一種燃煤電站鍋爐煙氣含氧量檢測(cè)方法
【專利摘要】本發(fā)明公開了一種燃煤電站鍋爐煙氣含氧量檢測(cè)方法，包括以下步驟：第一、原始數(shù)據(jù)的獲取與預(yù)處理；第二、變量的篩選；第三、訓(xùn)練樣本的選擇；第四、建立最小二乘支持向量機(jī)模型；第五、對(duì)比軟測(cè)量模型的輸出值和氧化鋯傳感器測(cè)量值之間的關(guān)系，選擇其中一個(gè)信號(hào)作為煙氣含氧量檢測(cè)系統(tǒng)的檢測(cè)值。本發(fā)明具有不增加硬件設(shè)備，可靠性好，精度足夠等優(yōu)點(diǎn)，能實(shí)現(xiàn)對(duì)大型鍋爐煙氣含氧量的準(zhǔn)確測(cè)量。
【專利說明】一種燃煤電站鍋爐煙氣含氧量檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種計(jì)算機(jī)檢測(cè)【技術(shù)領(lǐng)域】的方法，尤其涉及一種燃煤電站鍋爐煙氣含氧量檢測(cè)方法。
【背景技術(shù)】
[0002]燃煤電站鍋爐的燃燒過程是空氣和燃煤按照一定的比例送入爐膛發(fā)生化學(xué)反應(yīng)的過程。根據(jù)煤粉中各元素所占的比例，能計(jì)算出完全燃燒所需要的空氣流量。但是在實(shí)際生產(chǎn)中，煤粉顆粒與空氣不能混合得非常均勻。為了保證燃燒的充分性，需要適當(dāng)增大送入爐膛的空氣量。針對(duì)燃煤成分的差異，一般實(shí)際送風(fēng)量為理論空氣里的1.15?1.25倍。多余的空氣量會(huì)導(dǎo)致燃燒生成的尾煙氣中含有剩余的氧氣，其體積比稱為煙氣含氧量。
[0003]煙氣含氧量的準(zhǔn)確測(cè)量對(duì)于調(diào)節(jié)燃燒系統(tǒng)風(fēng)煤比、提高鍋爐燃燒效率有著重要的影響。目前大部分燃煤電站鍋爐采用氧化鋯傳感器測(cè)量鍋爐煙氣含氧量，但實(shí)際使用中存在故障率高、測(cè)量精度低、動(dòng)態(tài)特性差和檢修維護(hù)困難等特點(diǎn)。
[0004]針對(duì)氧化鋯傳感器在實(shí)際應(yīng)用中的不足，國內(nèi)外學(xué)者利用各種軟測(cè)量的方法對(duì)煙氣含氧量進(jìn)行檢測(cè)。軟測(cè)量建模方法可以分為機(jī)理建模和數(shù)據(jù)建模。
[0005]劉吉臻等人針對(duì)燃油電站鍋爐，基于燃燒化學(xué)反應(yīng)，推導(dǎo)出了煙氣含氧量的熱力學(xué)計(jì)算公式。但是相對(duì)于燃油，煤質(zhì)的變化比較大而且煤粉的成分無法實(shí)現(xiàn)在線的實(shí)時(shí)檢測(cè)，基于機(jī)理建模的煙氣含氧量模型很難在實(shí)際中得到應(yīng)用。
[0006]目前已有部分基于數(shù)據(jù)驅(qū)動(dòng)的煙氣含氧量軟測(cè)量模型被提出。芬蘭的K.Leppakoski等人基于Hammerstein模型和自回歸各態(tài)歷經(jīng)模型提出了一種混合含氧量
軟測(cè)量模型，較好地解決了系統(tǒng)非線性的問題。華北電力大學(xué)的韓璞等人提出了基于一種復(fù)合型神經(jīng)網(wǎng)絡(luò)的煙氣含氧量軟測(cè)量模型并進(jìn)行了建模仿真驗(yàn)證。劉長(zhǎng)良等人提出了基于最小二乘支持向量機(jī)的火電廠煙氣含氧量軟測(cè)量模型，使用單純形尋優(yōu)算法應(yīng)用在最小二乘支持向量機(jī)的兩個(gè)參數(shù)優(yōu)化問題中。但是這些數(shù)據(jù)模型沒有考慮模型的更新問題，所建模型隨著時(shí)間的推移精度不斷下降。
[0007]因此，本領(lǐng)域的技術(shù)人員致力于開發(fā)一種煙氣含氧量軟測(cè)量方法，能夠得到準(zhǔn)確、連續(xù)的煙氣含氧量信號(hào)。

