[发明专利]基于最小二乘支持向量机燃烧模型的锅炉优化方法和装置

说明书

技术领域

本发明涉及发电机锅炉性能控制领域，特别是涉及基于最小二乘支持向量机燃烧模型的锅炉优化方法和装置。

背景技术

研究表明，锅炉具有很大的时变特性，随着时间的推移燃烧过程的学习模型将会出现较大误差，影响燃烧优化的性能。

燃烧优化是提升电站锅炉效率、降低污染物排放的重要手段。然而，目前的燃烧优化已经实现了锅炉效率和NOx排放多目标优化，多采用各种学习算法建立锅炉效率和NOx排放模型，再建立燃烧多目标优化的问题，并较多采用遗传算法、粒子群算法等智能搜索算法进行优化，获得燃烧锅炉的操控变量，如，风机开度。

由于锅炉具有时变特征，随着时间的推移以及锅炉运行工况变化，在线校正需要较长的计算时间，使得获得操控变量的过程复杂，发电站锅炉的性能调节实时性不高。（技术问题尽量不要写成是算法模型的缺陷，）

发明内容

本发明提出基于最小二乘支持向量机燃烧模型的锅炉优化方法和装置，可以降低发电站锅炉燃烧优化难度，提高优化的实时性。

采用的方案：

基于最小二乘支持向量机燃烧模型的锅炉优化方法，包括步骤：

S1、从历史运行数据获取训练样本集，所述训练样本集包括最小二乘支持向量机燃烧模型的输入量、实测输出量；

S2、根据所述训练样本集，获取最小二乘支持向量机燃烧模型的第一特征矩阵及其逆矩阵；

S3、从所述训练样本集中获取与校验样本最近的样本，记为参考样本，将所述第一特征矩阵的第i列与最后一列交换，以及将第i行与最后一行交换后得到第二特征矩阵H₁；

S4、根据公式计算所述第二特征矩阵的逆；其中，I为单位矩阵；H^-1为第一特征矩阵的逆；

S5、获取所述第二矩阵的分块参数；

S6、将所述参考样本替换为所述校验样本，获取最小二乘支持向量机燃烧模型的第三特征矩阵；

S7、根据所述分块参数及第二特征矩阵的逆矩阵计算第三特征矩阵的逆；

S8、根据所述第三特征矩阵和所述第三特征矩阵的逆矩阵，获取校正后的最小二乘支持向量机燃烧模型参数；

S9、将所述第三特征矩阵赋给所述第一特征矩阵，以及将所述第三特征矩阵的逆赋给所述第一特征矩阵的逆；

S10、利用校正后的最小二乘支持向量机燃烧模型获取锅炉燃烧效率；

S11、当所述锅炉燃烧效率大于预设值时，发出报警，并根据校正后的燃烧模型进行燃烧优化控制，返回步骤S3。

以及，基于最小二乘支持向量机燃烧模型的锅炉优化装置，包括：

第一获取单元，用于从运行数据中获取初始训练样本集；所述训练样本集包括最小二乘支持向量机燃烧模型的输入量、实测输出量；

第二获取单元，用于根据所述训练样本集，获取最小二乘支持向量机燃烧模型的第一特征矩阵；

第一矩阵交换单元，用于从训练样本集中获取与校验样本距离最近的样本，记为参考样本，将所述第一特征矩阵的第i列与最后一列交换，以及将第i行与最后一行交换后得到第二特征矩阵H₁；

第一计算单元，用于根据公式计算所述第二特征矩阵的逆；其中，I为单位矩阵；H^-1为第一特征矩阵的逆；

第三获取单元，用于获取所述第二矩阵的分块参数；

第四获取单元，用于将参考样本替换为校验样本，获取最小二乘支持向量机燃烧模型的第三特征矩阵；

第二计算单元，用于根据所述分块参数计算第三特征矩阵的逆；

第五获取单元，用于根据所述第三特征矩阵和所述第三特征矩阵的逆，获取校正后的最小二乘支持向量机燃烧模型参数；

赋值单元，用于将所述第三特征矩阵赋给所述第一特征矩阵，以及将所述第三特征矩阵的逆赋给所述第一特征矩阵的逆；

第三计算单元，利用校正后的最小二乘支持向量机燃烧模型预测锅炉燃烧效率；

优化控制单元，用于当所述锅炉燃烧效率大于预设值时，发出报警，并根据校正后的燃烧模型进行锅炉的燃烧优化控制。