[發(fā)明專利]一種旋風(fēng)分離器進(jìn)口處NOx濃度測(cè)量修正及預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110665159.5
• 申請(qǐng)日: 2021-06-16
• 公開(kāi)（公告）號(hào): CN113380338B
• 公開(kāi)（公告）日: 2022-06-10
• 發(fā)明（設(shè)計(jì)）人: 楊永明;曲曉峰;苗東旭;王達(dá)夢(mèng);翟俊鵬;王克劍;趙明;毛靜軒;姜漫利;宋為平
• 申請(qǐng)（專利權(quán)）人: 哈電發(fā)電設(shè)備國(guó)家工程研究中心有限公司
• 主分類號(hào): G16C20/30
• 分類號(hào): G16C20/30;G16C20/70;G06K9/62;F23C10/18;F23C10/28;F23C10/08;F23J15/00
• 代理公司: 哈爾濱市偉晨專利代理事務(wù)所(普通合伙) 23209
• 代理人: 李曉敏

1.一種旋風(fēng)分離器進(jìn)口處NOx濃度測(cè)量修正及預(yù)測(cè)方法，其特征在于，具體步驟如下：

步驟1、進(jìn)行循環(huán)流化床機(jī)組旋風(fēng)分離器進(jìn)口處CEMS儀表反吹試驗(yàn)，利用反吹信號(hào)結(jié)束與NOx濃度回升的時(shí)間差來(lái)確定基本的CEMS儀表測(cè)量滯后時(shí)間；

步驟2、從循環(huán)流化床機(jī)組運(yùn)行機(jī)理角度分析，選取影響循環(huán)流化床機(jī)組旋風(fēng)分離器進(jìn)口處NOx生成量的相關(guān)特征變量，特征變量包括旋風(fēng)分離器進(jìn)口處NOx濃度CEMS儀表顯示值；

步驟3、從電廠的數(shù)據(jù)存儲(chǔ)系統(tǒng)中采集步驟2中相關(guān)特征變量數(shù)據(jù)，并對(duì)采集的數(shù)據(jù)進(jìn)行移動(dòng)窗口高斯平滑濾波處理；

步驟4、將步驟2中的特征變量作為輸入變量，分析輸入變量與輸出變量旋風(fēng)分離器進(jìn)口處NOx濃度之間的關(guān)系，刪除相關(guān)性較小的變量；再分析步驟2中的特征變量參數(shù)之間的相關(guān)性，分?jǐn)傂畔⑷哂嗟奶卣髯兞浚瑥亩瓿商卣髯兞康倪x取；

在步驟4中，采用改進(jìn)型的最大信息系數(shù)MIC與冗余分?jǐn)偛呗裕嚓P(guān)性測(cè)度與冗余性測(cè)度均以MIC度量，實(shí)現(xiàn)自動(dòng)終止特征引入過(guò)程；

假設(shè)步驟2中的特征變量集合為P＝{X₁,X₂,…,X_i,…,X_m}，Y代表旋風(fēng)分離器進(jìn)口處NOx濃度；針對(duì)兩個(gè)變量(X_i,Y)之間的相關(guān)關(guān)系，兩個(gè)變量(X_i,X_j)之間的冗余關(guān)系，以兩個(gè)變量(X_i,Y)之間的相關(guān)關(guān)系為例，MIC計(jì)算步驟如下：

1)給定網(wǎng)格區(qū)間數(shù)，對(duì)由(X_i,Y)構(gòu)成的二維空間散點(diǎn)圖按照不同的劃分方案進(jìn)行劃分，求出其中最大的互信息值；

2)將步驟1)中最大互信息值除以log(min(X_i,Y))進(jìn)行歸一化；

3)改變網(wǎng)格區(qū)間數(shù)，重新計(jì)算1)、2)，選取不同尺度下互信息的最大值作為MIC值；

式中，B(n)是數(shù)據(jù)樣本數(shù)n的函數(shù)，I(D,X_i,Y)是指落入網(wǎng)格區(qū)域D的最大的互信息值；

假定集合N表示已引入的特征集，經(jīng)冗余分?jǐn)傊螅螻中全部特征總得分為：

當(dāng)集合N引入一個(gè)新的特征時(shí)，特征選擇終止的標(biāo)準(zhǔn)為：

步驟5、步驟4中選擇出的特征變量的響應(yīng)具有時(shí)序性，采用小波分析法確定各個(gè)特征變量之間與旋風(fēng)分離器進(jìn)口處NOx的響應(yīng)時(shí)間差；

