知识产权代理有限公司31236代理人徐红银郭国中(51)Int.Cl.G06F17/50(2006.01)G06Q10/04(2012.01)权利要求书2页说明书5页附图2页(54)发明名称燃煤电站锅炉飞灰含碳量预测模型构建方法及系统(57)摘要本发明提供了一种燃煤电站锅炉飞灰含碳量预测模型构建方法及系统，所述方法包括：S1：获取燃煤电站锅炉历史运行数据，建立离线样本库，通过最大相关最小冗余算法筛选飞灰含碳量预测模型的输入变量和输出变量；使用模糊C均值聚类算法将历史样本进行聚类，得到N个子类，计算出N个子类模糊隶属度函数；S2：利用每个子类的历史样本分别训练最小二乘支持向量机算法，得到N个以飞灰含碳量为输出的子模型；S3：将S1得到的所述模糊隶属度函数连接S2得到的所述子模型，构建全局模型，即飞灰含碳量预测模型。本发明相较于传统的机理模型提升了建模的精度，相较于纯黑箱模型有更快的速度。CN106649919ACN106649919A权利要求书1/2页1.一种燃煤电站锅炉飞灰含碳量预测模型的构建方法，其特征在于：所述方法包含以下步骤：S1：获取燃煤电站锅炉历史运行数据，建立离线样本库，通过最大相关最小冗余算法筛选飞灰含碳量预测模型的输入变量和输出变量；使用模糊C均值聚类算法将历史样本进行聚类，得到N个子类，计算出N个子类模糊隶属度函数；S2：利用每个子类的历史样本分别训练最小二乘支持向量机算法，得到N个以飞灰含碳量为输出的子模型；S3：将S1得到的所述模糊隶属度函数连接S2得到的所述子模型，构建全局模型，即飞灰含碳量预测模型。2.根据权利要求1所述的燃煤电站锅炉飞灰含碳量预测模型的构建方法，其特征在于，所述飞灰含碳量预测模型，选取如下变量作为模型输入变量：(1)一次风量、一次风压、二次风量、二次风压和烟气含氧量，它们反映了空气动力场对飞灰含碳量的影响；(2)炉膛出口温度和二次风温反映了温度的影响因素；(3)二次风阀门开度反映了配风方式对其的影响；(4)入炉煤量和锅炉负荷反映了负荷的影响。3.根据权利要求2所述的燃煤电站锅炉飞灰含碳量预测模型的构建方法，其特征在于，所述飞灰含碳量预测模型，在选取模型输入变量时考虑燃煤电站锅炉在低负荷和高负荷和变负荷三种情况。4.根据权利要求2所述的燃煤电站锅炉飞灰含碳量预测模型的构建方法，其特征在于，所述飞灰含碳量预测模型，利用mRMR算法分析输入变量之间以及输入变量与飞灰含碳量的相关性。5.根据权利要求1所述的燃煤电站锅炉飞灰含碳量预测模型的构建方法，其特征在于，所述最小二乘支持向量机算法中，选择高斯径向基核函数作为核函数，利用10层交叉验证网格搜索技术确定核函数中的径向基核参数和正规化参数。6.根据权利要求1所述的燃煤电站锅炉飞灰含碳量预测模型的构建方法，其特征在于，所述飞灰含碳量预测模型，利用平均绝对误差，均方根误差作为评价标准指标。7.根据权利要求1-6任一项所述的燃煤电站锅炉飞灰含碳量预测模型的构建方法，其特征在于，所述S1中，使用模糊C均值聚类算法将历史样本进行聚类，是指：将历史运行数据即原始火电数据X＝{x1,x2,…,xm}，根据模糊C均值聚类算法分成N个子集Γ1,Γ2,…,ΓN；模糊C均值聚类算法中的隶属度函数U计算出xi∈X的隶属度ui1,ui2,…,uiN；在构建的预测模型中，假设：如果uij是ui1,ui2,…,uiN中最大的，则认为xi∈X属于类别Γj，根据此假设，X＝{x1,x2,…,xm}能划分为N个子类。8.根据权利要求7所述的燃煤电站锅炉飞灰含碳量预测模型的构建方法，其特征在于，所述S3，是指：对于输入向量xj，利用S2中得到的N个子模型预测，从而知道N个结果G＝{g1,g2,…,gN}，对于xj而言，其归属于S1中N个子类Γ1,Γ2,…,ΓN的隶属度分别是u1,u2,…,uN，从而利用式(1)得到最后的飞灰含碳量预测结果R：R＝u1·g1+u2·g2+…+uN·gN(1)。9.一种基于权利要求1-8任一项所述方法的燃煤电站锅炉飞灰含碳量预测模型的构建2CN106649919A权利要求书2/2页系统，其特征在于，所述系统包括：样本聚类模块：获取燃煤电站锅炉历史运行数据，建立离线样本库，通过最大相关最小冗余算法筛选飞灰含碳量预测模型的输入变量和输出变量；使用模糊