【發(fā)明內(nèi)容】

[0008]有鑒于現(xiàn)有技術(shù)的上述缺陷，本發(fā)明所要解決的技術(shù)問題是提供一種燃煤電站鍋爐煙氣含氧量檢測(cè)方法，通過建立煙氣含氧量的數(shù)據(jù)模型，實(shí)現(xiàn)對(duì)氧量信號(hào)的軟測(cè)量，將軟測(cè)量模型和氧化鋯傳感器測(cè)量值進(jìn)行對(duì)比，得到準(zhǔn)確、連續(xù)的煙氣含氧量信號(hào)，形成一種精度高、動(dòng)態(tài)特性強(qiáng)、成本低、可靠性高的燃煤電站鍋爐煙氣含氧量檢測(cè)方法，為燃燒系統(tǒng)的控制和優(yōu)化奠定一定的基礎(chǔ)。
[0009]為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種燃煤電站鍋爐煙氣含氧量檢測(cè)方法，包括如下步驟:[0010]a)獲取第一變量的原始參數(shù)數(shù)據(jù)；
[0011]b)對(duì)步驟a)獲取的第一變量的原始參數(shù)數(shù)據(jù)進(jìn)行預(yù)處理，降低數(shù)據(jù)噪聲；
[0012]c)對(duì)步驟b)預(yù)處理后的數(shù)據(jù)進(jìn)行第一變量篩選，獲取第二變量的數(shù)據(jù)參數(shù)；
[0013]d)利用基于帶狀態(tài)約束的滑動(dòng)時(shí)間窗算法選擇訓(xùn)練樣本；
[0014]e)利用最小二乘支持向量機(jī)建立煙氣含氧量的軟測(cè)量模型；
[0015]f)對(duì)比軟測(cè)量模型的輸出值和氧化鋯傳感器測(cè)量值之間的關(guān)系，選擇其中一個(gè)信號(hào)作為煙氣含氧量檢測(cè)系統(tǒng)的檢測(cè)值。
[0016]進(jìn)一步地，步驟a)中的第一變量是指作為煙氣含氧量軟測(cè)量模型的輸入變量，包括爐膛出口煙溫、爐膛負(fù)壓、一次風(fēng)溫、一次風(fēng)量、二次風(fēng)溫、二次風(fēng)量、給煤量、給水流量、給水溫度、主汽壓力、主汽溫度、主汽流量、機(jī)組負(fù)荷。
[0017]進(jìn)一步地，步驟b)中的預(yù)處理是指:對(duì)步驟a)中獲取的第一變量剔除數(shù)據(jù)中的奇異點(diǎn)，再采用五點(diǎn)三次平滑方法對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行平滑處理。
[0018]進(jìn)一步地，步驟c)中的篩選是指根據(jù)關(guān)聯(lián)度分析，選取關(guān)聯(lián)度為0.5以上的變量
作為第二變量
[0019]進(jìn)一步地，步驟c)中的第二變量包括爐膛出口煙溫、爐膛負(fù)壓、一次風(fēng)量、二次風(fēng)量、給煤量、給水量、給水溫度、主汽流量和機(jī)組負(fù)荷。
[0020]進(jìn)一步地，帶狀態(tài)約束的滑動(dòng)時(shí)間窗算法是指根據(jù)第二變量的當(dāng)前的觀測(cè)數(shù)據(jù)點(diǎn){xN+1, y0N+J，尋找前面L個(gè)與當(dāng)前的觀測(cè)點(diǎn)的狀態(tài)接近的數(shù)據(jù)點(diǎn)，再將這些數(shù)據(jù)點(diǎn)組合成一個(gè)新的訓(xùn)練組(訓(xùn)練樣本)trainSet*N+1J與觀測(cè)點(diǎn){xN+1，y0N+J 一一對(duì)應(yīng)，后續(xù)算法利用訓(xùn)練組trainSet*N+1對(duì)觀測(cè)點(diǎn)進(jìn)行建模。
[0021]進(jìn)一步地，帶狀態(tài)約束的滑動(dòng)時(shí)間窗算法的算法如下:
