[發明專利]燃煤電站鍋爐飛灰含碳量預測模型構建方法及系統

在審

• 申請號: 201610821740.0
• 申請日: 2016-09-13
• 公開（公告）號: CN106649919A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 丁承剛;王景成;陸晶;石偉晶;郭士義;陸良樑;王博輝;袁景淇
• 申請（專利權）人: 上海電氣電站環保工程有限公司;上海交通大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06Q10/04
• 代理公司: 上海漢聲知識產權代理有限公司31236
• 代理人: 徐紅銀,郭國中

1.一種燃煤電站鍋爐飛灰含碳量預測模型的構建方法，其特征在于：所述方法包含以下步驟：

S1：獲取燃煤電站鍋爐歷史運行數據，建立離線樣本庫，通過最大相關最小冗余算法篩選飛灰含碳量預測模型的輸入變量和輸出變量；使用模糊C均值聚類算法將歷史樣本進行聚類，得到N個子類，計算出N個子類模糊隸屬度函數；

S2：利用每個子類的歷史樣本分別訓練最小二乘支持向量機算法，得到N個以飛灰含碳量為輸出的子模型；

S3：將S1得到的所述模糊隸屬度函數連接S2得到的所述子模型，構建全局模型，即飛灰含碳量預測模型。

2.根據權利要求1所述的燃煤電站鍋爐飛灰含碳量預測模型的構建方法，其特征在于，所述飛灰含碳量預測模型，選取如下變量作為模型輸入變量：

(1)一次風量、一次風壓、二次風量、二次風壓和煙氣含氧量，它們反映了空氣動力場對飛灰含碳量的影響；

(2)爐膛出口溫度和二次風溫反映了溫度的影響因素；

(3)二次風閥門開度反映了配風方式對其的影響；

(4)入爐煤量和鍋爐負荷反映了負荷的影響。

3.根據權利要求2所述的燃煤電站鍋爐飛灰含碳量預測模型的構建方法，其特征在于，所述飛灰含碳量預測模型，在選取模型輸入變量時考慮燃煤電站鍋爐在低負荷和高負荷和變負荷三種情況。

4.根據權利要求2所述的燃煤電站鍋爐飛灰含碳量預測模型的構建方法，其特征在于，所述飛灰含碳量預測模型，利用mRMR算法分析輸入變量之間以及輸入變量與飛灰含碳量的相關性。

5.根據權利要求1所述的燃煤電站鍋爐飛灰含碳量預測模型的構建方法，其特征在于，所述最小二乘支持向量機算法中，選擇高斯徑向基核函數作為核函數，利用10層交叉驗證網格搜索技術確定核函數中的徑向基核參數和正規化參數。

6.根據權利要求1所述的燃煤電站鍋爐飛灰含碳量預測模型的構建方法，其特征在于，所述飛灰含碳量預測模型，利用平均絕對誤差，均方根誤差作為評價標準指標。

7.根據權利要求1-6任一項所述的燃煤電站鍋爐飛灰含碳量預測模型的構建方法，其特征在于，所述S1中，使用模糊C均值聚類算法將歷史樣本進行聚類，是指：將歷史運行數據即原始火電數據X＝{x₁,x₂,…,x_m}，根據模糊C均值聚類算法分成N個子集Γ₁,Γ₂,…,Γ_N；模糊C均值聚類算法中的隸屬度函數U計算出x_i∈X的隸屬度u_i1,u_i2,…,u_iN；在構建的預測模型中，假設：如果u_ij是u_i1,u_i2,…,u_iN中最大的，則認為x_i∈X屬于類別Γ_j，根據此假設，X＝{x₁,x₂,…,x_m}能劃分為N個子類。

8.根據權利要求7所述的燃煤電站鍋爐飛灰含碳量預測模型的構建方法，其特征在于，所述S3，是指：對于輸入向量x_j，利用S2中得到的N個子模型預測，從而知道N個結果G＝{g₁,g₂,…,g_N}，對于x_j而言，其歸屬于S1中N個子類Γ₁,Γ₂,…,Γ_N的隸屬度分別是u₁,u₂,…,u_N，從而利用式(1)得到最后的飛灰含碳量預測結果R：

R＝u₁·g₁+u₂·g₂+…+u_N·g_N(1)。

9.一種基于權利要求1-8任一項所述方法的燃煤電站鍋爐飛灰含碳量預測模型的構建系統，其特征在于，所述系統包括：

樣本聚類模塊：獲取燃煤電站鍋爐歷史運行數據，建立離線樣本庫，通過最大相關最小冗余算法篩選飛灰含碳量預測模型的輸入變量和輸出變量；使用模糊C均值聚類算法將歷史樣本進行聚類，得到N個子類，計算出N個子類模糊隸屬度函數；

子模型構建模塊：利用所述樣本聚類模塊得到的每個子類的歷史樣本，分別訓練最小二乘支持向量機算法，得到N個以飛灰含碳量為輸出的子模型；

全局模型構建模塊：將所述樣本聚類模塊得到的所述模糊隸屬度函數連接所述子模型構建模塊得到的所述子模型，構建全局模型，即飛灰含碳量預測模型。