基于最小二乘支持向量机燃烧模型的锅炉优化方法和装置.pdf

(19)中华人民共和国国家知识产权局*CN103150581A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103150581103150581A(43)申请公布日2013.06.12(21)申请号201310094709.8(22)申请日2013.03.22(71)申请人广东电网公司电力科学研究院地址510080广东省广州市越秀区东风东路水均岗8号申请人武汉大学(72)发明人罗嘉陈世和吴乐张世荣(74)专利代理机构广州华进联合专利商标代理有限公司44224代理人王茹曾旻辉(51)Int.Cl.G06K9/66(2006.01)权权利要求书4页利要求书4页说明书8页说明书8页附图2页附图2页(54)发明名称基于最小二乘支持向量机燃烧模型的锅炉优化方法和装置(57)摘要本发明提出基于最小二乘支持向量机燃烧模型的锅炉优化方法，包括步骤：获取初始训练样本集；获取LSSVM模型参数及第一特征矩阵；从训练样本集中获取与校验样本距离最近的样本，记为参考样本，将第一特征矩阵进行行列交换后得到第二特征矩阵；计算第二特征矩阵的逆；获取第二矩阵的分块参数；获取LSSVM模型的第三特征矩阵；计算第三特征矩阵的逆；获取校正后的LSSVM模型参数；将第三特征矩阵赋给第一特征矩阵，以及将第三特征矩阵的逆赋给第一特征矩阵的逆；利用校正后的LSSVM模型获取锅炉燃烧效率；根据校正后的燃烧模型进行燃烧优化控制。本发明还提出基于最小二乘支持向量机燃烧模型的锅炉优化装置，可以降低发电厂锅炉燃烧的优化难度，提高优化的实时性。CN103150581ACN10358ACN103150581A权利要求书1/4页1.基于最小二乘支持向量机燃烧模型在线校正及锅炉优化方法，其特征在于，包括步骤：S1、从历史运行数据获取训练样本集，所述训练样本集包括最小二乘支持向量机燃烧模型的输入量、实测输出量；S2、根据所述训练样本集，获取最小二乘支持向量机燃烧模型的第一特征矩阵及其逆矩阵；S3、从所述训练样本集中获取与校验样本最近的样本，记为参考样本，将所述第一特征矩阵的第i列与最后一列交换，以及将第i行与最后一行交换后得到第二特征矩阵H1；S4、根据公式计算所述第二特征矩阵的逆；其中，I为单位矩阵；H-1为第一特征矩阵的逆；S5、获取所述第二矩阵的分块参数；S6、将所述参考样本替换为所述校验样本，获取最小二乘支持向量机燃烧模型的第三特征矩阵；S7、根据所述分块参数及第二特征矩阵的逆矩阵计算第三特征矩阵的逆；S8、根据所述第三特征矩阵和所述第三特征矩阵的逆矩阵，获取校正后的最小二乘支持向量机燃烧模型参数；S9、将所述第三特征矩阵赋给所述第一特征矩阵，以及将所述第三特征矩阵的逆赋给所述第一特征矩阵的逆；S10、利用校正后的最小二乘支持向量机燃烧模型获取锅炉燃烧效率；S11、当所述锅炉燃烧效率大于预设值时，发出报警，并根据校正后的燃烧模型进行燃烧优化控制，返回步骤S3。2.根据权利要求1所述的基于最小二乘支持向量机燃烧模型的锅炉优化方法，其特征在于，所述步骤S5具体为：将所述第二特征矩阵进行分块，得到其中，G由所述第二特征矩阵的(l-1)行和(l-1)列构成；Tgi=[K(x1,xi),…,K(xi-1,xi),K(xl,xi),K(xi+1,xi),…,K(xl-1,xi)];ki＝K(xi,xi)+1/(2C)；C为可调参数；K(x,xi)为核函数；根据公式：得到所述第二特征矩阵的逆；T-1其中，ri＝ki－giGgi，记则2CN103150581A权利要求书2/4页再次对所述第二特征矩阵的逆进行分块得到则所述第二矩阵的分块参数3.根据权利要求1所述的基于最小二乘支持向量机燃烧模型的锅炉优化方法，其特征在于，所述步骤S7具体为：根据公式：得到所述第三特征矩阵的逆，其中Tgj=[K(x1,xj),…,K(xi-1,xj),K(xl,xj),K(xi+1,xj),…,K(xl-1,xj)]，kj＝K(xj,xj)+1/(2C)。4.根据权利要求1所述的基于最小二乘支持向量机燃烧模型的锅炉优化方法，其特征在于，所述步骤S8具体为：根据公式以及得到校正后的最小二乘支持向量机燃烧模型参数α’和b’;T其中，e＝[1,...,1]T,y‘=[y1,…,yi-1,yl,yi+1,…yj]；yj为所述校验样本的实测输出量。5.根据权利要求1至4任一项所述的基于最小二乘支持向量机燃烧模型的锅炉优化方法，其特征在于，包括：根据校验样本输入向量，获得最小二乘支持向量机燃烧模型的理论输出量；将所述理论输出量与锅炉燃烧时的实测输出量进行比较，计算校验误差δ；当所述校验误差高于预定值时，才进行所述步骤S1。6.基于最小二乘支持向量机燃烧模型的锅炉优化装置，其特征在于，包括：第一获取单元，用于从运行数