[0022]第一步，獲取所述第二變量的觀測(cè)數(shù)據(jù)點(diǎn){xk，yk I k=l, 2，...，N}，進(jìn)行初始化處理，得到訓(xùn)練樣本 trainSetN+1={xk, yk | k=N-L, N-L+1,...，N}；
[0023]第二步，根據(jù)第二變量的當(dāng)前觀測(cè)數(shù)據(jù)點(diǎn){xN+1，y0N+J，尋找前面L個(gè)與所述當(dāng)前觀測(cè)數(shù)據(jù)點(diǎn)的狀態(tài)接近的數(shù)據(jù)點(diǎn)，再將所述這些數(shù)據(jù)點(diǎn)組合成一個(gè)新的訓(xùn)練樣本trainSet*N+1 ；
[0024]第三步，記所述trainSet*N+1的長(zhǎng)度為1，1=0 ;指定的滑動(dòng)時(shí)間窗口大小為L(zhǎng) ;i=N ；
[0025]第四步，對(duì)于所述當(dāng)前觀測(cè)數(shù)據(jù)點(diǎn){xN+1, y°N+1}，計(jì)算其與歷史點(diǎn)hi, yj的偏差
【權(quán)利要求】
1.一種燃煤電站鍋爐煙氣含氧量檢測(cè)方法，其特征在于，包括如下步驟: a)獲取第一變量的原始參數(shù)數(shù)據(jù)； b)對(duì)步驟a)獲取的第一變量的原始參數(shù)數(shù)據(jù)進(jìn)行預(yù)處理，降低數(shù)據(jù)噪聲； c)對(duì)步驟b)預(yù)處理后的數(shù)據(jù)進(jìn)行第一變量篩選，獲取第二變量的數(shù)據(jù)參數(shù)； d)利用基于帶狀態(tài)約束的滑動(dòng)時(shí)間窗算法選擇訓(xùn)練樣本； e)利用最小二乘支持向量機(jī)建立煙氣含氧量的軟測(cè)量模型； f)對(duì)比軟測(cè)量模型的輸出值和氧化鋯傳感器測(cè)量值之間的關(guān)系，選擇其中一個(gè)信號(hào)作為煙氣含氧量檢測(cè)系統(tǒng)的檢測(cè)值。
2.如權(quán)利要求1所述的方法，其特征在于，所述步驟a)中的第一變量是指作為煙氣含氧量軟測(cè)量模型的輸入變量，包括爐膛出口煙溫、爐膛負(fù)壓、一次風(fēng)溫、一次風(fēng)量、二次風(fēng)溫、二次風(fēng)量、給煤量、給水流量、給水溫度、主汽壓力、主汽溫度、主汽流量、機(jī)組負(fù)荷。
3.如權(quán)利要求1所述的方法，其特征在于，所述步驟b)中的預(yù)處理是指:對(duì)步驟a)中獲取的第一變量剔除數(shù)據(jù)中的奇異點(diǎn)，再采用五點(diǎn)三次平滑方法對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行平滑處理。
4.如權(quán)利要求1所述的方法，其特征在于，所述步驟c)中的篩選是指根據(jù)關(guān)聯(lián)度分析，選取關(guān)聯(lián)度為0.5以上的第一變量作為第二變量。
5.如權(quán)利要求4所述的方法，其特征在于，所述步驟c)中的第二變量包括爐膛出口煙溫、爐膛負(fù)壓、一次風(fēng)量、二`次風(fēng)量、給煤量、給水量、給水溫度、主汽流量和機(jī)組負(fù)荷。
6.如權(quán)利要求1所述的方法，其特征在于，所述步驟d)中，所述帶狀態(tài)約束的滑動(dòng)時(shí)間窗算法是指根據(jù)所述第二變量的當(dāng)前的觀測(cè)數(shù)據(jù)點(diǎn)lxN+1，y°N+J，尋找前面L個(gè)與所述當(dāng)前的觀測(cè)點(diǎn)的狀態(tài)接近的數(shù)據(jù)點(diǎn)，再將這些所述數(shù)據(jù)點(diǎn)組合成一個(gè)新的訓(xùn)練組(訓(xùn)練樣本)trainSet*N+i?與觀測(cè)點(diǎn){xN+1，y°N+J--對(duì)應(yīng)，后續(xù)算法利用訓(xùn)練組trainSet*N+1對(duì)觀測(cè)點(diǎn)進(jìn)行建模。
