[发明专利]循环流化床锅炉过量空气系数预测系统及方法

权利要求书

1.一种循环流化床锅炉过量空气系数预测系统，其特征在于，包括与循环流化床锅炉连接的现场智能仪表、数据库、数据接口、控制站以及上位机；现场智能仪表与控制站、数据库和上位机连接，所述的上位机包括：

标准化处理模块，用于从数据库中采集运行工况变量和操作变量的历史记录，组成自变量的训练样本矩阵X，采集对应的过量空气系数信号的历史记录，组成因变量训练样本向量Y，对训练样本X、Y进行标准化处理，使各变量的均值为0，方差为1，得到标准化后自变量训练样本矩阵X^*(n×p)、标准化后因变量训练样本向量Y^*(n×1)，采用以下过程来完成：

1.1）求均值：

x‾j=1nΣi=1nxij,(i=1,2,···,n;j=1,2,···,p)---(1)]]>

y‾=1nΣi=1nyi,(i=1,2,···,n)---(2)]]>

1.2）求标准差

sx,j=1nΣi=1n(xij-x‾j)2,(i=1,2,···,n;j=1,2,···,p)---(3)]]>

sy=1nΣi=1n(yi-y‾)2,(i=1,2,···,n)---(4)]]>

1.3）标准化

xij*=xij-x‾jsx,j,(i=1,2,···,n;j=1,2,···,p)---(5)]]>

yi*=yi-y‾sy,(i=1,2,···,n)---(6)]]>

其中，x_ij、y_i为训练样本点的原值，n为训练样本个数，p为自变量个数，为训练样本的均值，s_x,j、s_y为训练样本的标准差，为训练样本点的标准化值，其中下标i、j分别表示第i个训练样本点、第j个自变量；

预测机制形成模块，用于建立预测模型，其实现步骤如下：

2.1）令初始自变量残差阵E₀=X^*；

2.2）令因变量初始残差向量F₀=Y^*；

2.3）令初始成分数h=1；

2.4）依次按以下各式求解：

wh=Eh-1TFh-1||Eh-1TFh-1||---(7)]]>

t_h=E_h-1w_h    （8）

rh=Fh-1Tth||th||2---(9)]]>

ph=Eh-1Tth||th||2---(10)]]>

wh*=Πj=1h-1(I-wjpjT)wh---(11)]]>

Eh=Eh-1-thphT---(12)]]>

F_h=F_h-1-t_hr_h    （13）

β=r1w1*+r2w2*+···+rhwh*---(14)]]>

其中，w_h是第h个成分的轴向量，t_h是第h个成分，r_h是中间过程系数，p_h、是中间过程向量，E_h是自变量的第h个残差阵，F_h是因变量的第h个残差阵，β是因变量的预测系数向量，上标T表示矩阵的转置，下标h、h-1分别表示含下标的物理量所对应的成分序号为h、h-1；

2.5）从数据库中读取测试样本，按（15）、（16）式进行无量纲化处理：

xij*′=xij′-x‾jsx,j,(i=1,2,···,m;j=1,2,···,p)---(15)]]>

yi*′=yi′-y‾sy,(i=1,2,···,m)---(16)]]>

其中，x_ij'、y_i'是测试样本点的原值，是测试样本点的无量纲化值，m为测试样本个数；

2.6）求因变量的预测值：

y^i*′=(xi1*′,xi2*′,...,xip*′)β---(17)]]>

其中，是因变量测试样本点的无量纲化预测值；

2.7）求当前预测误差：

SSS,h′=Σi=1m(yi′-y^i′)2---(18)]]>

其中，S_SS,h'为残差平方和；

2.8）如果h=1，令h=2，返回2.4），否则转2.9）；

2.9）求判别系数当P_h≥0.02时，认为引进第h个成分可以明显改善预测能力，令h=h+1，返回2.4），否则令h=h-1，转2.10）；

2.10）将预测系数向量β传递并存储到预测执行模块；

预测执行模块，用于根据循环流化床锅炉的运行工况和设定的操作变量预测过量空气系数，其实现步骤如下：

3.1）将输入的自变量信号按（19）式处理：

x(t)j*=x(t)j-x‾jsx,j,(j=1,2,···,p)---(19)]]>

其中，x(t)_j为t时刻第j个自变量原值，为第j个自变量训练样本的均值，s_x,j为第j个自变量训练样本的标准差，为t时刻第j个自变量无量纲化值，t表示时间、单位为秒；

