[發(fā)明專利]基于最小二乘支持向量機及在線更新的電站鍋爐煙氣軟測量方法

有效

• 申請?zhí)枺?/td>: 201410024169.0
• 申請日: 2014-01-20
• 公開（公告）號: CN103728879A
• 公開（公告）日: 2014-04-16
• 發(fā)明（設(shè)計）人: 呂游;楊婷婷;劉吉臻
• 申請（專利權(quán)）人: 華北電力大學(xué)
• 主分類號: G05B13/00
• 分類號: G05B13/00
• 代理公司: 北京金智普華知識產(chǎn)權(quán)代理有限公司 11401
• 代理人: 巴曉艷

1.一種基于LSSVM及在線更新的電站鍋爐煙氣軟測量方法，其特征在于，所述方法采用LSSVM構(gòu)建初始煙氣排放模型，然后利用樣本追加和樣本替換來實現(xiàn)模型的增量更新，能夠?qū)﹀仩t煙氣各成分進行精確地預(yù)測。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法包括以下步驟：

步驟1：收集初始訓(xùn)練樣本來構(gòu)建LSSVM模型；

步驟2：利用此模型對煙氣成分含量進行預(yù)測；

步驟3：當實際的煙氣成分含量的傳感器測量值y_q采集到后，計算樣本(x_q,y_q)的預(yù)測誤差Er；

步驟4：判斷預(yù)測誤差：若Er>Δ，Δ為誤差閾值，則執(zhí)行步驟5，否則執(zhí)行步驟9；

步驟5：從歷史運行數(shù)據(jù)中選取距新采樣樣本(x_q,y_q)最近的樣本點(x_k,y_k)，其中k=argimini=1,...,n||xq-xi||2;]]>

步驟6：根據(jù)新采樣樣本(x_q,y_q)與其最近的樣本(x_k,y_k)之間的距離進行判斷并確定更新類型；

步驟7：根據(jù)確定的更新類型，對步驟1獲得的初始LSSVM模型進行增量更新，根據(jù)步驟6進行樣本增加或樣本替換來更新；

步驟8：用求得的新的模型的特征矩陣H^-1計算得到相應(yīng)的模型參數(shù)α和b，實現(xiàn)對煙氣軟測量模型h(x)的更新；

步驟9：判斷測試樣本是否結(jié)束，若結(jié)束則停止程序；否則執(zhí)行步驟2，對下一樣本進行預(yù)測。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟1具體是：通過傳感器測量發(fā)電機功率、各磨煤機給煤量、各磨煤機入口一次風(fēng)量、各層二次風(fēng)和燃盡風(fēng)風(fēng)門開度信號，并將測量值存入DCS歷史數(shù)據(jù)庫中；選擇上述測量值作為軟測量模型的輸入變量，要預(yù)測的煙氣成分含量作為模型的輸出變量，從歷史運行數(shù)據(jù)庫中選取覆蓋范圍大且具有代表性的若干段工況作為初始訓(xùn)練樣本，記為其中x_i∈R^p表示第i組輸入樣本，對應(yīng)于測量的發(fā)電機功率、各磨煤機給煤量、各磨煤機入口一次風(fēng)量、各層二次風(fēng)和燃盡風(fēng)風(fēng)門開度，y_i∈R為第i組輸出樣本，對應(yīng)于煙氣成分的含量，p為輸入變量個數(shù)，n為樣本數(shù)量，并構(gòu)建LSSVM模型。