[發(fā)明專利]基于改進(jìn)量子粒子群優(yōu)化電廠鍋爐NOX預(yù)測(cè)模型裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201811297495.3
• 申請(qǐng)日: 2018-11-01
• 公開(kāi)（公告）號(hào): CN109325313A
• 公開(kāi)（公告）日: 2019-02-12
• 發(fā)明（設(shè)計(jì)）人: 孟磊;馬寧;谷小兵;王曉燕;孫海蓉;李廣林;李婷彥;馬務(wù);寧翔
• 申請(qǐng)（專利權(quán)）人: 大唐環(huán)境產(chǎn)業(yè)集團(tuán)股份有限公司
• 主分類號(hào): G06F17/50
• 分類號(hào): G06F17/50;G06Q10/04;G06N3/00
• 代理公司: 北京君泊知識(shí)產(chǎn)權(quán)代理有限公司 11496
• 代理人: 王程遠(yuǎn);胡玉章

本發(fā)明公開(kāi)了一種基于改進(jìn)量子粒子群優(yōu)化電廠鍋爐NO_x預(yù)測(cè)模型裝置，包括現(xiàn)場(chǎng)數(shù)據(jù)采集裝置、計(jì)算機(jī)裝置和通訊裝置。現(xiàn)場(chǎng)數(shù)據(jù)采集裝置為下一步建立鍋爐NO_x排放濃度預(yù)測(cè)模型作準(zhǔn)備；計(jì)算機(jī)裝置實(shí)現(xiàn)模型算法運(yùn)算，利用改進(jìn)的量子粒子群優(yōu)化算法優(yōu)化極限學(xué)習(xí)機(jī)的初始參數(shù)，以訓(xùn)練數(shù)據(jù)預(yù)測(cè)值和實(shí)際值的誤差最小化作為目標(biāo)，進(jìn)而得到準(zhǔn)確的NO_x排放模型。本發(fā)明的優(yōu)點(diǎn)：通過(guò)改進(jìn)的量子粒子群算法可以高效快速的計(jì)算出極限學(xué)習(xí)機(jī)最佳初始參數(shù)，進(jìn)而得到準(zhǔn)確的火電廠鍋爐NO_x排放模型，對(duì)于燃煤機(jī)組降低污染物排放和具有重要意義。

技術(shù)領(lǐng)域

本發(fā)明涉及燃煤電廠鍋爐NO_x排放預(yù)測(cè)技術(shù)領(lǐng)域，特別是涉及一種基于改進(jìn)量子粒子群優(yōu)化電廠鍋爐NO_x預(yù)測(cè)模型裝置。

背景技術(shù)

