專利名稱:一種基于支持向量機增量算法的鍋爐燃燒效率預(yù)測方法
技術(shù)領(lǐng)域:
本發(fā)明涉及一種鍋爐燃燒效率的預(yù)測方法,尤其涉及到一種基于支持向量機增量算法的鍋爐燃燒效率預(yù)測方法。
背景技術(shù):
提高鍋爐運行效率,是火電廠實現(xiàn)節(jié)能減排的主要目標(biāo)。鍋爐燃燒機理復(fù)雜,具有很強的非線性和多元性,難以直接進行燃燒效率的測量,目前主要采用的測量方法有數(shù)值模擬測量和人工智能算法測量。不同的數(shù)值模擬可能側(cè)重點不同,但是數(shù)值模擬的方法有著共同的特點計算量大,耗時長,在機理不很清楚的情況下,難以建立精確完善的燃燒效率測量方法,所以數(shù)值模擬的方法常用于離線分析和研究。智能算法測量中應(yīng)用比較廣泛的是神經(jīng)網(wǎng)絡(luò)。但用神經(jīng)網(wǎng)絡(luò)測量還存在以下問題有待于進一步研究解決①神經(jīng)網(wǎng)絡(luò)測量所必須的樣本數(shù)量多,而實爐測試工況數(shù)量往往有限;②神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時間長,而且實現(xiàn)在線訓(xùn)練困難,限制了燃燒效率測量的在線性;③神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)樣本的不完整性和誤差比較敏感;④神經(jīng)網(wǎng)絡(luò)還存在過擬合(overnt)問題,泛化能力差。發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題,就是提供一種需要的樣本數(shù)量不算多但保證了線性學(xué)習(xí)器的精度、又減少了計算量縮短了訓(xùn)練時間、適合在線性測量的基于支持向量機增量算法的鍋爐燃燒效率預(yù)測方法。
解決上述技術(shù)問題,本發(fā)明采用如下的技術(shù)方案
一種基于支持向量機增量算法的鍋爐燃燒效率預(yù)測方法,包括以下步驟
SI選取徑向基函數(shù)作為支持向量機模型核函數(shù);
S2選擇鍋爐燃燒的總?cè)剂狭俊⒖傦L(fēng)量、煙氣含氧量3個參數(shù),給煤率5個參數(shù),磨煤機通風(fēng)量6個參數(shù),燃燒器擺角,燃盡風(fēng)擋板開度,二次風(fēng)門開度AAlF的6個參數(shù)共24個參數(shù),根據(jù)電廠DCS系統(tǒng)的歷史數(shù)據(jù),每隔30s采樣一次,構(gòu)成初始數(shù)據(jù)集;
S3將初始數(shù)據(jù)進行簡單的預(yù)處理,剔除其中重復(fù)的數(shù)據(jù);
S4在進行預(yù)處理后的電廠DCS系統(tǒng)數(shù)據(jù),選取工況1 99、101 200為訓(xùn)練樣本,工況100為測試樣本;
S5取支持向量機模型的敏感系數(shù)ε =0.0001,訓(xùn)練精度為O. 00001,罰系數(shù)C與寬度系數(shù)σ的缺省值分別為10和O. 0001,將罰系數(shù)C設(shè)置為缺省值;
S6按等差數(shù)列的形式在訓(xùn)練精度誤差范圍內(nèi)抽取罰系數(shù)集和寬度系數(shù)集,形成一個(C,O)參數(shù)對的網(wǎng)格,將步驟S4中訓(xùn)練樣本集劃分為η組,其中η-1組為訓(xùn)練集,余下的一組為測試集,在網(wǎng)格中選擇任意一組參數(shù)對,通過m次不同的訓(xùn)練集及測試集的驗證, 確定這一參數(shù)對的泛化性能,絕對平均百分比誤差(MAPE)值越小,泛化性能越好;
S7將剩下的每一對參數(shù)對重復(fù)過程步驟S6,并記錄每組參數(shù)的泛化性能,當(dāng)所有參數(shù)都驗證過之后,選擇泛化性能最佳的參數(shù)對(C,σ);
S8對鍋爐燃燒工況訓(xùn)練樣本集Xtl進行訓(xùn)練,得到初始的分類器Qci、支持向量集 xs/和非支持向量集XSisv;
SWgSf(X)是某一次增量學(xué)習(xí)后的決策函數(shù),新增樣本(Xi,yi),尋找新增樣本集 X1中是否有違背廣義KKT條件yif (Xi) >1的樣本點,若沒有,則Qtl為最終的學(xué)習(xí)分類器;若存在,則將X1分為兩部分,一部分X〖符合KKT條件yif (Xi) >1,另一部分X『違背KKT條件;
SlO在非支持向量集Xfv中尋找離支持向量隼中各點最近的一個點,構(gòu)成新的集合ΧΓ
Sll將支持向量集Xf、違背KKT條件的XlP最近點集合Xjj合并為新的訓(xùn)練集X, 再對X求分類器Ω和支持向量SV ;
