[發明專利]循環流化床鍋爐排煙熱損失率預測系統及方法

有效

• 申請號: 201310335831.X
• 申請日: 2013-08-05
• 公開（公告）號: CN103425050A
• 公開（公告）日: 2013-12-04
• 發明（設計）人: 劉興高;吳家標
• 申請（專利權）人: 浙江大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 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排煙熱損失率預測系統，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，采集對應的過量空氣系數、排煙溫差的歷史記錄，組成因變量訓練樣本矩陣Y，對訓練樣本矩陣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)、2個標準化后因變量訓練樣本向量（k=1,2），采用以下過程來完成：

1.1）求均值：

x‾j=1nΣi=1nxij,(i=1,2,···,n;j=1,2,···,p)---(1)]]>

y‾k=1nΣi=1nyik,(i=1,2,···,n;k=1,2)---(2)]]>

1.2）求標準差

sx,j=1nΣi=1n(xij-x‾j)2,(i=1,2,···,n;j=1,2,···,p)---(3)]]>

sy,k=1nΣi=1n(yik-y‾k)2,(i=1,2,···,n;k=1,2)---(4)]]>

1.3）標準化

xij*=xij-x‾jsx,j,(i=1,2,···,n;j=1,2,···,p)---(5)]]>

yik*=yik-y‾ksy,k,(i=1,2,···,n;k=1,2)---(6)]]>

其中，x_ij、y_ik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,k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、k分別表示第i個訓練樣本點、第j個自變量、第k個因變量；

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）令初始自變量殘差陣E₀=X^*；

2.2）令初始因變量序號k=1；

2.3）令當前因變量初始殘差向量

2.4）令初始成分數h=1；

2.5）依次按以下各式求解：

wh=Eh-1TFh-1||Eh-1TFh-1||---(7)]]>

t_h=E_h-1w_h????（8）

rh=Fh-1Tth||th||2---(9)]]>

ph=Eh-1Tth||th||2---(10)]]>

wh*=Πj=1h-1(I-wjpjT)wh---(11)]]>

Eh=Eh-1-thphT---(12)]]>

F_h=F_h-1-t_hr_h????（13）

βk=r1w1*+r2w2*+···+rhwh*---(14)]]>

其中，w_h是第h個成分的軸向量，t_h是第h個成分，r_h是中間過程系數，p_h、是中間過程向量，E_h是自變量的第h個殘差陣，F_h是因變量的第h個殘差陣，β_k是第k個因變量的預測系數向量，上標T表示矩陣的轉置，下標h、h-1分別表示含下標的物理量所對應的成分序號為h、h-1；

2.6）從數據庫中讀取測試樣本，按（15）、（16）式進行無量綱化處理：

xij*′=xij′-x‾jsx,j,(i=1,2,···,m;j=1,2,···,p)---(15)]]>

yik*′=yik′-y‾ksy,k,(i=1,2,···,m;k=1,2)---(16)]]>

其中，x_ij'、y_ik'是測試樣本點的原值，是測試樣本點的無量綱化值，m為測試樣本個數；

2.7）求因變量的預測值：

y^ik*′=(xi1*′,xi2*′,...,xip*′)βk---(17)]]>

其中，是因變量測試樣本點的無量綱化預測值；

2.8）求當前預測誤差：

SSS,h′=Σi=1m(yi,k′-y^i,k′)2---(18)]]>

其中，S_SS,h'為殘差平方和；

2.9）如果h=1，令h=2，返回2.5），否則轉2.10）；

2.10）求判別系數當P_h≥0.02時，認為引進第h個成分可以明顯改善預測能力，令h=h+1，返回2.5），否則令h=h-1，轉2.11）；

2.11）如果k=1，令k=2，返回2.3），否則轉2.12）；

2.12）將預測系數向量β₁、β₂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排煙熱損失，其實現步驟如下：

3.1）將輸入的自變量信號按（19）式處理：

x(t)j*=x(t)j-x‾jsx,j,(j=1,2,···,p)---(19)]]>

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）按下式求過量空氣系數與排煙溫差的無量綱化預測值：

y^(t)1*y^(t)2*=x(t)1*x(t)2*...x(t)p*β1β2---(20)]]>

其中，分別為t時刻過量空氣系數與排煙溫差的無量綱化預測值；

3.3）按下式求過量空氣系數與排煙溫差的原量綱預測值：

y^(t)k=y^(t)k*·sy,k+y‾k,(k=1,2)---(21)]]>

其中，分別為t時刻過量空氣系數與排煙溫差的原量綱預測值；

3.4）按下式求循環流化床鍋爐的排煙熱損失率的預測值：

q2=(K1y^(t)1+K2)y^(t)2100---(22)]]>

其中，q₂即為循環流化床鍋爐的排煙熱損失率預測值，K₁、K₂為與煤種有關的計算系數，對于常見的煙煤，取K₁=3.35，K₂=0.44；

所述的上位機還包括：

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；

模型更新模塊，用于按設定的時間間隔將實際的過量空氣系數、排煙溫差與預測值比較，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；

結果顯示模塊，用于從控制站讀取設置參數，并將排煙熱損失率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，操作變量如何變化最有利于降低排煙熱損失，以便控制站工作人員，根據排煙熱損失率預測值和操作建議，及時調整操作條件，降低排煙熱損失，提高鍋爐運行效率；其中，操作變量如何變化最有利于降低排煙熱損失，一個簡便方法是將操作變量的當前值上下波動，代入排煙熱損失率預測系統，得到新的排煙熱損失率預測值，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；

