[發明專利]循環流化床鍋爐引風機電流預測系統及方法

有效

• 申請號: 201310335814.6
• 申請日: 2013-08-05
• 公開（公告）號: CN103616913A
• 公開（公告）日: 2014-03-05
• 發明（設計）人: 吳家標;劉興高
• 申請（專利權）人: 浙江大學
• 主分類號: G05F1/46
• 分類號: G05F1/46
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 周烽

1.一種循環流化床鍋爐引風機電流預測系統，其特征在于，包括與循環流化床鍋爐連接的現場智能儀表、數據庫、數據接口、控制站以及上位機；現場智能儀表與控制站、數據庫和上位機連接，所述的上位機包括：?

標準化處理模塊，用于從數據庫中采集運行工況變量和操作變量的歷史記錄，組成自變量的訓練樣本矩陣X，采集對應的引風機電流信號的歷史記錄，組成因變量訓練樣本向量Y，對訓練樣本X、Y進行標準化處理，使各變量的均值為0，方差為1，得到標準化后自變量訓練樣本矩陣X^*(n×p)、標準化后因變量訓練樣本向量Y^*(n×1)，采用以下過程來完成：?

1.1）求均值：?

1.2）求標準差?

1.3）標準化?

其中，x_ij、y_i為訓練樣本點的原值，n為訓練樣本個數，p為自變量個數，為訓練樣本的均值，s_x,j、s_y為訓練樣本的標準差，為訓練樣本點的標準化值，其中下標i、j分別表示第i個訓練樣本點、第j個自變量；?

預測機制形成模塊，用于建立預測模型，其實現步驟如下：?

2.1）按（7）式求預測系數向量β：?

β=(X^*TX^*)^-1X^*TY^*???（7）?

其中，上標：T、-1分別表示矩陣的轉置、矩陣的逆；?

2.2）將預測系數向量β傳遞并存儲到預測執行模塊；?

預測執行模塊，用于根據循環流化床鍋爐的運行工況和設定的操作變量預測引風機電流，?其實現步驟如下：?

3.1）將輸入的自變量信號按（8）式處理：?

其中，x(t)_j為t時刻第j個自變量的原值，為第j個自變量的訓練樣本的均值，s_x,j為第j個自變量的訓練樣本的標準差，為t時刻第j個自變量的無量綱化值，t表示時間、單位為秒；?

3.2）按下式求引風機電流的無量綱化預測值：?

其中，為t時刻引風機電流的無量綱化預測值；?

33）按下式求引風機電流的原量綱預測值?

其中，為t時刻引風機電流的原量綱預測值；?

所述的上位機還包括：模型更新模塊，用于按設定的時間間隔將實際的引風機電流與預測值比較，如果相對誤差大于10%，則將新數據加入訓練樣本數據，重新執行標準化處理模塊與預測機制形成模塊；?

信號采集模塊，用于按設定的采樣時間間隔，從現場智能儀表采集實時數據，以及從數據庫中采集歷史數據；?

結果顯示模塊，用于從控制站讀取設置參數，并將引風機電流預測值傳給控制站進行顯示，并給出操作建議：在當前的工況下，操作變量如何調整最有利于將引風機電流控制在理想范圍，以便控制站工作人員，根據引風機電流預測值和操作建議，及時調整操作條件，將引風機電流控制在理想范圍，提高鍋爐運行效率，同時延長設備使用壽命；其中，操作變量如何調整最有利于將引風機電流控制在理想范圍，一個簡便方法是將操作變量的多種組合值，代入引風機電流預測系統，得到相應的引風機電流預測值，從而非常直觀地通過比較大小得到；?

所述自變量包括：運行工況變量：主蒸汽流量、環境溫度、給水溫度、爐膛負壓、床壓、燃煤水分、燃煤揮發分、燃煤灰分、燃煤硫分；操作變量：一次風總風量、二次風總風量。2、一種用權利要求1所述的循環流化床鍋爐引風機電流預測系統實現的引風機電流預測方法，其特征在于，所述的預測方法包括以下步驟：?

1）從數據庫中采集運行工況變量和操作變量的歷史記錄，組成自變量的訓練樣本矩陣X，采集對應的引風機電流信號的歷史記錄，組成因變量訓練樣本向量Y，對訓練樣本X、Y進行標準化處理，使各變量的均值為0，方差為1，得到標準化后自變量訓練樣本矩陣X^*(n×p)、標準化后因變量訓練樣本向量Y^*(n×1)，采用以下過程來完成：?

1.1）求均值：?

1.2）求標準差?

1.3）標準化?

其中，x_ij、y_i為訓練樣本點的原值，n為訓練樣本個數，p為自變量個數，為訓練樣本的均值，s_x,j、s_y為訓練樣本的標準差，為訓練樣本點的標準化值，其中下標i、j分別表示第i個訓練樣本點、第j個自變量；?

2）將得到的標準化訓練樣本通過以下過程建立預測模型：?

2.1）按（7）式求預測系數向量β：?

β=(X^*TX^*)^-1X^*TY^*??（7）?

其中，上標：T、-1分別表示矩陣的轉置、矩陣的逆；?

2.2）保存得到的預測系數向量β；?

3）將循環流化床鍋爐的運行工況變量和設定的操作變量作為輸入信號，根據預測系數向量，對引風機電流進行預測，其實現步驟如下：?

3.1）將輸入的自變量信號按（8）式處理：?

其中，x(t)_j為t時刻第j個自變量原值，為第j個自變量訓練樣本的均值，s_x,j為第j個自變量訓練樣本的標準差，為t時刻第j個自變量無量綱化值，t表示時間、單位為秒；?

3.2）按下式求引風機電流的無量綱化預測值：?

其中，為t時刻引風機電流的無量綱化預測值；?

3.3）按下式求引風機電流的原量綱預測值：?

其中，為t時刻引風機電流的原量綱預測值；?

所述的方法還包括：4）按設定的采樣時間間隔，采集現場智能儀表信號，將得到的實際引風機電流與預測值比較，如果相對誤差大于10%，則將新數據加入訓練樣本數據，重新執行步驟1）、2），以對預測模型進行更新；?

在所述的步驟3）中，從控制站讀取設置參數，并將引風機電流預測值傳給控制站進行顯示，并給出操作建議：在當前的工況下，操作變量如何調整最有利于將引風機電流控制在理想范圍，以便控制站工作人員，根據引風機電流預測值和操作建議，及時調整操作條件，將引風機電流控制在理想范圍，提高鍋爐運行效率，同時延長設備使用壽命；其中，操作變量如何調整最有利于將引風機電流控制在理想范圍，一個簡便方法是將操作變量的多種組合值，代入引風機電流預測系統，得到相應的引風機電流預測值，從而非常直觀地通過比較大小得到；?

所述自變量包括：運行工況變量：主蒸汽流量、環境溫度、給水溫度、爐膛負壓、床壓、燃煤水分、燃煤揮發分、燃煤灰分、燃煤硫分；操作變量：一次風總風量、二次風總風量。?