[發(fā)明專利]一種垃圾發(fā)電廠多目標(biāo)運行優(yōu)化及協(xié)調(diào)的控制方法及裝置

有效

• 申請?zhí)枺?/td>: 201210555753.X
• 申請日: 2012-12-19
• 公開（公告）號: CN103064289A
• 公開（公告）日: 2013-04-24
• 發(fā)明（設(shè)計）人: 廖艷芬;涂繼業(yè);馬曉茜;劉志超
• 申請（專利權(quán)）人: 華南理工大學(xué)
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 廣州市華學(xué)知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 蔡茂略

1.一種垃圾發(fā)電廠多目標(biāo)運行優(yōu)化及協(xié)調(diào)的控制方法，其特征在于：包括以下步驟：

（1）從DCS系統(tǒng)下載鍋爐運行參數(shù)數(shù)據(jù)；

（2）根據(jù)閥值預(yù)判步驟（1）所述數(shù)據(jù)的合理性，如果異常則剔除該數(shù)據(jù)，否則把數(shù)據(jù)傳輸?shù)綌?shù)據(jù)庫；

（3）采用支持向量機算法構(gòu)造電廠環(huán)保性數(shù)學(xué)模型、經(jīng)濟性數(shù)學(xué)模型，采用模糊神經(jīng)網(wǎng)絡(luò)算法構(gòu)造電廠安全性數(shù)學(xué)模型；從數(shù)據(jù)庫中提取數(shù)據(jù)，得到訓(xùn)練樣本及檢驗樣本，將訓(xùn)練樣本輸入到支持向量機模型或模糊神經(jīng)網(wǎng)絡(luò)模型中進行訓(xùn)練，從而確定模型中各個參數(shù)的最優(yōu)值或者模型中網(wǎng)絡(luò)的權(quán)值，再利用檢驗樣本檢測模型的精度和有效性；

（4）將已經(jīng)建立的模型數(shù)據(jù)經(jīng)過改進的強度PARETO遺傳算法對環(huán)保性數(shù)學(xué)模型、經(jīng)濟性數(shù)學(xué)模型、安全性數(shù)學(xué)模型三個模型的多目標(biāo)進行實時組合優(yōu)化，得出當(dāng)前工況下的最佳運行參數(shù)；

（5）工作人員根據(jù)最佳運行參數(shù)調(diào)整相應(yīng)器件的運行。

2.根據(jù)權(quán)利要求1所述的垃圾發(fā)電廠多目標(biāo)運行優(yōu)化及協(xié)調(diào)的控制方法，其特征在于：所述步驟（5）工作人員根據(jù)最佳運行參數(shù)調(diào)整相應(yīng)器件的運行時，工作人員輸入的參數(shù)先輸入到步驟（3）所述的各個數(shù)學(xué)模型，對其對應(yīng)的輸出進行預(yù)測，如果輸出值出現(xiàn)異常則報警，如果正常則輸出到對應(yīng)器件進行調(diào)整；

所述步驟（2）中，如果出現(xiàn)異常，則在剔除該數(shù)據(jù)的同時進行報警。

3.根據(jù)權(quán)利要求1所述的垃圾發(fā)電廠多目標(biāo)運行優(yōu)化及協(xié)調(diào)的控制方法，其特征在于：所述步驟（3）中，所述支持向量機算法中采用的核函數(shù)為徑向基核函數(shù)。

4.根據(jù)權(quán)利要求3所述的垃圾發(fā)電廠多目標(biāo)運行優(yōu)化及協(xié)調(diào)的控制方法，其特征在于：

所述采用支持向量機算法構(gòu)造電廠環(huán)保性數(shù)學(xué)模型時，影響目標(biāo)函數(shù)值的因素為：一次風(fēng)平均風(fēng)速、二次風(fēng)平均風(fēng)速、燃盡風(fēng)平均風(fēng)速、爐膛出口煙氣含氧量、各典型垃圾組分的元素分析、工業(yè)分析、垃圾混合物的組成比例、平均給料速度、鍋爐負荷、總空氣量，將以上因素作為模型的輸入，從數(shù)據(jù)庫中提取數(shù)據(jù)，得到訓(xùn)練樣本及檢驗樣本，并將訓(xùn)練樣本輸入到以上支持向量機模型中進行訓(xùn)練，從而確定模型中各個參數(shù)的最優(yōu)值，再利用檢驗樣本檢測模型的精度和有效性；

所述采用支持向量機算法構(gòu)造電廠經(jīng)濟性數(shù)學(xué)模型時，影響目標(biāo)函數(shù)值的因素為：鍋爐負荷、各一次風(fēng)擋板開度、各二次風(fēng)擋板開度、燃盡風(fēng)擋板開度、總空氣量、各典型垃圾組分的元素分析、工業(yè)分析、垃圾混合物的組成比例、平均給料速度、爐膛與風(fēng)箱差壓、燃燒器擺角作為模型的輸入量，將以上因素作為模型的輸入，從數(shù)據(jù)庫中提取數(shù)據(jù)，得到訓(xùn)練樣本及檢驗樣本，并將訓(xùn)練樣本輸入到以上支持向量機模型中進行訓(xùn)練，從而確定模型中各個參數(shù)的最優(yōu)值，再利用檢驗樣本檢測模型的精度和有效性。