[發明專利]一種優化鍋爐負荷分配方法

有效

• 申請號: 201210245047.5
• 申請日: 2012-07-16
• 公開（公告）號: CN102799778A
• 公開（公告）日: 2012-11-28
• 發明（設計）人: 王春林;葛銘;賴曉平;左燕;周紹生
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 杜軍

1.?一種優化鍋爐負荷分配方法，其特征在于該方法的具體步驟是：

步驟(1).針對鍋爐總臺數為???????????????????????????????????????????????臺的生產單位，分別采集各臺鍋爐生產過程中負荷及與之相對應的鍋爐效率數據，建立數據庫，；

所述的負荷參數及相應得效率數據通過鍋爐實時運行數據庫獲取，或直接通過儀器設備測量采集；

步驟(2).分別對每臺鍋爐采用支持向量機方法建模，建立各鍋爐的負荷與各燃燒效率間的模型，共建立個模型；具體建模方法如下：

用于建模樣本的輸入參數及輸出參數表示為，其中表示第組作為輸入數據的鍋爐的運行負荷參數，表示第組作為輸出參數的鍋爐的燃燒效率，為樣本數量，以實際運行數據為基礎，建立各臺鍋爐的負荷與燃燒效率間的模型；

采用支持向量機方法建模，支持向量機核函數選為徑向基函數

參數σ為徑向基函數的寬度，為映射函數，設所求的目標函數為：，為模型輸出的鍋爐燃燒狀態的特征指標預測值，為權重系數向量，為截距；引入松弛因子ξ^*_i和ξ_i以及允許擬合誤差ε，ξ^*_i≥0、ξ_i≥0，模型通過在約束：

，條件下，最小化：

獲得，其中常數C為懲罰系數，C?>0；該最小化問題為一個凸二次規劃問題，引入拉格朗日函數：

?????

其中、、、為拉格朗日乘數，≥0、≥0、≥0、≥0；

在鞍點處，函數L是關于w、b、ξ_i、ξ_i^*的極小點，也是、、、的極大點，最小化問題轉化為求其對偶問題的最大化問題；

拉格朗日函數L在鞍點處是關于w、b、ξ_i、ξ_i^*極小點，得：

????????????????????

可得拉格朗日函數的對偶函數：

???????????

此時，

按照庫恩-塔克(KKT)條件定理，在鞍點有下式成立：

?????????????

由上式可見，α_i·α_i^*=0,α_i和α_i^*都不會同時為非零，可得：

??

從上式可求出b，獲得模型；

步驟(3).利用遺傳優化算法，結合以上步驟(2)所建各鍋爐負荷與燃燒效率模型，進行各鍋爐負荷配置的優化，具體步驟如下：

a.?定義遺傳算法初始群體向量的各維分量，分別為各臺鍋爐的負荷；

b.設定遺傳算法的搜索目標和迭代次數，搜索目標為各臺鍋爐的燃燒效率之和最高，即燃燒總效率最高；

c.根據各臺鍋爐的實際總負荷和各臺鍋爐的允許最高總負荷，當時，，為第臺鍋爐的初始化負荷，第臺鍋爐之后各臺鍋爐負荷為0，否則第臺鍋爐負荷初始化區間為：，在此區間上產生初的第臺鍋爐的負荷個體；依據以上的步驟初始化群體向量，并通過步驟(2)所建各鍋爐負荷與燃燒效率模型，根據初始群體中各鍋爐的負荷，獲得各臺鍋爐在初始群體負荷下的燃燒效率，然后根據步驟b設定的搜索目標，用遺傳算法進行迭代計算，搜索最優負荷分配情況；

d.當遺傳算法完成迭代次數或找到設定要求的最優時，停止計算獲得相應最優的群體向量，即獲得最優的各臺鍋爐的最優負荷分配。