7.如權(quán)利要求6所述的方法，其特征在于，所述帶狀態(tài)約束的滑動(dòng)時(shí)間窗算法的算法如下: 第一步，獲取所述第二變量的觀測(cè)數(shù)據(jù)點(diǎn)lxk，yk I k=l, 2，...，N}，進(jìn)行初始化處理，得到訓(xùn)練樣本 trainSetN+1= {xk, yk | k=N_L, N-L+1,...，N}； 第二步，根據(jù)第二變量的當(dāng)前觀測(cè)數(shù)據(jù)點(diǎn)lxN+1，y°N+J，尋找前面L個(gè)與所述當(dāng)前觀測(cè)數(shù)據(jù)點(diǎn)的狀態(tài)接近的數(shù)據(jù)點(diǎn)，再將所述這些數(shù)據(jù)點(diǎn)組合成一個(gè)新的訓(xùn)練樣本trainSetVi ； 第三步，記所述trainSet\+1的長(zhǎng)度為1，1=0 ;指定的滑動(dòng)時(shí)間窗口大小為L(zhǎng) ;i=N ;第四步，對(duì)于所述當(dāng)前觀測(cè)數(shù)據(jù)點(diǎn){xN+1，y°N+1}，計(jì)算其與歷史點(diǎn){xi，yj的偏差 d = xH ； ' xi 第五步，如果屯〈8，即當(dāng)前觀測(cè)數(shù)據(jù)點(diǎn)的偏差在允許的范圍內(nèi)，將所述歷史點(diǎn){Xi，yj加入到訓(xùn)練樣本trainSet"^中，1=1+1, i=i_l ;即訓(xùn)練樣本數(shù)據(jù)量增加1，剩余所需數(shù)據(jù)量減I ; 如果Cli ^ ε，即當(dāng)前觀測(cè)數(shù)據(jù)點(diǎn)的偏差過大，不加入訓(xùn)練樣本中，則返回至第四步，重新選取訓(xùn)練樣本數(shù)據(jù)；第六步，將第五步中的所述歷史點(diǎn){Xi, yj加入到訓(xùn)練樣本trainSet"^中，如果I關(guān)L,則訓(xùn)練樣本數(shù)據(jù)量仍然不夠，則返回至第四步，繼續(xù)選取訓(xùn)練樣本數(shù)據(jù)； 如果1=L，結(jié)束算法，所得訓(xùn)練樣本trainSet:即為點(diǎn){xN+1，y°N+1}對(duì)應(yīng)的訓(xùn)練樣本。
8.如權(quán)利要求1所述的方法，其特征在于，所述步驟e)中，根據(jù)步驟d)得到的訓(xùn)練樣本，利用交叉驗(yàn)證法對(duì)最小二乘支持向量機(jī)中的相關(guān)參數(shù)進(jìn)行尋優(yōu)，核函數(shù)選擇徑向基函數(shù)，建立煙氣含氧量軟測(cè)量模型。
9.如權(quán)利要求1所述的方法，其特征在于，所述步驟f)中，根據(jù)步驟e)建立的模型，得到所述模型的測(cè)量值；將所述模型的測(cè)量值與氧化鋯傳感器的測(cè)量值進(jìn)行比較，當(dāng)所述模型的測(cè)量值與氧化鋯傳感器的測(cè)量值之間的差距大于或等于20%時(shí)，將含氧量信號(hào)的來源從氧化鋯傳感器測(cè)量值切換到軟測(cè)量模`型的測(cè)量值。
【文檔編號(hào)】G06F19/00GK103823971SQ201410056477
【公開日】2014年5月28日 申請(qǐng)日期:2014年2月19日 優(yōu)先權(quán)日:2014年2月19日
【發(fā)明者】王景成, 章云鋒, 史元浩, 劉正峰, 袁景淇, 云濤, 屠慶, 徐青 申請(qǐng)人:上海交通大學(xué), 上海工業(yè)自動(dòng)化儀表研究院