[发明专利]电站锅炉煤粉浓度质量流量软测量方法

说明书

技术领域

本发明涉及一种锅炉测量与信号处理，特别涉及一种电站锅炉煤粉浓度质量流量软测量方法。

背景技术

电站锅炉燃烧过程中对煤粉浓度的动态监测对于锅炉安全正常运行至关重要。风粉混合物属于气固两相流动。质量流量是描述气固两相流流动过程的一个重要流动参数。气固两相流流量的非接触式测量方法主要有热学法、电学法、衰减法、层析成像法和共振法等。

静电法是电学法的一种。其测量的基本原理是煤在破碎过程和输送过程中，煤粉粒子之间的相互碰撞、磨擦、分离，将带有一定量的电荷并产生一定的电荷场，通过特制的感应传感器时，在传感器表面产生等量感应电荷，大量带电煤粉在传感器附近的移动，可以产生感应电流，感应电流的大小与煤粉量成正比关系。

由于粉体颗粒静电化过程复杂，带电量的大小和符号不仅与颗粒本身的属性有关，而且与管道的材料和布置、颗粒在管道中的输送条件等有关，因此静电传感器给出的仅仅是颗粒流量的相对值，定量建立颗粒质量流量、浓度与颗粒静电量之间的机理模型尚需深入的理论与试验研究。另外，煤粉气固两相流动过程中呈现出的不同流型也是影响静电传感器应用的一个重要因素，多数多相流量计都存在灵敏度分布不均匀性问题。静电传感器的输出信号是非常复杂的随机信号，含丰富的流动参数信息。其输出信号的特征集与流量间并不存在确定的函数关系，信号集与质量流量之间是一个复杂的非线性映射。影响煤粉颗粒静电因素较多，且气固两相管流截面上存在颗粒浓度分布曲线以及静电传感器的非线性传感器机理，单纯地从静电传感器输出信号的有效值，不能准确获得颗粒质量流量绝对测量值，只能给出相对指示值。

近些年发展起来的软测量技术为复杂工业过程中难于用传统仪表直接测量的参数，提供了一种有效的解决方法。软测量技术也是未来多相流测试领域的一个重要发展方向。目前，对于软测量模型大都基于单一模型进行建模，即对自变量区间(辅助变量)采用单一的函数关系拟合输出，而未考虑数据组之间的联系和差异，因此在有限的数据基础上，建立的模型精度较低、鲁棒性差。

软测量模型是软测量技术的核心，其强调的是通过辅助变量来获得对主导变量的最佳估计。建模方法主要有机理建模、同归分析、状态估计、模式识别、人工神经网络、模糊数学、过程层析成像、相关分析和现代非线性信息处理技术。

发明内容

本发明是针对现有电站锅炉煤粉浓度质量流量测量的精度低的问题，提出了一种电站锅炉煤粉浓度质量流量软测量方法，利用模糊数学，提出了基于分解合成的多模型加权平均的固相质量流量非线性软测量模型，可有效地减小了流型对多相流流量计测量精度的影响，提高了浓度测量准确性；基于静电传感技术和模糊规则的软测量模型，可推广到其他检测原理的多相流参数测量上，系统结构简单，易于实现。

本发明的技术方案为：一种电站锅炉煤粉浓度质量流量软测量方法，包括如下步骤：

1)测量信号预处理：通过静电传感器获得测量数据，经降噪、滤波后，采用动态时窗模型，对测量数据进行平滑预处理；

2)提取静电传感器输出信号特征量：在时域和频域内对静电传感器输出信号提取特征量，时域内静电传感器输出信号提取有效值、均值、方差、偏度系数，频域内提取熵和形状因子；

3)建立基于模糊规则的质量流量非线性软测量模型：建立一个多输入单输出的非线性系统模型，模糊规则的输入向量为静电传感器输出信号的特征向量；

4)模型参数辨识过程：利用模糊聚类算法将输入数据进行空间分区，根据一组训练数据来确定模型中的参数；

5)局部子模型辨识：每一区间上用径向基函数(RBF)神经网络辨识出一个子模型，再利用模糊推理将各子模型输出加权求和得到颗粒质量流量的估计值。

所述步骤2)中的信号特征量选取时以对流动参数变化敏感为原则，确保能够反映两相流的流动特性。

所述步骤5)中的径向基函数神经网络以函数逼近理论为基础而构造一类前向学习网络，通过对各种标准信号的处理和学习，将处理和学习过程以权值和阈值模式集中存储和记忆在网络中，在多维空间中寻找训练数据的最佳拟合平面，从而实现信号特征到质量流量的非线性映射，实现了煤粉颗粒质量流量的测量。

本发明的有益效果在于：本发明电站锅炉煤粉浓度质量流量软测量方法，给出颗粒质量流量绝对值的同时，也有效地将流型的影响融合到软测量模型中，提高了测量精度。

附图说明

图1是本发明电站锅炉煤粉浓度质量流量软测量方法中时窗函数模型示意图；