[发明专利]一种基于人工神经网络的锅炉烟气酸露点测试方法

权利要求书

1.一种基于人工神经网络的锅炉烟气酸露点测试方法，其特征在于，包括以下步骤：

步骤一、根据已知数据选择输入参数，以确定神经网络的输入层节点数，再根据测试需求确定神经网络输出层的期望输出节点数；

所述已知数据包括已知条件和能够通过测试得到的数据，具体包括燃料类别、燃料低位发热量、燃料硫分含量、燃料灰分含量、烟气二氧化硫含量、烟气水蒸气含量、烟气二氧化硫含量变化率和烟气氧气含量，以及由烟气分析仪能够测得的参数和由锅炉燃料化验报告能够直接获得的数据，所述烟气二氧化硫含量和烟气水蒸气含量为神经网络的必要输入参数，所述燃料类别、燃料低位发热量、燃料硫分含量、燃料灰分含量、烟气二氧化硫含量变化率和烟气氧气含量，以及由烟气分析仪能够测得的参数和由锅炉燃料化验报告能够直接获得的数据均为神经网络的可选输入参数；

所述神经网络输出层的期望输出节点数为期望通过神经网络获得的输出参数数量，所述输出参数包括烟气酸露点、烟气酸露点变化范围的上限值、烟气酸露点变化范围的下限值、烟气中二氧化硫与三氧化硫气体之间的转化率和烟气酸露点变化率，所述烟气酸露点为神经网络的必要输出参数，所述烟气酸露点变化范围的上限值、烟气酸露点变化范围的下限值、烟气中二氧化硫与三氧化硫气体之间的转化率和烟气酸露点变化率均为神经网络的可选输出参数；

步骤二、结合锅炉烟气酸露点实验和计算值，建立神经网络的训练数据集；

步骤三、对神经网络进行训练和测试，并根据测试精度要求对神经网络进行优化改进；

所述对神经网络进行优化改进包括激活函数调整、网络结构调整、最佳迭代数和学习速率优化，所述激活函数调整通过调整Sigmoid、Tanh和ReLU三种激活函数及其组合模式对神经网络进行优化改进，所述网络结构调整通过自适应改变隐藏层节点和隐藏层数对网络进行优化，默认隐藏层为一层，同时支持双层隐藏层的多层神经网络，所述最佳迭代数和学习速率优化用于优化神经网络的计算速率；

步骤四、通过优化改进后的神经网络获得烟气酸露点及其他期望获得的参数；

步骤五、更新和丰富神经网络的训练数据集，用于后续工况的测试。

2.按照权利要求1所述的一种基于人工神经网络的锅炉烟气酸露点测试方法，其特征在于：步骤二中所述神经网络的训练数据集的数据格式为：

{输入层：[烟气二氧化硫含量，烟气水蒸气含量，可选输入参数]，

输出层：[烟气酸露点，可选输出参数]}，

且输入层的数据采用均值方差归一化处理，输出层的数据采用最值归一化处理。

3.按照权利要求2所述的一种基于人工神经网络的锅炉烟气酸露点测试方法，其特征在于：所述输入层和输出层由已完成烟气酸露点测试的试验数据和理论计算值组成，且对于1个输出层节点，训练数据≥300组，对于5个输出层节点，训练数据≥1500组，对于2到4个输出层节点，其训练数据最小数量按照300和1500插值确定。

4.按照权利要求1所述的一种基于人工神经网络的锅炉烟气酸露点测试方法，其特征在于：步骤三中所述对神经网络进行训练和测试，训练数据集的70％～80％数据用于训练神经网络，20％～30％的数据用于测试神经网络。

5.按照权利要求1所述的一种基于人工神经网络的锅炉烟气酸露点测试方法，其特征在于：步骤三中所述测试精度为预测值和目标值的偏差在±10％以内。

6.按照权利要求2所述的一种基于人工神经网络的锅炉烟气酸露点测试方法，其特征在于，步骤四中所述通过优化改进后的神经网络获得烟气酸露点及其他期望获得的参数的具体过程包括：按输入层：[烟气二氧化硫含量，烟气水蒸气含量，可选输入参数]的数据格式将输入参数输入到优化改进后的神经网络中，将输出层得到的预测值通过最值归一化逆向还原成最终的测试结果。

7.按照权利要求6所述的一种基于人工神经网络的锅炉烟气酸露点测试方法，其特征在于，步骤五中所述更新和丰富神经网络的训练数据集的具体过程包括：将步骤四中所述输入参数和测试结果合并到神经网络的训练数据集中，完成训练数据集的更新。