[发明专利]热电厂水汽管道加氧控制方法

权利要求书

1.一种热电厂水汽管道加氧控制方法，其特征在于，包括以下步骤：

1)根据对热电厂水汽管道的水质参数的记录，统计出凝结水泵入口水温、水流量、水含氧量、加氧点氧气流量，对应时刻的省煤器入口水含氧量的数据；将凝结水泵入口水温、水流量、水含氧量、加氧点氧气流量作为输入参量，将省煤器入口水含氧量作为输出参量，建立神经网络，根据已有的历史监测数据，使用BP神经网络，附加动量学习规则，训练神经网络；

2)根据热电厂水汽管道省煤器入口水含氧量的规定值，由粒子群算法，求解神经网络的最优输入参量，即凝结水泵入口水温、水流量、水含氧量、加氧点氧气流量；

3)根据上一循环神经网络估计误差判断是否需要人工采样，如需要，通过人工采样然后离线分析，对比得出实测的省煤器入口水含氧量与神经网络估计出的省煤器入口水含氧量的误差，然后将这组实测的省煤器入口水含氧量数据，以及神经网络估计与实测的误差数据一起，使用附加动量学习规则，更新训练神经网络；如不需要人工采样，则返回步骤2)。

2.如权利要求1所述的热电厂水汽管道加氧控制方法，其特征在于，所述粒子群算法，步骤如下：

1)初始化粒子群：确定粒子群大小NP，粒子群算法迭代次数NG，初始化粒子位置，计算每个粒子的适应度并初始化全局最优解与个体最优解；

计算粒子适应度的函数为：

其中，O_i表示神经网络输出向量的第i个元素，O_i'为理论期望的输出向量的第i个元素；

2)更新粒子群：粒子群的运动方程如下：

v(t)＝ω·v(t-1)+c₁·(lbest-x(t))+c₂·(gbest-x(t))

x(t+1)＝x(t)+c₃·v(t)

其中ω取为i为粒子群算法的本次迭代次数，c₁,c₂,c₃为常数，c₁,c₂取值为2.8，c₃取值为0.3，lbest为每个粒子搜索过的个体最优解，gbest为所有粒子搜索过的全局最优解；

3)计算本次迭代的粒子适应度，更新个体最优解与全局最优解：即对每个粒子，将本次迭代产生的适应度，与当前个体最优解相比，取适应度较小的为个体最优解，与所有粒子搜索过的全局最优解相比，取适应度较小的为全局最优解；

4)判断是否达到迭代NG次，若是，则输出全局最优解，若否，则返回步骤2)。

3.如权利要求1或2所述的热电厂水汽管道加氧控制方法，其特征在于，所述附加动量学习法，更新规则如下式：

其中Δω(t)＝ω(t)-ω(t-1)，E_T为神经网络的训练误差，η为权重，a为动量因子，取0.9。

4.如权利要求1所述的热电厂水汽管道加氧控制方法，其特征在于，对凝结水泵入口水含氧量的检测进行滤波，滤波方法如下：

1)对被测参数进行滤波，即对被测参数连续采样多次，将采样值进行排序，选取中间值为本次有效采样值；

2)对被测参数进行有限脉冲响应滤波，先给定理想滤波器的频率特性H_d(e^jw)；

3)计算理想滤波器的单位抽样响应，

4)设置滤波器形式、窗函数类型的参数为：采样频率fs＝150Hz，通带截止频率fp＝5Hz，阻带起始频率fst＝15Hz，阻带衰减不小于-50dB，窗函数类型采用Hamming窗，滤波器阶数N＝30；

5)调用MATLAB函数计算滤波器系数w(n)；

6)计算所设计滤波器的单位抽样响应h(n)＝h_d(n)w(n)；

7)将设计好的N个h(n)序列存入对应存储区；

8)将中值滤波结果x1作为x(n)存入对应存储区；

9)循环读取h(n)、x(n)值进行卷积运算，求得在线滤波结果