步驟6、依據(jù)機(jī)組負(fù)荷大小、以及風(fēng)煤比升降趨勢(shì)進(jìn)行循環(huán)流化床機(jī)組運(yùn)行工況多重聚類劃分；

在步驟6中，所述的依據(jù)機(jī)組所處的負(fù)荷大小、以及風(fēng)煤比升降進(jìn)行循環(huán)流化床機(jī)組運(yùn)行工況劃分；工況劃分具體聚類步驟如下：

步驟601：利用k均值聚類算法方法基于給煤量進(jìn)行外層第一步聚類，確定不同類別的聚類中心；K-means算法采用距離作為相似性評(píng)價(jià)指標(biāo)進(jìn)行劃分，首先從指標(biāo)的數(shù)據(jù)樣本中隨機(jī)選用k個(gè)點(diǎn)作為初始的聚類中心，其次計(jì)算并比較樣本點(diǎn)到k個(gè)聚類中心點(diǎn)的距離，把樣本點(diǎn)劃分到距離最近的聚類中心所在的簇；計(jì)算每一次分類后形成的簇中樣本數(shù)據(jù)的平均值作為新的聚類中心，不斷重復(fù)這個(gè)過(guò)程，直至準(zhǔn)則函數(shù)收斂；

式中：SSE是數(shù)據(jù)庫(kù)中所有對(duì)象的平方誤差的總和，S_i是第i類，x_j是第i類的樣本點(diǎn)，m_i為各類聚類子集的聚類中心；

在K-means聚類中，聚類數(shù)k值確定采用“手肘法”，肘部對(duì)應(yīng)的k值為給煤量的最佳聚類數(shù)；

步驟602：依據(jù)風(fēng)煤比對(duì)步驟601數(shù)據(jù)組進(jìn)行進(jìn)一步聚類；采用每個(gè)回溯時(shí)間段內(nèi)風(fēng)煤比之間的余弦相似度為數(shù)學(xué)上的聚類指標(biāo)，余弦相似度是計(jì)算兩個(gè)高維向量之間的方向夾角，以此分析兩個(gè)向量變化趨勢(shì)的相似度，計(jì)算公式如下：

式中：cos(x,y)為夾角余弦相似度，dot(x,y)表示水平向量與每個(gè)回溯時(shí)間段內(nèi)風(fēng)煤比實(shí)際運(yùn)行向量的內(nèi)積，|| ||表示向量的二范數(shù)；

根據(jù)風(fēng)煤比的余弦相似度，采用模糊C均值聚類方法進(jìn)行聚類；

模糊C均值聚類方法先隨機(jī)指定每個(gè)數(shù)據(jù)到各個(gè)簇的隸屬度，然后根據(jù)隸屬度計(jì)算每一個(gè)簇的質(zhì)心，接著進(jìn)行更新隸屬度矩陣，直到質(zhì)心不變化，并采用Silhouette聚類有效價(jià)函數(shù)確定最佳聚類數(shù)；

式中，a表示第i個(gè)點(diǎn)與同類其他點(diǎn)之間的平均距離，b為代表一個(gè)向量，其元素是第i個(gè)點(diǎn)與不同類之間的類內(nèi)點(diǎn)之間的距離；輪廓值S(i)的取值范圍是[-1,1]，S(i)值越大，說(shuō)明第i個(gè)點(diǎn)的分類越合理；依據(jù)繪制好的不同聚類數(shù)下的Silhouette的輪廓圖，選擇輪廓圖最優(yōu)時(shí)對(duì)應(yīng)的k值為最佳聚類數(shù)；

步驟7、建立不同工況下的循環(huán)流化床機(jī)組旋風(fēng)分離器進(jìn)口處NOx生成濃度的預(yù)測(cè)模型；

步驟8、對(duì)預(yù)測(cè)模型進(jìn)行K-FOLD交叉驗(yàn)證，確定出最優(yōu)精度模型；

步驟9、依據(jù)當(dāng)前以及回溯時(shí)間數(shù)據(jù)，完成對(duì)循環(huán)流化床機(jī)組SNCR脫硝旋風(fēng)分離器進(jìn)口處NOx濃度測(cè)量的修正及預(yù)測(cè)。