[發明專利]一種基于氧量預測的煤質變化監測方法

有效

• 申請號: 202310417367.2
• 申請日: 2023-04-19
• 公開（公告）號: CN116189805B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 陽賽;南玉澤;王棟;黨海峰;夏建濤
• 申請（專利權）人: 北京全應科技有限公司
• 主分類號: G16C20/30
• 分類號: G16C20/30;G16C20/70;G16C20/90;G06F17/18
• 代理公司: 北京巨弘知識產權代理事務所(普通合伙) 11673
• 代理人: 張婧

本發明提供一種基于氧量預測的煤質變化監測方法，將歷史數據集特征變量進行差分得到數據集，并以部分變量為自變量、部分變量為因變量建立氧量回歸模型；獲得實時數據集，對數據集中的特征變量進行差分，利用氧量回歸模型進行氧量預測，得到預測氧量變化量、預測氧量、煤質變化量和相對熱值，運行人員根據煤質變化量和相對熱值進行機組運行狀態調整。本發明通過建立氧量回歸模型，再基于氧量模型進行氧量預測對入爐煤質變化進行監測，無需安裝其余設備，能夠在分鐘級別識別并量化煤質的變化，識別的準確性較高，有助于運行人員對煤質變化進行快速判斷并為運行人員的操作提供參考，以快速準確地調整機組運行狀態。

技術領域

本發明涉及計算、推算或計數技術領域，具體涉及一種基于氧量預測的煤質變化監測方法。

背景技術

受煤炭供應和價格的影響，不少循環流化床鍋爐會在運行過程中摻燒劣質煤種，導致入爐煤質變化較大，容易引起燃燒波動，如果能夠及時發現入爐煤質的變化就能盡早進行相應的調整穩定燃燒。

目前常用的煤質檢測技術主要包括：人工化驗、軟測量和煤質在線監測技術，其中人工化驗有很大的滯后性且耗時長，軟測量需要采集的信號多測量誤差大，設備成本高，煤質在線監測是指用X射線技術、近紅外光譜技術等實際檢測煤質，但是設備昂貴，可靠性也有待驗證。此外，還有通過建立神經網絡模型挖掘煤質與運行參數的關系識別煤質變化和使用數據融合算法利用多方面的運行參數反映煤質的變化，前者需要事先得到大量煤質的數據且可解釋不強，而后者只能定性地識別煤質正常和煤質變差兩種模式。

因此現有煤質變化監測的方法主要存在滯后性明顯、準確性不夠等問題。

發明內容

本發明是為了解決煤質變化監測滯后和準確性不夠的問題，提供一種基于氧量預測的煤質變化監測方法，通過建立氧量回歸模型，再基于氧量模型進行氧量預測對入爐煤質變化進行監測，無需安裝其余設備，能夠在分鐘級別識別并量化煤質的變化，識別的準確性較高，有助于運行人員對煤質變化進行快速判斷并為運行人員的操作提供參考，以快速準確地調整機組運行狀態。

本發明提供一種基于氧量預測的煤質變化監測方法，包括以下步驟：

S1、將歷史數據集data1中的特征變量進行差分得到數據集data2，以數據集data2中的部分變量為自變量、部分變量為因變量建立氧量回歸模型，歷史數據集data1包括時間戳，歷史數據集data1中的特征變量包括總風量、總給煤量和排煙氧含量，數據集data2中的特征變量包括：總風量變化量、總給煤變化量和排煙氧含量變化量，自變量為總風量變化量和總給煤變化量，因變量為排煙氧含量變化量；

S2、獲得數據集data，對數據集data中的特征變量進行差分得到數據集data’，利用氧量回歸模型進行氧量預測，得到預測氧量變化量和預測氧量，再基于預測氧量、排煙氧含量的差值得到煤質變化量和相對熱值，運行人員根據煤質變化量和相對熱值進行機組運行狀態調整，基于氧量預測的煤質變化監測方法完成。

本發明所述的一種基于氧量預測的煤質變化監測方法，作為優選方式，步驟S1和步驟S2中，差分的方法為：

?i≥1；

其中，x為歷史數據集data1、數據集data中除時間戳

外的所有特征變量。

本發明所述的一種基于氧量預測的煤質變化監測方法，作為優選方式，氧量回歸模型的建立方法為利用機器學習一次多項式算法建立回歸模型；

多項式回歸方程為：

；

其中：和為模型擬合系數，為服從標準正態分布的隨機誤差項。

本發明所述的一種基于氧量預測的煤質變化監測方法，作為優選方式，步驟S2包括以下步驟：