[發明專利]一種基于PSO算法的鍋爐結渣程度預測方法及相關裝置

在審

• 申請號: 202210583224.4
• 申請日: 2022-05-26
• 公開（公告）號: CN114912697A
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 李德波;陳智豪;陳兆立
• 申請（專利權）人: 南方電網電力科技股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06N3/04;G06N3/08;G06N3/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 劉曉娟

本申請公開了一種基于PSO算法的鍋爐結渣程度預測方法及相關裝置，方法包括：基于預置PSO算法，根據鍋爐結渣訓練數據集對初始模糊神經網絡模型進行網絡參數優化訓練，得到優化預測模型，預置PSO算法包括非線性慣性權重；通過預設隸屬度函數根據結渣相關數據進行結渣程度劃分，得到結渣隸屬度值，結渣相關數據包括硅鋁比、軟化溫度、硅比、酸堿比、綜合指數和無因次爐膛最高溫度；將結渣隸屬度值輸入優化預測模型中進行結渣預測，得到結渣預測結果。本申請提供了一種基于高效可行的鍋爐結渣程度預測技術方案，緩解了鍋爐積灰結渣較嚴重的技術問題。

技術領域

本申請涉及燃煤鍋爐技術領域，尤其涉及一種基于PSO算法的鍋爐結渣程度預測方法及相關裝置。

背景技術

目前，煤炭能源在我國能源構架中仍占據接近60％，其主導地位在未來較長的一段時間內很難改變，并且我國用于發電、工業生產和生活取暖等方面的鍋爐燃煤消耗量要占到燃煤總開采量的50％以上，而我國燃煤電廠動力用煤主要以含灰量較多的劣質煤為主，這使得燃煤電廠鍋爐受熱面的積灰結渣問題尤為嚴重，進一步制約了我國現役和未來燃煤電廠深度調峰的發展。近年來，隨著燃煤電廠鍋爐容量的增加以及燃煤機組調峰角色的轉變，燃煤電廠鍋爐積灰結渣問題尤為明顯。

發明內容

本申請提供了一種基于PSO算法的鍋爐結渣程度預測方法及相關裝置，用于提供一種基于高效可行的鍋爐結渣程度預測技術方案，緩解鍋爐積灰結渣較嚴重的技術問題。

有鑒于此，本申請第一方面提供了一種基于PSO算法的鍋爐結渣程度預測方法，包括：

基于預置PSO算法，根據鍋爐結渣訓練數據集對初始模糊神經網絡模型進行網絡參數優化訓練，得到優化預測模型，所述預置PSO算法包括非線性慣性權重；

通過預設隸屬度函數根據結渣相關數據進行結渣程度劃分，得到結渣隸屬度值，所述結渣相關數據包括硅鋁比、軟化溫度、硅比、酸堿比、綜合指數和無因次爐膛最高溫度；

將所述結渣隸屬度值輸入所述優化預測模型中進行結渣預測，得到結渣預測結果。

優選地，所述基于預置PSO算法，根據鍋爐結渣訓練數據集對初始模糊神經網絡模型進行網絡參數優化訓練，得到優化預測模型，包括：

初始化粒子群相關參數，所述粒子群相關參數包括初始粒子群速度和初始粒子群位置；

將所述鍋爐結渣訓練數據集的均方誤差作為預置PSO算法的適應度函數，并計算得到初始適應度值；

基于非線性慣性權重調整所述初始粒子群速度和初始粒子群位置，得到更新粒子群速度和更新粒子群位置；

根據基于所述更新粒子群速度和所述更新粒子群位置優化的預置PSO算法對初始模糊神經網絡模型進行網絡參數迭代優化訓練，得到優化預測模型。

優選地，所述非線性慣性權重表達為：

其中，w_min為非線性慣性權重最小值，w_max為非線性慣性權重最大值，t為當前迭代次數，t_max為最大迭代次數，a，b均為調整參數。

優選地，所述將所述結渣隸屬度值輸入所述優化預測模型中進行結渣預測，得到結渣預測結果，之后還包括：

根據所述結渣預測結果對燃煤電廠鍋爐容量和燃煤機組方案進行優化。

本申請第二方面提供了一種基于PSO算法的鍋爐結渣程度預測裝置，包括：

優化訓練模塊，用于基于預置PSO算法，根據鍋爐結渣訓練數據集對初始模糊神經網絡模型進行網絡參數優化訓練，得到優化預測模型，所述預置PSO算法包括非線性慣性權重；