一种煤粉锅炉燃烧优化的建模方法.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CN105631151A(43)申请公布日2016.06.01(21)申请号201610010165.6(22)申请日2016.01.06(71)申请人陈威宇地址318000浙江省台州市温岭市城东街道楼山村二区54幢622号(72)发明人陈威宇(51)Int.Cl.G06F17/50(2006.01)权利要求书1页说明书3页(54)发明名称一种煤粉锅炉燃烧优化的建模方法(57)摘要本发明公开了一种煤粉锅炉燃烧优化的建模方法，具体步骤包括：(a)数据预处理；(b)自变量降维：利用智能进化遗传算法对锅炉燃烧过程的模型自变量进行降维；(c)模型建立：在模型自变量筛选的基础上，利用径向神经网络分别建立以NOX排放量、飞灰含碳量为目标的软测量模型；(d)误差分析。本发明通过智能进化遗传算法对锅炉燃烧过程的自变量进行筛选降维，根据优化结果“0”或“1”选择自变量是否参与建模，然后通过径向基神经网络对参与建模的自变量进行建模，在获得较高的拟合精度与预测精度的同时，降低了建模时间与复杂度，为锅炉燃烧优化的进行提供了可靠的模型基础。CN105631151ACN105631151A权利要求书1/1页1.一种煤粉锅炉燃烧优化的建模方法，其特征在于：所述建模方法是在基于遗传算法对建模自变量进行降维的基础上，利用径向基神经网络对锅炉燃烧过程进行建模，具体步骤包括：(a)数据预处理：利用3σ准则剔除从集散控制系统(DCS)上采集的具有粗大误差的数据；(b)自变量降维：利用智能进化遗传算法对锅炉燃烧过程的模型自变量进行降维；(c)模型建立：在模型自变量筛选的基础上，利用径向神经网络分别建立以NOX排放量、飞灰含碳量为目标的软测量模型；(d)误差分析：对建立起的模型进行拟合误差与预测误差的分析，校正模型参数。2.如权利要求1所述的一种煤粉锅炉燃烧优化的建模方法，其特征在于：所述(b)步骤中，模型需要筛选的自变量包括燃煤热值、锅炉负荷、总送风量、给煤量、引风量、燃煤特性、排烟温度、主蒸汽温度、主蒸汽流量，燃煤特性包括应用基灰分、碳含量、氢含量、氮含量。3.如权利要求1所述的一种煤粉锅炉燃烧优化的建模方法，其特征在于：所述(b)步骤中，利用遗传算法进行优化计算，需要将解空间映射到编码空间，每个编码对应问题的一个解，本专利将编码长度设计为12，染色体的每一位对应一个自变量，每一位的基因取值只能是“0”或者“1”，其中，“0”代表对应的自变量不作为最终的建模自变量，“1”代表参与最终的建模。4.如权利要求1所述的一种煤粉锅炉燃烧优化的建模方法，其特征在于：所述(b)步骤中，遗传算法中选取测试集数据误差平方和的倒数作为适应度函数，即选择操作选用比例选择算子，交叉操作选择单点交叉算子，变异操作选用单点变异算子。5.如权利要求1所述的一种煤粉锅炉燃烧优化的建模方法，其特征在于：所述(c)步骤中，径向基神经网络采用的函数是高斯函数，并通过K-均值聚类方法求取基函数中心c。2CN105631151A说明书1/3页一种煤粉锅炉燃烧优化的建模方法【技术领域】[0001]本发明涉及煤粉锅炉控制技术领域，特别是煤粉锅炉的燃烧过程优化控制的技术领域。【背景技术】[0002]煤粉锅炉的燃烧优化是实现电厂提高经济性与环保性的重要措施，而在实现燃烧优化之前则需要对锅炉的燃烧过程进行建模。一般来说，优化目标为锅炉热效率与NOX排放量，但在建模过程中，通常考虑对飞灰含碳量与NOX排放进行建模，然后再利用热平衡公式等将飞灰含碳量转换为锅炉热效率，在此基础上，通过智能算法等对可调节辅助变量进行寻优，就实现了锅炉燃烧建模——优化的整个过程。[0003]因循环流化床锅炉(CFB)与传统燃煤锅炉在结构上存在一定差异，所以建模方法也各异，目前有传统煤粉锅炉燃烧优化建模方法的相关专利申请，如CN200910096411，一种锅炉燃烧优化的建模方法，将锅炉负荷进行分段，建立各负荷下的锅炉燃烧模型；CN201310541803，一种电站锅炉燃烧子空间建模及多目标优化，也是将负荷分为领域重叠的若干个区域，离线进行燃烧子空间模型的建立；CN201410122688，适合不同磨煤机组合的电站锅炉燃烧性能神经网络模型，是利用了神经网络使得磨煤机与锅炉燃烧相结合；CN201510064480，一种电站锅炉NOX排放动态软测量方法，将支持向量机作为软测量建模工具，结合了非线性自回归滑动平均的思想，来描述锅炉燃烧过程；CN201510198128，一种锅炉燃烧优化的变量降维建模方法，利用了主成分分析(PCA)对模型变量进行特征提取，在利用最小支持向量机(LSSVM)对锅炉燃烧进行建模。但是由于锅炉燃烧的耦合大、变量影响多，当数学模型的输入自变量很多、自变