[發明專利]基于改進量子粒子群優化電廠鍋爐NO_X預測模型裝置在審

申請號：	201811297495.3	申請日：	2018-11-01
公開（公告）號：	CN109325313A	公開（公告）日：	2019-02-12
發明（設計）人：	孟磊;馬寧;谷小兵;王曉燕;孫海蓉;李廣林;李婷彥;馬務;寧翔	申請（專利權）人：	大唐環境產業集團股份有限公司
主分類號：	G06F17/50	分類號：	G06F17/50;G06Q10/04;G06N3/00
代理公司：	北京君泊知識產權代理有限公司 11496	代理人：	王程遠;胡玉章
地址：	100097 ***	國省代碼：	北京;11
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	現場數據采集裝置量子粒子群優化極限學習機計算機裝置初始參數電廠鍋爐預測模型改進量子粒子群優化算法量子粒子群算法火電廠鍋爐污染物排放誤差最小化高效快速模型算法濃度預測燃煤機組通訊裝置訓練數據重要意義運算鍋爐預測優化
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種基于改進量子粒子群優化電廠鍋爐NO_x預測模型裝置，其特征在于，所述裝置包括：現場數據采集裝置、計算機裝置和通訊裝置，所述現場數據采集裝置包括測量元件、DCS數據采集站和通訊接口，所述計算機裝置包括主機(內置模型算法和存儲硬盤)、通信接口、顯示器和鍵盤，所述通訊裝置包括通信模塊和信號線，其中信號線與現場控制站相連。

2.根據權利要求1所述的一種基于改進量子粒子群優化電廠鍋爐NO_x預測模型裝置，其特征在于，所述現場數據采集裝置為下一步建立鍋爐NO_x排放濃度預測模型做準備，由于機組運行條件變化時，如給煤量、機組AGC負荷指令頻繁波動、燃燒條件(如配風方式、過量空氣系數等)的變化，都會使煙氣NO_x出現較大擾動，通過對燃煤機組鍋爐和NO_x產生機理分析，確定NO_x排放濃度預測模型的輸入變量為鍋爐負荷、總風量、磨煤機A給煤量、磨煤機B給煤量、磨煤機C給煤量、磨煤機D給煤量、磨煤機E給煤量、磨煤機F給煤量、兩側二次風量、兩個燃盡風擋板開度、六個磨煤機一次風風量、六個二次擋板開度。

3.根據權利要求1所述的一種基于改進量子粒子群優化電廠鍋爐NO_x預測模型裝置，其所述的計算機裝置實現模型算法運算，為了提高極限學習機(ELM)建模精度，提出結合余弦遞減函數，提出一種余弦遞減量子粒子群優化算法(COSQPSO)，并利用利用余弦遞減量子粒子群優化算法優化ELM模型輸入層的權值和隱含層偏置值，建立了有效的NOx排放特性模型，其中，基于改進量子粒子群算法具體描述如下：

(a)初始化算法參數，確定搜索空間尋優范圍，確定目標優化問題的維數，設定種群數目、最大迭代次數與初始粒子位置x；

(b)將種群中粒子初始位置代入到目標優化問題的函數中，計算出初始粒子個體最優值p_best與種群全局最優值g_best；

(c)與量子粒子群算法相同，根據以下公式計算出種群平均最好位置ave_best和每個粒子介于p_best和g_best之間的隨機位置P；

其中，為在[0,1]上均勻分布的隨機數；P_id(t)為第i個粒子迭代t次時的個體最優值；p_gd(t)為第t次迭代時的全局最優值；P(t)為介于個體最優值P_id(t)與全局最優值p_gd(t)之間的一個隨機值；β為收縮-擴張系數；

(d)與量子粒子群算法不同，改進的量子粒子群算法的收縮-擴張系數β由改進的方案計算，即

β＝1-cos((1-t/T)π/2)

(e)將新的β計算方法代入以下公式中，根據粒子更新公式對種群中的所有粒子進行更新

其中，u為在[0,1]上均勻分布的隨機數；

(f)計算每個粒子新的適應度，并根據最優原則對原有p_best與g_best進行替換或者保留；

(g)判斷迭代是否達到最大次數或者優化后的目標值是否達到目標精度，若是則算法終止迭代，否則返回步驟(c)繼續進行迭代。

4.根據權利要求1所述的一種基于改進量子粒子群優化電廠鍋爐NO_x預測模型裝置，其特征在于，設置極限學習機權值的尋優范圍確定極限學習機模型隱含層節點個數，優化過程的目標函數為

式中，y_i表示為實際值，代表預測值。