[发明专利]一种基于数据挖掘的蒸汽锅炉的蒸汽产量的预测方法

说明书

本发明公开了一种基于数据挖掘的蒸汽锅炉的蒸汽产量的预测方法，涉及燃气蒸汽锅炉的蒸汽产量生产技术领域。本发明分析蒸汽产生的过程，以蒸汽锅炉的传感器数据为基础，采用数据挖掘算法建立蒸汽产量预测模型，该模型能够很好地预测蒸汽产量。本发明使用boosting‑tree算法对模型参数进行选择，采用自适应权重的融合模型建立蒸汽产量预测模型，在5个评价指标的基础上，对预测模型的性能进行了全面的测试和评价。输入数据简化，节省了数据训练时间，预测精度较高。

技术领域

本发明涉及燃气蒸汽锅炉的蒸汽产量生产技术领域，具体涉及一种基于数据挖掘的蒸汽锅炉的蒸汽产量的预测方法。

背景技术

燃气蒸汽锅炉是指利用燃气燃烧加热的蒸汽锅炉。立式蒸汽锅炉采用燃烧机下置方式，两回程结构，燃料燃烧充分，锅炉运行稳定而且占用空间少，同时烟管内插有扰流片，减缓排烟速度，增加换热量，锅炉热效率高，降低用户使用费用；卧式蒸汽锅炉为锅壳式全湿背顺流三回程烟火管结构，火焰在大燃烧室内微正压燃烧，完全伸展，燃烧热负荷低，燃烧热效率高，有效地降低了排烟温度，节能降耗，使用更经济，采用波形炉胆和螺纹烟管结构，即提高了锅炉的吸热强度，又满足了换热面受热膨胀的需要，科学合理，经久耐用。

燃气蒸汽锅炉的节能方式比较多，传统的节能方式更多的关注蒸汽锅炉的性能提升。例如：根据工业生产所需要蒸汽的量合理选择天然气锅炉的额定功率以及锅炉台数，这两种情况与实际使用匹配度越高排烟损失越小，节能就越明显；让燃料与空气充分接触，让适量的燃料和适量的空气组成最佳比例进行燃烧，这样既能提高燃料的燃烧效率，又能减少污染性气体的排放，实现双重节能的目的；降低天然气锅炉的排烟温度，降低锅炉排烟温度，有效利用排烟中产生的余热，常用锅炉的效率为85-88％，排烟温度是220-230℃。若设置省能器等利用排烟热量后，排烟温度下降到140-150℃，锅炉效率可提高到90-93％左右，再辅以其他节能措施，锅炉热效率可以轻松达到95％以上；回收利用锅炉排污水的热量，通过热交换利用连续排污水中的热量，提高除氧水的给水温度达到天然气蒸汽锅炉节能的目的；还可以合理回收供热系统中的凝结水，并对这些冷凝水的热量进行回收利用。

但以上的各种节能方法很快就会达到节能瓶颈，因为各种方法均受到蒸汽锅炉的工艺影响。同时，当锅炉负载变化时，锅炉不一定能维持在热效率最高的工作状态。因此，如果可以准确预测蒸汽锅炉的蒸发量，可以调节蒸汽锅炉的可控参数，使蒸汽锅炉在效率最高的状态下产生同样的蒸汽量。

国内外学者对蒸汽量预测方法多有研究，其现有方法主要包括模糊神经网络、支持向量机、神经网络及混合算法等。以往的预测算法往往需要根据专业人士的先验知识选取输入特征中有用的信息，去掉冗余的信息。并且传统的模型训练方式的周期较长，精确度不高。

发明内容

本发明的目的在于提供一种基于数据挖掘的蒸汽锅炉的蒸汽产量的预测方法，解决现有预测方法过于依赖经验、训练周期长、精确度低的问题。

为解决上述的技术问题，本发明采用以下技术方案：一种基于数据挖掘的蒸汽锅炉的蒸汽产量的预测方法，其特征在于包括如下步骤：

S1、获取燃气蒸汽锅炉的蒸发量生产数据并进行预处理，其中生产数据包括点火压力、熄火压力、蒸汽压力、蒸汽温度、锅炉内温度、锅炉给水温度、锅炉回水温度、锅炉回水压力、天然气流量、给水泵转速、回水泵转速和蒸汽流量；预处理包括数据清理、数据集成、数据规约和数据变换；

S2、对生产数据进行参数选择，选择出对训练数据集预测精度影响较大的参数；根据蒸汽量预测的特点，采用模型方法去筛选特征；

S3、将参数筛选后的数据输入到训练网络当中，训练网络采用自适应权重的融合模型，训练网络对筛选的数据进行数据训练并构建自适应权重的融合模型，得到预测模型；

S4、将测试数据集数据输入到预测模型，得到蒸汽量的预测结果。