[發明專利]一種城市生活垃圾焚燒過程二次風量智能設定方法

有效

• 申請號: 202110444812.5
• 申請日: 2021-04-24
• 公開（公告）號: CN113154404B
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 嚴愛軍;李佳璇;郭益東
• 申請（專利權）人: 北京工業大學
• 主分類號: F23G5/50
• 分類號: F23G5/50;F23L9/00;G06N3/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

1.一種城市生活垃圾焚燒過程二次風量智能設定方法，其特征在于：具體包括如下步驟：(1)根據城市生活焚燒過程的歷史數據建立設定案例庫；將特征變量二次空氣加熱器出口溫度(x₁)、一燃室煙氣溫度均值(x₂)、二燃室煙氣溫度均值(x₃)、鍋爐出口主蒸汽流量(x₄)、和一次風量(x₅)和評價指標當時工況下二次風量實際值y經過歸一化處理后表示成特征向量形式，形成n條源案例，存儲于設定案例庫中；記每條源案例為C_k，表示為如下形式：

C_k＝(x_k,y_k),k＝1,2,3,...,n (1)

其中，n為源案例總數；C_k為第k個源案例，x_k為第k個源案例歸一化的特征變量輸入；

y_k為對應歸一化的二次風量實際值；x_k可表示為：

x_k＝(x_1,k,x_2,k,x_3,k,x_4,k,x_5,k) (2)

設當前工況歸一化的特征變量輸入為x_n+1，如下所示：

x_n+1＝(x_1,n+1,x_2,n+1,x_3,n+1,x_4,n+1,x_5,n+1) (3)

(2)參數初始化；令最大迭代次數MaxGeneration，權重上限wu，權重下限wl，布谷鳥算法中淘汰概率Pa；

(3)基于黑洞布谷鳥算法分配特征權重，整個算法實現分為三個階段，第一階段，選取適應度函數；第二階段，采用CS算法優化特征權重，分為Levy飛行與以Pa概率淘汰特征權重兩部分；第三階段，加入BH算法繼續優化特征權重；

第一階段：選取適應度函數，將二次風量CBR設定模型的均方根誤差(root meansquare error,RMSE)作為適應度函數，表示如下：

其中，y_k是第k個案例的二次風量真實值；是第k個案例的二次風量設定值；

第二階段：Levy飛行與以Pa概率淘汰特征權重

a)Levy飛行是一種隨機游走機制，基于Levy飛行的隨機更新特征權重表示如下：

其中，Ω_i^(t)和Ω_i^(t+1)分別是第t代和第t+1代特征權重；N是種群空間特征權重組數；是步長因子；⊕是點乘；Levy(λ)是Levy飛行得到的隨機數；和Levy(λ)的表示如下：

其中，是一個常數，值為0.01；Ω_best是當代最優特征權重；

Levy(λ)～μ＝t^-λ,(1λ≤3) (7)

其中，u,v是標準正態分布的隨機數，即出現的幾率滿足正態分布，越靠近中間的數字幾率越大，越出現在兩邊幾率越小；β是區間(1,2)上的一個常數，通常取1.5；表示如下：

其中，Г是伽馬函數；

b)以Pa概率隨機產生特征權重

重新計算特征權重適應度，評估出最優特征權重，即如果Levy飛行后產生的特征權重的適應度更小，則用Levy飛行后的特征權重代替之前的特征權重，再根據概率Pa在權重種群空間檢測出一組最差的特征權重，即產生一個隨機數r，若rPa,代表當前特征權重差，將其淘汰并隨機產生新的一組特征權重，反之不變，Pa常取值為0.5，此時特征權重更新方式表示如下：

i＝1,2,3,...,N

其中，Ω_j^(t)，Ω_k^(t)是第t代的兩組隨機的特征權重；N是種群空間特征權重組數；r是(0,1)區間均勻分布的隨機數；

第三階段：加入BH算法繼續優化特征權重

將特征權重最優解作為黑洞，采用BH算法更新策略繼續優化特征權重，此時特征權重更新表示如下：

其中，rand()是(0,1)區間均勻分布的隨機數；Ω_BH是黑洞的位置；

定義黑洞的半徑如下：

其中，f_BH為黑洞適應度值；f_i為第i組特征權重適應度值；

在迭代過程中，如果特征權重移動到黑洞半徑r_BH之內，即特征權重與黑洞的距離d小于黑洞半徑r_BH，特征權重將被黑洞吸收，同時，當一組特征權重被黑洞吸收而消失后，為了保證特征權重的數量不變，必須在權重種群空間隨機生成一組新的特征權重，特征權重與黑洞的吸收機制表示如下：

其中，Ω_l^(t)是第t代的一組隨機特征權重；Ω_s^(t)是第t代的另一組隨機特征權重；rand()是(0,1)區間均勻分布的隨機數；d是特征權重與黑洞的距離；r_BH是黑洞的半徑；

BH-CS算法在CS算法的基礎上加入BH算法繼續優化特征權重，不斷評估出當代權重種群空間中最優特征權重，直到滿足最大迭代次數，獲得全局最優特征權重；

(4)通過案例檢索模型得到3個相似案例的解；計算當前工況歸一化后特征變量的輸入x_n+1與歷史工況特征變量的輸入x_k的相似度S_k，距離越小越相似，相似度越大，表示工況越相似，下式為計算目標案例x_n+1與源案例x_k的相似度S_k：

其中，ω_p是第p個特征變量的權重，x_p,k是歷史工況第k個源案例第p個特征權重的輸入；x_p,n+1是當前工況第p個特征權重的輸入；

滿足以下約束條件：

比較S_k的大小，檢索出3個相似案例；

(5)通過案例重用求取K個相似案例解的平均值，從而得到目標案例解的設定值；

(6)將目標案例與設定值構成一條案例存儲至設定數據庫中，供下次優化設定求解；

(7)重復步驟(3)～步驟(6)，以實現城市生活垃圾焚燒過程二次風量的設定過程。