所述過量空氣系數、排煙溫差實際值由（23）、（24）式得到：

αpy=2121-O2---(23)]]>

Δt_py=t_py-t_lk????（24）

其中，α_py為過量空氣系數，O₂為煙氣含氧百分數，Δt_py為排煙溫差，單位為℃，t_py為排煙溫度，單位為℃，t_lk為環境溫度，單位為℃。

2.一種用權利要求1所述的循環流化床鍋爐排煙熱損失率預測系統實現的排煙熱損失率預測方法，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，采集對應的過量空氣系數、排煙溫差的歷史記錄，組成因變量訓練樣本矩陣Y，對訓練樣本矩陣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)、2個標準化后因變量訓練樣本向量（k=1,2），采用以下過程來完成：

1.1）求均值：

x‾j=1nΣi=1nxij,(i=1,2,···,n;j=1,2,···,p)---(1)]]>

y‾k=1nΣi=1nyik,(i=1,2,···,n;k=1,2)---(2)]]>

1.2）求標準差

sx,j=1nΣi=1n(xij-x‾j)2,(i=1,2,···,n;j=1,2,···,p)---(3)]]>

sy,k=1nΣi=1n(yik-y‾k)2,(i=1,2,···,n;k=1,2)---(4)]]>

1.3）標準化

xij*=xij-x‾jsx,j,(i=1,2,···,n;j=1,2,···,p)---(5)]]>

yik*=yik-y‾ksy,k,(i=1,2,···,n;k=1,2)---(6)]]>

其中，x_ij、y_ik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,k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、k分別表示第i個訓練樣本點、第j個自變量、第k個因變量；

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）令初始自變量殘差陣E₀=X^*；

2.2）令初始因變量序號k=1；

2.3）令當前因變量初始殘差向量

2.4）令初始成分數h=1；

2.5）依次按以下各式求解：

wh=Eh-1TFh-1||Eh-1TFh-1||---(7)]]>

t_h=E_h-1w_h????（8）

rh=Fh-1Tth||th||2---(9)]]>

ph=Eh-1Tth||th||2---(10)]]>

wh*=Πj=1h-1(I-wjpjT)wh---(11)]]>

Eh=Eh-1-thphT---(12)]]>

F_h=F_h-1-t_hr_h????（13）

βk=r1w1*+r2w2*+···+rhwh*---(14)]]>

其中，w_h是第h個成分的軸向量，t_h是第h個成分，r_h是中間過程系數，p_h、是中間過程向量，E_h是自變量的第h個殘差陣，F_h是因變量的第h個殘差陣，β_k是第k個因變量的預測系數向量，上標T表示矩陣的轉置，下標h、h-1分別表示含下標的物理量所對應的成分序號為h、h-1；

2.6）從數據庫中讀取測試樣本，按（15）、（16）式進行無量綱化處理：

xij*′=xij′-x‾jsx,j,(i=1,2,···,m;j=1,2,···,p)---(15)]]>

yik*′=yik′-y‾ksy,k,(i=1,2,···,m;k=1,2)---(16)]]>

其中，x_ij'、y_ik'是測試樣本點的原值，是測試樣本點的無量綱化值，m為測試樣本個數；

2.7）求因變量的預測值：

y^ik*′=(xi1*′,xi2*′,...,xip*′)βk---(17)]]>

其中，是因變量測試樣本點的無量綱化預測值；

2.8）求當前預測誤差：

SSS,h′=Σi=1m(yi,k′-y^i,k′)2---(18)]]>

其中，S_SS,h'為殘差平方和；

2.9）如果h=1，令h=2，返回2.5），否則轉2.10）；

2.10）求判別系數當P_h≥0.02時，認為引進第h個成分可以明顯改善預測能力，令h=h+1，返回2.5），否則令h=h-1，轉2.11）；

2.11）如果k=1，令k=2，返回2.3），否則轉2.12）；

2.12）保存最后得到的預測系數向量β₁、β₂；

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，對排煙熱損失進行預測，其實現步驟如下：

3.1）將輸入的自變量信號按（19）式處理：

x(t)j*=x(t)j-x‾jsx,j,(j=1,2,···,p)---(19)]]>

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）按下式求過量空氣系數與排煙溫差的無量綱化預測值：

y^(t)1*y^(t)2*=x(t)1*x(t)2*...x(t)p*β1β2---(20)]]>

其中，分別為t時刻過量空氣系數與排煙溫差的無量綱化預測值；

3.3）按下式求過量空氣系數與排煙溫差的原量綱預測值：

y^(t)k=y^(t)k*·sy,k+y‾k,(k=1,2)---(21)]]>

其中，分別為t時刻過量空氣系數與排煙溫差的原量綱預測值；

3.4）按下式求循環流化床鍋爐的排煙熱損失率預測值：

q2=(K1y^(t)1+K2)y^(t)2100---(22)]]>

其中，q₂即為循環流化床鍋爐的排煙熱損失率預測值，K₁、K₂為與煤種有關的計算系數，對于常見的煙煤，取K₁=3.35，K₂=0.44；

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，將得到的實際過量空氣系數、排煙溫差與預測值比較，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，并將排煙熱損失率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，操作變量如何變化最有利于降低排煙熱損失，以便控制站工作人員，根據排煙熱損失率預測值和操作建議，及時調整操作條件，降低排煙熱損失，提高鍋爐運行效率；其中，操作變量如何變化最有利于降低排煙熱損失，一個簡便方法是將操作變量的當前值上下波動，代入排煙熱損失率預測系統，得到新的排煙熱損失率預測值，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；

所述過量空氣系數、排煙溫差實際值由（23）、（24）式得到：

αpy=2121-O2---(23)]]>

Δt_py=t_py-t_lk????（24）

其中，α_py為過量空氣系數，O₂為煙氣含氧百分數，Δt_py為排煙溫差，單位為℃，t_py為排煙溫度，單位為℃，t_lk為環境溫度，單位為℃。