[发明专利]一种燃煤电站回转式空气预热器漏风率预测方法

说明书

本发明公开的一种燃煤电站回转式空气预热器漏风率预测方法，包括以下步骤：获取数据(S1)、数据清洗(S2)、变量筛选(S3)、建立模型(S4)、数据预测(S5)和误差计算及寻优(S6)；其中，所述步骤(S3)是基于相关性分析的输入变量筛选；所述步骤(S4)是基于LSSVM最小二乘支持向量机理论建立漏风率预测模型；所述步骤(S6)采用PSO粒子群算法对预测模型参数进行寻优。该回转式空气预热器漏风率的预测方法，能够进行数据清洗，减小数据的误差；数据驱动建模的方式采用精度较高的数据测点，结果准确性高；模型便于在线计算与滚动更新，能够有效提高燃煤电站回转式空气预热器漏风率预测的准确性和在线实时运算能力。

技术领域

本发明涉及锅炉热工技术与计算机监测交叉技术领域，尤其涉及一种燃煤电站回转式空气预热器漏风率预测方法。

背景技术

近年来，随着燃煤电站锅炉的容量增大与蒸汽参数的提高，具有传热效果好、结构紧凑、占地面积小等优点的回转式空气预热器得以被广泛应用。回转式空气预热器由外围风罩和蓄热转子组成，转子部件由数以万计的蓄热元件组成，蓄热元件在烟气侧吸热，空气侧放热，从而实现烟气向空气的传热。在这过程中，由于空气预热器属于动静连接结构，加上空气侧与烟气侧之间密封度有限，不可避免地会出现漏风。而空气预热器漏风会造成以下不利后果：(1)送风机、引风机电耗相对增大；(2)进风量减少，燃烧不稳定，锅炉出力下降；(3)增大排烟热损，降低锅炉热效率。因此，空气预热器的漏风率是机组运行的一项重要监控指标，是各燃煤电站提高锅炉运行效率、保障电站设备运行安全、降低发电能耗维持经济运行的重要因素。

现阶段，燃煤电站大多基于机理过程的建模估算，采用氧化锆氧量计测量空气预热器出入口氧量，然后根据经验公式粗略估计漏风率，方法相对简单(GB10184-88附录K)。但此方法的测算结果往往受测点等因素影响较大，现场数据误差较大也容易导致测算结果偏差较大，准确性不高，难以在线实时运算。

因此，本领域的技术人员致力于开发一种燃煤电站回转式空气预热器漏风率预测方法。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是克服传统漏风率计算方法准确性不高以及较难实现在线实时运算等方面不足，提出了一种燃煤电站回转式空气预热器漏风率预测方法。

为实现上述目的，本发明提供了一种燃煤电站回转式空气预热器漏风率预测方法，能够进行数据清洗，减小数据的误差；数据驱动建模的方式采用精度较高的数据测点，结果准确性高；模型便于在线计算与滚动更新，有效提高燃煤电站回转式空气预热器漏风率预测的准确性和在线实时运算能力。

本发明公开的一种燃煤电站回转式空气预热器漏风率预测方法，所述预测方法包括以下步骤：

(S1)获取数据：获取燃煤电站DCS系统的原始数据；

(S2)数据清洗：对原始数据进行清洗，去除其中的异常数据；

(S3)变量筛选：对数据测点进行筛选，筛选结果作为输入集数据测点；

(S4)建立模型：建立漏风率预测模型，将筛选后的测点数据作为模型的输入，并对模型进行训练；

(S5)数据预测：对漏风率进行实时预测；

(S6)误差计算及寻优：计算预测误差，如果预测误差满足要求则不作处理；如果预测误差不满足要求，则对漏风率预测模型进行改进，优化模型参数；

其中，所述步骤(S3)是基于相关性分析的输入变量筛选；所述步骤(S4)是基于LSSVM最小二乘支持向量机理论建立漏风率预测模型；所述步骤(S6)采用PSO粒子群算法对模型参数进行寻优。

进一步地，步骤(S1)中，所述获取数据包括以下步骤：

(S1-1)获取燃煤电站DCS系统中一个时间段的历史测量数据；