[发明专利]基于分层多项式模型的飞灰含碳量软测量方法及监测系统

权利要求书

1.一种基于分层多项式模型的飞灰含碳量软测量方法，其特征在于，包括：

步骤1.获取与锅炉总体和每层燃烧器有关的多个工况测点历史实测参数值，从这些工况测点中选取一个测点作为基准工况测点，其他作为相对工况测点；分别计算每个相对工况测点随基准工况测点的参数值变动而变动的延迟或者超前时间作为偏移时间；

步骤2.获取一定时期内包含相对工况测点和基准工况测点的锅炉工况测点实测参数值的历史数据，将历史数据中第t个时刻的基准工况测点参数值与扣除相应偏移时间后相应时刻的各个相对工况测点关联，作为第t个时刻的一组工况测点参数，得到不同时刻下的各组工况测点参数；

步骤3.以样本含氧量值作为分割点，分割点阈值设为5％，把分组关联后的历史数据进一步划分为高含氧量样本和低含氧量样本；

步骤4.把每种含氧量样本都分为训练集、验证集和测试集，采用适于复杂电厂的分层多项式模型作为预测模型：

式中，分别代表第j层燃烧器在第t时刻的入炉煤质测点参数值和入炉煤量测点参数值，代表在时刻t由各种工况所决定的第j层燃烧器对应飞灰含碳量百分比，C表示0～T时间内测得的锅炉尾部飞灰含碳量；为第j层燃烧器对第j+w层燃烧器的影响因子，j+w≤m；m表示燃烧器的总层数；

是通过模型训练得出的与第j层燃烧器对应工况测点参数值有关的函数：

式中，n代表多项式的最高幂次，下标i代表工况测点参数值的下标，代表第j层燃烧器、第i个测点、幂次方为n的算式对应的待求解系数，b^j代表第j层燃烧器对应函数中的待求解常数；

以均方误差作为模型误差的评价标准，对预测模型进行训练学习和验证，通过组合不同的工况测点参数及最高幂次方，选择验证集样本的均方误差最小的最高幂次方n及工况测点参数组合方式，得到分别对应于低含氧量和高含氧量样本的两个反映飞灰含碳量与特征工况测点参数具体映射关系的飞灰含碳量计算公式；

步骤5.飞灰含碳量计算

对于待预测时刻的飞灰含碳量，基于偏移时间，获取实测特征工况测点参数值，根据含氧量范围带入相应的飞灰含碳量计算公式中，计算得到飞灰含碳量作为软测量值。

2.根据权利要求1所述的基于分层多项式模型的飞灰含碳量软测量方法，其特征在于：

其中，在步骤1中，设相邻时刻的间隔时间均为p分钟，采用如下方法计算每个相对工况测点的偏移时间t_c：

1)选取t_c的待定范围[-q,q]，该范围表示t_c的最大值选为q个p分钟时间点，最小值选为-q个p分钟时间点；

2)针对每一个t_c＝c的选取值，对基准工况测点x_t和相对工况测点y_t-c进行时间的错位对应：

(x_t,y_t-c)t＝c+1,c+2,c+3,……

以此为数据点计算x与y的皮尔逊线性相关系数：

式中，和代表样本的平均值；

3)得出t_c＝c(c∈[-q,q])各时间点对应的皮尔逊相关系数r_c，选取r_c绝对值最大时的c值作为相对工况测点的变动时间t_c。

3.根据权利要求1所述的基于分层多项式模型的飞灰含碳量软测量方法，其特征在于：

其中，在步骤2中，得到不同时刻下的各组工况测点参数后，进一步基于机器学习的降维方法对工况测点进行特征降维，挑选出多个重要工况测点作为步骤4和步骤5所采用的工况测点。

4.根据权利要求1所述的基于分层多项式模型的飞灰含碳量软测量方法，其特征在于：

其中，在步骤4中，对应验证集样本的均方误差最小的低含氧量和高含氧量样本的最优最高幂次方依次为n₁＝3,n₂＝2。