[發明專利]一種基于信息熵特征和概率神經網絡的鍋爐燃燒工況識別方法

有效

• 申請號: 201410058456.3
• 申請日: 2014-02-20
• 公開（公告）號: CN103886405B
• 公開（公告）日: 2017-02-22
• 發明（設計）人: 司風琪;顧慧;王傳奇
• 申請（專利權）人: 東南大學;馬鞍山當涂發電有限公司
• 主分類號: G06F17/00
• 分類號: G06F17/00;G06N3/02
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 肖念

1.一種基于信息熵特征和概率神經網絡的鍋爐燃燒工況識別方法，其特征在于：包括以下步驟：

（1）來自DCS的現場數據通過網絡交換機進入數據輸入接口機，進入輸入數據預處理環節，通過數據輸入接口機獲得典型負荷點和相應的排煙氧量和爐膛壓力信號的特性樣本集，每種工況取n個樣本進行分析：

D={x₁,x₂,x₃,...x_L;y₁,y₂,y₃,...y_L}下標L為樣本個數，并將特性樣本集作為計算樣本集；

（2）進入樣本數據熵分析環節，計算排煙氧量和爐膛壓力信號在對應工況下奇異譜熵和功率譜熵：

①對上述樣本各個負荷點的數據求解奇異譜熵：

對于給定的離散時間序列信號{x_iory_i|i＝1,2,...,n}，給定嵌套維數m(m＜n/2)，構造嵌入空間的時滯矩陣A，

A=x1x2...xn-m+1x2x3...xn-m+2............xmxm+1...xn---(1)]]>對矩陣A進行奇異值分解，計算得奇異值為λ₁≥λ₂≥…≥λ_m，設k為非零奇異值的個數，則k值反映了時滯矩陣中包含的不同模式的數目；

②對上述樣本各個負荷點的數據求解功率譜熵：

通過離散傅里葉變換得到頻譜X(k)和功率譜S_k(k＝1,2,...n)。S_k可以看作是原始信號在頻域空間的一種能量劃分，則可定義信號的功率譜熵H_f，

Hf=-Σk=1npklogpk---(2)]]>式中p_k——第k個功率譜在整個功率譜中所占的比例，表示第k個頻率能量的組分概率，為時域離散信號{x₁,x₂,...,x_n}的傅里葉變換為X(ω)的功率譜估計的定義式；

（3）將步驟（2）求得的熵值信號和對應的負荷工況點作為訓練數據集構造PNN鍋爐燃燒工況識別模型，排煙氧量和爐膛壓力的奇異譜熵以及爐膛壓力的功率譜熵作為PNN神經網絡的輸入，對應的工況種類作為輸出，對PNN模型進行訓練和測試：

①將訓練樣本和待識別樣本進行歸一化后送入網絡輸入層；

②將歸一化以后的訓練樣本W和待識別樣本X送入模式層，完成點積運算z_i＝(X-W_i)^Τ(X-W_i)，

式中z_i——第i個模式層節點的輸出，

W_i——第i個訓練樣本向量；

③在求和層中，依據Pazen窗函數法計算各類別的概率密度并求和，得到求和層的輸出yk=1NkΣj=1Nkexp[-zj2σ2],]]>

式中N_k——隸屬于第k類的訓練樣本數，

σ——平滑因子；

④在輸出層采用競爭函數，根據貝葉斯分類規則判別式，輸出最大的模式即為X所屬的類別；

最終實時獲得PNN模型，可用于鍋爐運行狀態識別；

（4）將結果輸出到客戶端參與優化運行指導和狀態檢測。

2.根據權利要求1所述一種基于信息熵特征和概率神經網絡的鍋爐燃燒工況識別方法，其特征在于：所述步驟2中奇異值譜{λ_i}可看作是對信號在時域中的一種劃分，由此可以根據信息熵的思想計算時域信號的奇異譜熵，計算步驟如下：

（1）選取嵌套維數m，將時域信號序列{x_i|i＝1,2,...，n}順序截取，得到式（1）所示的時滯矩陣；

（2）計算矩陣A的奇異值譜λ_i(i＝1,2,...k)；

（3）將奇異值譜λ_i(i＝12...k)代入式(2.24)得到奇異譜熵H_t，

Ht=-Σk=1kpilogpi,---(3)]]>

式中p_i——第i個奇異值在整個奇異值譜中所占的比例，表示第i個模式的組分概率。