[發(fā)明專利]一種燃煤電廠鍋爐熱效率的在線軟測量方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201910292046.8
• 申請日: 2019-04-12
• 公開（公告）號(hào): CN109992921B
• 公開（公告）日: 2020-09-15
• 發(fā)明（設(shè)計(jì)）人: 梁濤;李宗琪;程立欽;陳博;石歡;姜文;龔思遠(yuǎn);王建輝
• 申請（專利權(quán)）人: 河北工業(yè)大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N3/04;G06N3/08
• 代理公司: 北京易捷勝知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11613
• 代理人: 齊勝杰

一種燃煤電廠鍋爐熱效率在線軟測量方法，包括：S1、根據(jù)預(yù)先確定的影響鍋爐熱效率的特征參量，獲取特征參量實(shí)時(shí)數(shù)據(jù)；S2、依據(jù)影響鍋爐熱效率的重要特征參量選取規(guī)則和特征參量實(shí)時(shí)數(shù)據(jù)，獲得影響鍋爐熱效率的重要特征參量實(shí)時(shí)數(shù)據(jù)；重要特征參量選取規(guī)則是根據(jù)基于garson神經(jīng)網(wǎng)絡(luò)敏感度和皮爾遜相關(guān)系數(shù)確定的鍋爐熱效率重要影響因素來選取的；S3、將重要特征參量實(shí)時(shí)數(shù)據(jù)輸入鍋爐熱效率預(yù)測模型，輸出鍋爐熱效率實(shí)時(shí)預(yù)測結(jié)果；鍋爐熱效率預(yù)測模型是基于EM?MLR最大化聚類?多元回歸算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練后得到的。還提供一種燃煤電廠鍋爐熱效率在線軟測量系統(tǒng)。可以實(shí)時(shí)、準(zhǔn)確的對(duì)燃煤鍋爐的熱效率進(jìn)行監(jiān)測。

技術(shù)領(lǐng)域

本發(fā)明涉及鍋爐熱工技術(shù)與計(jì)算機(jī)監(jiān)測技術(shù)領(lǐng)域，尤其涉及一種燃煤電廠鍋爐熱效率的在線軟測量方法及系統(tǒng)。

背景技術(shù)

燃煤電廠鍋爐的實(shí)際生產(chǎn)過程中，影響鍋爐熱效率的因素很多，并且難以用簡單的公式來描述鍋爐熱效率與其影響因素之間的數(shù)學(xué)關(guān)系。

在目前的電廠生產(chǎn)中，燃煤鍋爐熱效率的分析大多在后期依靠爐渣碳含量，煙氣溫度與蒸汽溫度、流量等數(shù)據(jù)來計(jì)算燃煤鍋爐的熱效率。這種方法費(fèi)時(shí)費(fèi)力，而且煤粉的低位發(fā)熱量難以實(shí)時(shí)測量，只能通過延遲性的熱力實(shí)驗(yàn)計(jì)算獲得，這就使得鍋爐熱效率難以實(shí)時(shí)測量，無法為工程人員針對(duì)鍋爐的實(shí)時(shí)運(yùn)行情況進(jìn)行相應(yīng)的調(diào)整提供指導(dǎo)意見。

因此，亟需一種燃煤電廠鍋爐熱效率的在線軟測量方法及系統(tǒng)。

發(fā)明內(nèi)容

(一)要解決的技術(shù)問題

為了解決現(xiàn)有技術(shù)的上述問題，本發(fā)明提供了一種燃煤電廠鍋爐熱效率的在線軟測量方法及系統(tǒng)。可以實(shí)時(shí)、準(zhǔn)確的對(duì)燃煤鍋爐的熱效率進(jìn)行監(jiān)測。

(二)技術(shù)方案

為了達(dá)到上述目的，本發(fā)明采用的主要技術(shù)方案包括：

一種燃煤電廠鍋爐熱效率的在線軟測量方法，包括以下步驟：

S1、根據(jù)預(yù)先確定的影響鍋爐熱效率的特征參量，獲取特征參量實(shí)時(shí)數(shù)據(jù)。

S2、依據(jù)影響鍋爐熱效率的重要特征參量選取規(guī)則和特征參量實(shí)時(shí)數(shù)據(jù)，獲得影響鍋爐熱效率的重要特征參量實(shí)時(shí)數(shù)據(jù)；重要特征參量選取規(guī)則是根據(jù)基于garson神經(jīng)網(wǎng)絡(luò)敏感度和皮爾遜相關(guān)系數(shù)確定的鍋爐熱效率重要影響因素來選取的。

S3、將所述重要特征參量實(shí)時(shí)數(shù)據(jù)輸入鍋爐熱效率預(yù)測模型中，輸出鍋爐熱效率的實(shí)時(shí)預(yù)測結(jié)果；鍋爐熱效率預(yù)測模型是基于EM-MLR最大化聚類-多元回歸算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練后得到的。

作為本發(fā)明燃煤電廠鍋爐熱效率在線軟測量方法的一種改進(jìn)，在步驟S1之前進(jìn)行鍋爐熱效率重要影響因素的確定，包括：獲取一定時(shí)間長度內(nèi)鍋爐熱效率的實(shí)測熱效率數(shù)據(jù)和特征參量歷史數(shù)據(jù)，并對(duì)實(shí)測熱效率數(shù)據(jù)和特征參量歷史數(shù)據(jù)進(jìn)行預(yù)處理；根據(jù)預(yù)處理后的實(shí)測熱效率數(shù)據(jù)和特征參量歷史數(shù)據(jù)，訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)；根據(jù)訓(xùn)練完成后的BP神經(jīng)網(wǎng)絡(luò)中每一個(gè)特征參量在輸入層至隱含層和隱含層至輸出層的連接權(quán)值，計(jì)算每一個(gè)特征參量對(duì)熱效率的神經(jīng)網(wǎng)絡(luò)敏感度，并將神經(jīng)網(wǎng)絡(luò)敏感度進(jìn)行排序，剔除神經(jīng)網(wǎng)絡(luò)敏感度較低的特征參量；計(jì)算每兩個(gè)特征參量之間的皮爾遜相關(guān)系數(shù)，剔除皮爾遜相關(guān)系數(shù)較大的兩個(gè)特征參量中的一個(gè)。

作為本發(fā)明燃煤電廠鍋爐熱效率在線軟測量方法的一種改進(jìn)，對(duì)實(shí)測熱效率數(shù)據(jù)和特征參量歷史數(shù)據(jù)進(jìn)行預(yù)處理，包括：采用AF-DBSCAN聚類算法，剔除異常數(shù)據(jù)點(diǎn)；將采集時(shí)刻相距較近的數(shù)據(jù)作為同一時(shí)刻采集的數(shù)據(jù)；采用五點(diǎn)三次濾波法，進(jìn)行降噪處理。

作為本發(fā)明燃煤電廠鍋爐熱效率在線軟測量方法的一種改進(jìn)，在步驟S1之前，還包括：

S01、依據(jù)重要特征參量選取規(guī)則，從預(yù)處理的特征參量歷史數(shù)據(jù)中選取重要特征參量歷史數(shù)據(jù)作為訓(xùn)練集。

S02、根據(jù)訓(xùn)練集對(duì)RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。