3.2）按下式求过量空气系数的无量纲化预测值：

y^(t)*=x(t)1*x(t)2*...x(t)p*β---(20)]]>

其中，为t时刻过量空气系数的无量纲化预测值；

3.3）按下式求过量空气系数的原量纲预测值：

y^(t)=y^(t)*·sy+y‾---(21)]]>

其中，为t时刻过量空气系数的原量纲预测值；

所述的上位机还包括：模型更新模块，用于按设定的时间间隔将实际的过量空气系数与预测值比较，如果相对误差大于10%，则将新数据加入训练样本数据，重新执行标准化处理模块与预测机制形成模块；

信号采集模块，用于按设定的采样时间间隔，从现场智能仪表采集实时数据，以及从数据库中采集历史数据；

结果显示模块，用于从控制站读取设置参数，并将过量空气系数预测值传给控制站进行显示，并给出操作建议：在当前的工况下，操作变量如何调整最有利于将过量空气系数控制在最佳值，以便控制站工作人员，根据过量空气系数预测值和操作建议，及时调整操作条件，将过量空气系数控制在最佳值，提高锅炉运行效率；其中，操作变量如何调整最有利于将过量空气系数控制在最佳值，一个简便方法是将操作变量的多种组合值，代入过量空气系数预测系统，得到相应的过量空气系数预测值，从而非常直观地通过比较大小得到；

所述自变量包括：运行工况变量：主蒸汽流量、环境温度、给水温度、炉膛负压、床压、燃煤水分、燃煤挥发分、燃煤灰分、燃煤硫分；操作变量：一次风总风量、二次风总风量；

所述过量空气系数实际值由（22）式得到：

αpy=2121-O2---(22)]]>

其中，α_py为过量空气系数，O₂为烟气含氧百分数（%）。

2.一种用权利要求1所述的循环流化床锅炉过量空气系数预测系统实现的过量空气系数预测方法，其特征在于，所述的预测方法包括以下步骤：

1）从数据库中采集运行工况变量和操作变量的历史记录，组成自变量的训练样本矩阵X，采集对应的过量空气系数信号的历史记录，组成因变量训练样本向量Y，对训练样本X、Y进行标准化处理，使各变量的均值为0，方差为1，得到标准化后自变量训练样本矩阵X^*(n×p)、标准化后因变量训练样本向量Y^*(n×1)，采用以下过程来完成：

1.1）求均值：

x‾j=1nΣi=1nxij,(i=1,2,···,n;j=1,2,···,p)---(1)]]>

y‾=1nΣi=1nyi,(i=1,2,···,n)---(2)]]>

1.2）求标准差

sx,j=1nΣi=1n(xij-x‾j)2,(i=1,2,···,n;j=1,2,···,p)---(3)]]>

sy=1nΣi=1n(yi-y‾)2,(i=1,2,···,n)---(4)]]>

1.3）标准化

xij*=xij-x‾jsx,j,(i=1,2,···,n;j=1,2,···,p)---(5)]]>

yi*=yi-y‾sy,(i=1,2,···,n)---(6)]]>

其中，x_ij、y_i为训练样本点的原值，n为训练样本个数，p为自变量个数，为训练样本的均值，s_x,j、s_y为训练样本的标准差，为训练样本点的标准化值，其中下标i、j分别表示第i个训练样本点、第j个自变量；