煤炭是我國(guó)的主要能源之一，占一次能源生產(chǎn)和消費(fèi)的70％左右，這種以煤炭為主的能源結(jié)構(gòu)決定了燃煤火力發(fā)電在我國(guó)的電力生產(chǎn)中占主導(dǎo)地位。根據(jù)中國(guó)電力企業(yè)聯(lián)合會(huì)公布的統(tǒng)計(jì)數(shù)據(jù)，2012 年全年火力發(fā)電量占總發(fā)電量的78％。可以看出，火力發(fā)電仍然是我國(guó)電力生產(chǎn)的主要方式。燃煤發(fā)電廠燃料燃燒產(chǎn)生的NO_x是大氣污染的主要有害物質(zhì)之一。構(gòu)建準(zhǔn)確的NO_x排放預(yù)測(cè)模型對(duì)其控制的必要條件。因此，建立有效的NO_x排放特性預(yù)測(cè)模型對(duì)電站減少污染物排放尤為重要。然而，生成NO_x的反應(yīng)非常復(fù)雜，很難建立準(zhǔn)確的NO_x排放的第一數(shù)學(xué)模型，基于神經(jīng)網(wǎng)絡(luò)的“黑箱”數(shù)據(jù)驅(qū)動(dòng)建模方法可以忽略模型反應(yīng)原理，已經(jīng)被廣泛應(yīng)用于各工程領(lǐng)域。但傳統(tǒng)神經(jīng)網(wǎng)絡(luò)存在訓(xùn)練時(shí)間長(zhǎng)和容易出現(xiàn)“過(guò)擬合”等問(wèn)題。極限學(xué)習(xí)機(jī)(ELM)是一種新型前饋神經(jīng)網(wǎng)絡(luò)，具有學(xué)習(xí)速度快，調(diào)節(jié)參數(shù)少，預(yù)測(cè)性能高的優(yōu)點(diǎn)。但ELM訓(xùn)練過(guò)程中輸入層初始權(quán)重和隱含層偏置是隨機(jī)確定的，這會(huì)影響極限學(xué)習(xí)機(jī)的穩(wěn)定性。對(duì)此，提出了一種新的優(yōu)化算法與ELM相結(jié)合建模。量子粒子群算法(QPSO)在基本原理上與粒子群算法(PSO)一樣，其各個(gè)粒子的迭代過(guò)程都是基于個(gè)體最優(yōu)與群體最優(yōu)的信息來(lái)進(jìn)行更新的。與PSO算法不同的是，QPSO算法使每個(gè)粒子以量子的行為方式進(jìn)行運(yùn)動(dòng)，各個(gè)粒子可以概率性地出現(xiàn)在解空間當(dāng)中的任何一個(gè)位置，在很大程度上增強(qiáng)了粒子運(yùn)動(dòng)的隨機(jī)性與算法全局尋優(yōu)的有效性量子粒子群(QPSO)算法是在粒子群算法基礎(chǔ)上結(jié)合了量子力學(xué)相關(guān)理論而形成的一種智能優(yōu)化算法。但是 QPSO算法搜索后期收斂速度慢且搜索精度低的現(xiàn)象，為了解決此問(wèn)題，需要提出新的改進(jìn)的量子粒子群優(yōu)化算法優(yōu)化極限學(xué)習(xí)機(jī)模型內(nèi)部參數(shù)，用以建立準(zhǔn)確的火電廠燃煤鍋爐NO_x排放模型。

發(fā)明內(nèi)容

鑒于上述問(wèn)題，本發(fā)明的目的在于涉及一種精確的鍋爐NO_x排放濃度預(yù)測(cè)模型裝置，以解決目前鍋爐 NO_x濃度預(yù)測(cè)模型不準(zhǔn)確的情況,進(jìn)而便于控制和減少鍋爐NO_x排放效果。

為解決上述問(wèn)題，本發(fā)明提供了一種基于改進(jìn)量子粒子群優(yōu)化電廠鍋爐NO_x預(yù)測(cè)模型裝置，包括現(xiàn)場(chǎng)數(shù)據(jù)采集裝置、計(jì)算機(jī)裝置和通訊裝置。現(xiàn)場(chǎng)數(shù)據(jù)采集裝置包括測(cè)量元件、DCS數(shù)據(jù)采集站和通訊接口。計(jì)算機(jī)裝置包括主機(jī)(內(nèi)置模型算法和存儲(chǔ)硬盤(pán))、通信接口、顯示器和鍵盤(pán)。通訊裝置包括通信模塊和信號(hào)線，其中信號(hào)線與現(xiàn)場(chǎng)控制站相連。

進(jìn)一步，所述的基于改進(jìn)量子粒子群優(yōu)化的電廠鍋爐NO_x預(yù)測(cè)模型裝置，其所述的現(xiàn)場(chǎng)數(shù)據(jù)采集裝置為下一步建立NO_x排放濃度預(yù)測(cè)模型作準(zhǔn)備。由于機(jī)組運(yùn)行條件變化時(shí)，如煤種更換、機(jī)組AGC負(fù)荷指令頻繁波動(dòng)、燃燒條件(如配風(fēng)方式、過(guò)量空氣系數(shù)等)的變化，都會(huì)使煙氣NO_x出現(xiàn)較大擾動(dòng)。通過(guò)對(duì)燃煤機(jī)組鍋爐燃燒和NO_x生成機(jī)理分析，確定NO_x排放濃度預(yù)測(cè)模型的輸入變量。