[發明專利]一種基于改進支持向量機的鍋爐飛灰含碳量軟測量方法

有效

• 申請號: 201210234724.3
• 申請日: 2012-07-06
• 公開（公告）號: CN102778538A
• 公開（公告）日: 2012-11-14
• 發明（設計）人: 葉向前;賀瑤;李昕;方彥軍
• 申請（專利權）人: 廣東電網公司電力科學研究院;武漢大學
• 主分類號: G01N33/00
• 分類號: G01N33/00
• 代理公司: 廣州知友專利商標代理有限公司 44104
• 代理人: 周克佑

技術領域

本發明涉及一種鍋爐飛灰含碳量的測量方法，尤其是涉及一種基于改進支持向量機的飛灰含碳量軟測量方法。

背景技術

鍋爐是火力發電廠的燃燒設備，鍋爐運行的安全性和經濟性在很大程度上決定整個火電廠運作的安全性和經濟性。鍋爐煙氣中的碳含量是鍋爐運行好壞的判斷依據和降低煤炭消耗的重要指標，是鍋爐燃燒優劣的評判依據。鍋爐飛灰含碳量的實時監測有利于及時調整燃燒工況，提高鍋爐燃燒控制水平，從而降低發電成本，提高機組的經濟性。如果能實現鍋爐飛灰含碳量在線測量，操作人員可以隨時調整運行模式，將鍋爐飛灰中的碳含量控制在最佳范圍內，從而盡量提高燃燒效率，提高機組運行水平，對提高電廠經濟效益具有現實意義。

影響鍋爐飛灰含碳量的因素較復雜，預測和控制都很困難。針對鍋爐飛灰含碳量的諸多影響因素耦合性強、非線性強的特點，科研人員提出基于支持向量機的鍋爐飛灰含碳量軟測量方法，對鍋爐飛灰含碳量特性進行建模預測。為解決支持向量機受學習參數影響嚴重的問題，有人提出了結合尋優算法的支持向量建模，采用大范圍遍歷搜索算法進行參數尋優，此法需消耗大量時間，不適合在線建模；有人提出基于最小二乘的支持向量建模，將優化問題轉化為線性方程的求解，其收斂速度快，但正規化參數集和核參數集的確定暫無明確的方法，受人為因素影響較大。現有的這些改進支持向量機建模法都沒有明確地提出懲罰系數和核參數的確定方法，嚴重受人為因素的影響，很難保證模型測量精度。

發明內容

本發明所要解決的技術問題，就是提供一種基于改進支持向量機的鍋爐飛灰含碳量軟測量方法，可實現實時測量鍋爐飛灰中的碳含量，同時還具有精度高、泛化能力好等優點。

解決上述技術問題，本發明采用如下技術方案：

一種基于改進支持向量機的鍋爐飛灰含碳量軟測量方法，包括以下步驟：

階段一：模型建立階段

Step1、獲取輔助變量和主導變量過去6小時的歷史數據，分別對輔助變量和主導變量數據進行誤差和歸一化預處理，將處理過的數據作為訓練集數據；

Step2、采用粒子群算法對訓練集數據進行訓練，尋找支持向量機的最優參數；

Step3、利用最優參數以及經過預處理的輔助變量和主導變量數據，采用支持向量機法建立鍋爐飛灰含碳量軟測量模型，同時可以得到模型的支持向量集；

Step4、若時間為整點，執行Step5，否則執行Step7；

Step5、獲取輔助變量和主導變量過去1小時的歷史數據，分別對輔助變量和主導變量數據進行誤差處理和歸一化處理；

Step6、將Step5所得數據與Step3所得支持向量集組合，作為新的訓練集，返回Step2；

階段二：飛灰含碳量測量階段

Step7、在線實時獲取各輔助變量數據，對各輔助變量進行誤差和歸一化預處理；

Step8、將Step7得到的數據輸入步驟Step3得到的鍋爐飛灰含碳量軟測量模型，對模型輸出值進行反歸一化處理，得到鍋爐飛灰含碳量值并輸出。

所述的Step1中的輔助變量包含：總燃料量、總風量、煙氣含氧量3個參數，給煤率5個參數，磨煤機通風量6個參數，燃燒器擺角，燃盡風擋板開度，二次風門開度(AA~EF)6個參數共24個參數；主導變量為鍋爐飛灰含碳量。

所述的Step1中的誤差處理包括粗大誤差和隨機誤差的處理。

粗大誤差的處理遵循拉依達準則，其數學方法表述如下：

設樣本數據為y₁,y₂,…,y_n，平均值為偏差為(i＝1,2,…,n)，按照Bessel公式計算出標準偏差：