[发明专利]基于在线支持向量机的锅炉燃烧系统动态建模方法

说明书

技术领域

本发明涉及一种基于在线支持向量机的锅炉燃烧系统动态建模方法，属于热工自动控制领域。

背景技术

目前锅炉燃烧优化主要采用基于数据的非线性建模与智能优化算法相结合的方法，先建立锅炉燃烧特性模型，然后以锅炉效率和排放最优为性能指标，对运行参数进行优化。但是这类方法本质上都是基于稳态模型进行的，无法对动态变负荷过程中的燃烧系统进行优化控制，且当模型发生变化时，缺乏对模型参数进行在线校正的功能，难以消除建模误差对优化结果的影响，在实际应用时会产生诸多困难。因此，建立一个具有在线自适应功能的动态模型，对实现燃烧过程动态优化至关重要。

在线支持向量机算法的计算时间开销与支持向量数目密切相关，由于最小二乘支持向量机不具有稀疏性，随机选取训练集将导致训练集中存在冗余的支持向量，不能全面反映建模对象的特性，一方面增加了计算复杂度，提高了算法在线计算的硬件需求，另一方面降低了利用了一定规模训练集建立模型的精度。对训练集进行离线筛选以去除多余的支持向量，从而达到简化模型结构，减小在线计算量的目的是十分必要的。

传统在线支持向量机算法仅通过支持向量的替换来实现在线更新。锅炉燃烧系统在负荷、煤质和设备特性变化时，其控制特性也会发生改变，基于支持向量替换的在线更新策略对特性变化的适应性差，可能引起建模精度降低，进而导致控制效果差。在替换策略的基础上，增加支持向量的新增和删除策略，提高所建模型适应对象特性变化的能力，对于进一步应用锅炉燃烧系统模型具有重要意义。

发明内容

发明目的：针对上述现有建模方法中存在的问题和不足，本发明提供了一种基于在线支持向量机改进算法的锅炉燃烧系统动态建模方法，首先选取锅炉燃烧系统的关键输入、输出，在建模过程中考虑输入、输出变量的阶次，反映锅炉燃烧系统的动态特性；采用FVS-ALS，先进行离线的支持向量筛选，简化模型结构，降低算法开销，使得模型在线计算的速度更快；再采用替换、新增、删除三种支持向量的在线更新策略，使得算法能够更好地适应对象特性的变化，针对不同的模型输出分别建立锅炉燃烧系统“多输入—单输出”动态模型。

技术方案：为实现上述发明目的，本发明采用以下技术方案：首先选取锅炉燃烧系统的关键参数作为模型输入和模型输出参数；然后在建模过程中考虑输入、输出变量的阶次，反映对象的动态特性；通过采用FVS-ALS，先进行离线的支持向量筛选，再采用替换、新增、删除三种支持向量的在线更新策略，针对不同的模型输出分别建立锅炉燃烧系统的“多输入-单输出”动态模型。

进一步地，所述模型输入包括入炉总煤量、总空气量、辅助风和含氧量等作为影响锅炉排放及效率的主要影响因素，采用N_sc个二次风门开度值U_se表示N_sc层二次风的影响；采用N_pa个一次风门开度值U_pa表示N_pa层一次风的影响；N_sofa个燃尽风开度U_sofa表示N_sofa层燃尽风的影响。

进一步地，在建模过程中考虑输入、输出变量的阶次，n_pa和n_se表示一、二次风门的阶次值，n_sofa表示燃尽风门的阶次值，n_NOx表示NO_x排放的阶次，表示锅炉效率的阶次值。

进一步地，所述模型输出包括NO_x排放量y_NOx和锅炉效率值

进一步地，本发明所述FVS-ALS，为结合在线稀疏支持向量机回归算法和ALS-SVM算法的特点而提出的，该算法第一步进行离线的支持向量筛选，从而减少所需的建模样本数，并确保支持向量的稀疏性，使得模型在线运行和更新的速度更快；然后，采用替换、新增、删除三种支持向量的在线更新策略，使得算法能够更好地适应对象特性的变化。

进一步地，所述改进支持向量的离线筛选通过判断归一化的欧氏距离大小是否大于阈值判断新的训练样本是否可作为新的支持向量，以得到精简的支持向量集。

进一步地，本发明所述改进的在线自适应最小二乘支持向量机算法，分为离线计算步骤和在线计算步骤，具体如下：

1)离线计算步骤

步骤A：根据动态模型的输入输出结构，组织样本数据；

步骤B：利用式对支持向量进行筛选，具体公式如下：