[發明專利]基于自適應加權AWLS-SVR的鍋爐爐渣含碳量測量方法及設備

在審

• 申請號: 201810030797.8
• 申請日: 2018-01-12
• 公開（公告）號: CN108241789A
• 公開（公告）日: 2018-07-03
• 發明（設計）人: 畢慶華;旋繼新
• 申請（專利權）人: 內蒙古電力勘測設計院有限責任公司
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于自適應加權AWLS?SVR的鍋爐爐渣含碳量測量方法及設備，方法為：獲取過去一定時間內的輔助變量和主導變量，每小時一組數據，形成樣本數據；對樣本數據進行標準化處理，對標準化處理后的樣本數據進行主元分析，提取樣本數據的p個主成分；對p個主成分進行歸一化處理后，作為AWLS?SVR模型訓練樣本，建立AWLS?SVR模型；利用建立的AWLS?SVR模型預測T時刻的爐渣含碳量。本發明通過自適應加權結合最小二乘支持向量回歸方法建立的AWLS?SVR模型，并結合主元分析實現鍋爐爐渣含碳量測量，預測精度高，為鍋爐燃燒過程操作優化提供依據，及時調整操作參數，從而達到節能降耗的目的。

技術領域：

本發明涉及數據處理領域，尤其涉及基于自適應加權AWLS-SVR的鍋爐爐渣含碳量測量方法及設備領域。

背景技術：

現有技術中，對于鍋爐爐渣含碳量測量，通常采用離線測量方法，采用離線檢測爐渣含碳量方法時，一個渣樣分析結果要幾個小時,甚至更長，使鍋爐操作調節滯后，且影響爐渣含碳量的操作參數多且具有時變性，進而無法進行及時、準確的燃燒調整。

發明內容：

本發明的目的在于提供一種基于自適應加權AWLS-SVR的鍋爐爐渣含碳量測量方法及設備，綜合主元分析、多輸出系統最小二乘支持向量機建模方法和基于滑動時間窗的樣本集在線調整方法，實現了爐渣含碳量的測量，基于AWLS-SVR的預測模型具有學習能力強、泛化性能好等特點，能夠較好地在線預測鍋爐燃燒過程中的爐渣含碳量，預測精度高，為鍋爐燃燒過程操作優化提供依據，及時調整操作參數，從而達到節能降耗的目的。

本發明由如下技術方案實施：

第一方面，本發明提供一種基于自適應加權AWLS-SVR的鍋爐爐渣含碳量測量方法，包括：

步驟S1，獲取過去一定時間內的輔助變量和主導變量，每小時一組數據，形成樣本數據，其中，所述輔助變量為鍋爐燃燒過程中影響鍋爐爐渣含碳量并可在線測量的參數，所述主導變量為鍋爐爐渣含碳量；

步驟S2，對所述樣本數據進行標準化處理，對標準化處理后的樣本數據進行主元分析，提取所述樣本數據的p個主成分；

步驟S3，對所述p個主成分進行歸一化處理后，作為AWLS-SVR模型訓練樣本，建立AWLS-SVR模型；

步驟S4，利用所述建立的AWLS-SVR模型預測T時刻的爐渣含碳量。

本發明提供的基于自適應加權AWLS-SVR的鍋爐爐渣含碳量測量方法，其技術方案為：包括獲取過去一定時間內的輔助變量和主導變量，每小時一組數據，形成樣本數據，其中，所述輔助變量為鍋爐燃燒過程中影響鍋爐爐渣含碳量并可在線測量的參數，所述主導變量為鍋爐爐渣含碳量；對所述樣本數據進行標準化處理，對標準化處理后的樣本數據進行主元分析，提取所述樣本數據的p個主成分；對所述p個主成分進行歸一化處理后，作為AWLS-SVR模型訓練樣本，建立AWLS-SVR模型；利用所述建立的AWLS-SVR模型預測T時刻的爐渣含碳量。

本發明提供的基于自適應加權AWLS-SVR的鍋爐爐渣含碳量測量方法，通過自適應加權結合最小二乘支持向量回歸方法建立的AWLS-SVR模型，并結合主元分析實現鍋爐爐渣含碳量測量，預測精度高，為鍋爐燃燒過程操作優化提供依據，及時調整操作參數，從而達到節能降耗的目的。

進一步地，所述方法還包括：

步驟S5，對所述爐渣含碳量進行反歸一化處理，得到所述T時刻的爐渣含碳量預測值y^*_(T)，并采集所述T時刻的燃燒過程數據，加入到所述樣本數據中；

步驟S6，計算所述預測值的相對誤差M，利用自適應訓練樣本調整方法調整所述樣本數據。