[发明专利]一种基于改进支持向量机的锅炉飞灰含碳量软测量方法

说明书

技术领域

本发明涉及一种锅炉飞灰含碳量的测量方法，尤其是涉及一种基于改进支持向量机的飞灰含碳量软测量方法。

背景技术

锅炉是火力发电厂的燃烧设备，锅炉运行的安全性和经济性在很大程度上决定整个火电厂运作的安全性和经济性。锅炉烟气中的碳含量是锅炉运行好坏的判断依据和降低煤炭消耗的重要指标，是锅炉燃烧优劣的评判依据。锅炉飞灰含碳量的实时监测有利于及时调整燃烧工况，提高锅炉燃烧控制水平，从而降低发电成本，提高机组的经济性。如果能实现锅炉飞灰含碳量在线测量，操作人员可以随时调整运行模式，将锅炉飞灰中的碳含量控制在最佳范围内，从而尽量提高燃烧效率，提高机组运行水平，对提高电厂经济效益具有现实意义。

影响锅炉飞灰含碳量的因素较复杂，预测和控制都很困难。针对锅炉飞灰含碳量的诸多影响因素耦合性强、非线性强的特点，科研人员提出基于支持向量机的锅炉飞灰含碳量软测量方法，对锅炉飞灰含碳量特性进行建模预测。为解决支持向量机受学习参数影响严重的问题，有人提出了结合寻优算法的支持向量建模，采用大范围遍历搜索算法进行参数寻优，此法需消耗大量时间，不适合在线建模；有人提出基于最小二乘的支持向量建模，将优化问题转化为线性方程的求解，其收敛速度快，但正规化参数集和核参数集的确定暂无明确的方法，受人为因素影响较大。现有的这些改进支持向量机建模法都没有明确地提出惩罚系数和核参数的确定方法，严重受人为因素的影响，很难保证模型测量精度。

发明内容

本发明所要解决的技术问题，就是提供一种基于改进支持向量机的锅炉飞灰含碳量软测量方法，可实现实时测量锅炉飞灰中的碳含量，同时还具有精度高、泛化能力好等优点。

解决上述技术问题，本发明采用如下技术方案：

一种基于改进支持向量机的锅炉飞灰含碳量软测量方法，包括以下步骤：

阶段一：模型建立阶段

Step1、获取辅助变量和主导变量过去6小时的历史数据，分别对辅助变量和主导变量数据进行误差和归一化预处理，将处理过的数据作为训练集数据；

Step2、采用粒子群算法对训练集数据进行训练，寻找支持向量机的最优参数；

Step3、利用最优参数以及经过预处理的辅助变量和主导变量数据，采用支持向量机法建立锅炉飞灰含碳量软测量模型，同时可以得到模型的支持向量集；

Step4、若时间为整点，执行Step5，否则执行Step7；

Step5、获取辅助变量和主导变量过去1小时的历史数据，分别对辅助变量和主导变量数据进行误差处理和归一化处理；

Step6、将Step5所得数据与Step3所得支持向量集组合，作为新的训练集，返回Step2；

阶段二：飞灰含碳量测量阶段

Step7、在线实时获取各辅助变量数据，对各辅助变量进行误差和归一化预处理；

Step8、将Step7得到的数据输入步骤Step3得到的锅炉飞灰含碳量软测量模型，对模型输出值进行反归一化处理，得到锅炉飞灰含碳量值并输出。

所述的Step1中的辅助变量包含：总燃料量、总风量、烟气含氧量3个参数，给煤率5个参数，磨煤机通风量6个参数，燃烧器摆角，燃尽风挡板开度，二次风门开度(AA~EF)6个参数共24个参数；主导变量为锅炉飞灰含碳量。

所述的Step1中的误差处理包括粗大误差和随机误差的处理。

粗大误差的处理遵循拉依达准则，其数学方法表述如下：

设样本数据为y₁,y₂,…,y_n，平均值为偏差为(i＝1,2,…,n)，按照Bessel公式计算出标准偏差：