2）将得到的标准化训练样本通过以下过程建立预测模型：

2.1）令初始自变量残差阵E₀=X^*；

2.2）令因变量初始残差向量F₀=Y^*；

2.3）令初始成分数h=1；

2.4）依次按以下各式求解：

wh=Eh-1TFh-1||Eh-1TFh-1||---(7)]]>

t_h=E_h-1w_h    （8）

rh=Fh-1Tth||th||2---(9)]]>

ph=Eh-1Tth||th||2---(10)]]>

wh*=Πj=1h-1(I-wjpjT)wh---(11)]]>

Eh=Eh-1-thphT---(12)]]>

F_h=F_h-1-t_hr_h    （13）

β=r1w1*+r2w2*+···+rhwh*---(14)]]>

其中，w_h是第h个成分的轴向量，t_h是第h个成分，r_h是中间过程系数，p_h、是中间过程向量，E_h是自变量的第h个残差阵，F_h是因变量的第h个残差阵，β是因变量的预测系数向量，上标T表示矩阵的转置，下标h、h-1分别表示含下标的物理量所对应的成分序号为h、h-1；

2.5）从数据库中读取测试样本，按（15）、（16）式进行无量纲化处理：

xij*′=xij′-x‾jsx,j,(i=1,2,···,m;j=1,2,···,p)---(15)]]>

yi*′=yi′-y‾sy,(i=1,2,···,m)---(16)]]>

其中，x_ij'、y_i'是测试样本点的原值，是测试样本点的无量纲化值，m为测试样本个数；

2.6）求因变量的预测值：

y^i*′=(xi1*′,xi2*′,...,xip*′)β---(17)]]>

其中，是因变量测试样本点的无量纲化预测值；

2.7）求当前预测误差：

SSS,h′=Σi=1m(yi′-y^i′)2---(18)]]>

其中，S_SS,h'为残差平方和；

2.8）如果h=1，令h=2，返回2.4），否则转2.9）；

2.9）求判别系数当P_h≥0.02时，认为引进第h个成分可以明显改善预测能力，令h=h+1，返回2.4），否则令h=h-1，转2.10）；

2.10）保存最后得到的预测系数向量β；

3）将循环流化床锅炉的运行工况变量和设定的操作变量作为输入信号，根据预测系数向量，对过量空气系数进行预测，其实现步骤如下：

3.1）将输入的自变量信号按（19）式处理：

x(t)j*=x(t)j-x‾jsx,j,(j=1,2,···,p)---(19)]]>

其中，x(t)_j为t时刻第j个自变量原值，为第j个自变量训练样本的均值，s_x,j为第j个自变量训练样本的标准差，为t时刻第j个自变量无量纲化值，t表示时间、单位为秒；

3.2）按下式求过量空气系数的无量纲化预测值：

y^(t)*=x(t)1*x(t)2*...x(t)p*β---(20)]]>

其中，为t时刻过量空气系数的无量纲化预测值；

3.3）按下式求过量空气系数的原量纲预测值：

y^(t)=y^(t)*·sy+y‾---(21)]]>

其中，为t时刻过量空气系数的原量纲预测值；

所述的方法还包括：4）按设定的采样时间间隔，采集现场智能仪表信号，将得到的实际过量空气系数与预测值比较，如果相对误差大于10%，则将新数据加入训练样本数据，重新执行步骤1）、2），以对预测模型进行更新；

在所述的步骤3）中，从控制站读取设置参数，并将过量空气系数预测值传给控制站进行显示，并给出操作建议：在当前的工况下，操作变量如何调整最有利于将过量空气系数控制在最佳值，以便控制站工作人员，根据过量空气系数预测值和操作建议，及时调整操作条件，将过量空气系数控制在最佳值，提高锅炉运行效率；其中，操作变量如何调整最有利于将过量空气系数控制在最佳值，一个简便方法是将操作变量的多种组合值，代入过量空气系数预测系统，得到相应的过量空气系数预测值，从而非常直观地通过比较大小得到；

所述自变量包括：运行工况变量：主蒸汽流量、环境温度、给水温度、炉膛负压、床压、燃煤水分、燃煤挥发分、燃煤灰分、燃煤硫分；操作变量：一次风总风量、二次风总风量；

所述过量空气系数实际值由（22）式得到：

αpy=2121-O2---(22)]]>

其中，α_py为过量空气系数，O₂为烟气含氧百分数（%）。