S12選取燃料量和總風(fēng)量來描述負荷變化對鍋爐熱效率的影響;選取燃料成分、 給煤機開度來描述煤粉的影響;選取排煙氧量、磨煤機通風(fēng)量、二次風(fēng)門開度來描述氧量的影響,選取燃燒器擺角和燃盡風(fēng)開度來描述其他因素的影響,建立鍋爐燃燒效率的支持向量機預(yù)測模型。
所述的步驟S6中的η為與前述步驟有關(guān)的數(shù)據(jù),m為隨機數(shù)。
本發(fā)明的原理
要得到一個最有分類面最終可以轉(zhuǎn)化為求解一個凸優(yōu)化問題=去||w|:,假設(shè)所有的鍋爐燃燒工況樣本在精度ε下無誤差地用函數(shù)y=f(x)=wx+b擬合,則應(yīng)滿足以下約束條件
權(quán)利要求
1.一種基于支持向量機增量算法的鍋爐燃燒效率預(yù)測方法,包括以下步驟 Si選取徑向基函數(shù)作為支持向量機模型核函數(shù); S2選擇鍋爐燃燒的總?cè)剂狭俊⒖傦L(fēng)量、煙氣含氧量3個參數(shù),給煤率5個參數(shù),磨煤機通風(fēng)量6個參數(shù),燃燒器擺角,燃盡風(fēng)擋板開度,二次風(fēng)門開度AAlF的6個參數(shù)共24個參數(shù),根據(jù)電廠DCS系統(tǒng)的歷史數(shù)據(jù),每隔30s采樣一次,構(gòu)成初始數(shù)據(jù)集; S3將初始數(shù)據(jù)進行簡單的預(yù)處理,剔除其中重復(fù)的數(shù)據(jù); S4在進行預(yù)處理后的電廠DCS系統(tǒng)數(shù)據(jù),選取工況f 99、IOf200為訓(xùn)練樣本,工況100為測試樣本; S5取支持向量機模型的敏感系數(shù)ε =0.0001,訓(xùn)練精度為O. 00001,罰系數(shù)C與寬度系數(shù)σ的缺省值分別為10和O. 0001,將罰系數(shù)C設(shè)置為缺省值; S6按等差數(shù)列的形式在訓(xùn)練精度誤差范圍內(nèi)抽取罰系數(shù)集和寬度系數(shù)集,形成一個(C,σ)參數(shù)對的網(wǎng)格,將步驟S4中訓(xùn)練樣本集劃分為η組,其中η-l組為訓(xùn)練集,余下的一組為測試集,在網(wǎng)格中選擇任意一組參數(shù)對,通過m次不同的訓(xùn)練集及測試集的驗證,確定這一參數(shù)對的泛化性能,絕對平均百分比誤差(MAPE)值越小,泛化性能越好; S7將剩下的每一對參數(shù)對重復(fù)過程步驟S6,并記錄每組參數(shù)的泛化性能,當(dāng)所有參數(shù)都驗證過之后,選擇泛化性能最佳的參數(shù)對(C,σ); S8對鍋爐燃燒工況訓(xùn)練樣本集Xtl進行訓(xùn)練,得到初始的分類器Qci、支持向量集非支持向量集Xfv; S9假設(shè)f(x)是某一次增量學(xué)習(xí)后的決策函數(shù),新增樣本(Xi,yi),尋找新增樣本集X1中是否有違背廣義KKT條件yif (Xi) >1的樣本點,若沒有,則Qtl為最終的學(xué)習(xí)分類器;若存在,則將X1分為兩部分,一部分X符合KKT條件yif OO >1,另一部分Xf違背KKT條件; SlO在非支持向量集Xfv中尋找離支持向量隼X中各點最近的一個點,構(gòu)成新的集合\ Sll將支持向量集Xf、違背KKT條件的Xn和最近點集合Xi1合并為新的訓(xùn)練集X,再對X求分類器Ω和支持向量SV; S12選取燃料量和總風(fēng)量來描述負荷變化對鍋爐熱效率的影響;選取燃料成分、給煤機開度來描述煤粉的影響;選取排煙氧量、磨煤機通風(fēng)量、二次風(fēng)門開度來描述氧量的影響,選取燃燒器擺角和燃盡風(fēng)開度來描述其他因素的影響,建立鍋爐燃燒效率的支持向量機預(yù)測模型。
全文摘要
一種基于支持向量機增量算法的鍋爐燃燒效率預(yù)測方法S1選取核函數(shù);S2構(gòu)成初始數(shù)據(jù)集;S3初始數(shù)據(jù)預(yù)處理;S4取訓(xùn)練樣本、測試樣本;S5敏感系數(shù)ε=0.0001,訓(xùn)練精度0.00001,罰系數(shù)C與寬度系數(shù)σ的缺省值分別為10和0.0001;S6求泛化;S7選擇泛化最佳參數(shù)對;S8訓(xùn)練得到初始分類器Ω0、支持向量集和非支持向量集S9尋找新增樣本集X1中是否有違背廣義KKT條件yif(xi)>1的樣本點;S10構(gòu)成新的集合S11再對X求分類器Ω和支持向量SV;S12建立鍋爐燃燒效率的支持向量機預(yù)測模型。本發(fā)明輸入?yún)?shù)少便于測量,省去繁瑣的計算過程,鍋爐燃燒工況訓(xùn)練時間短,更加滿足DCS系統(tǒng)在線計算的要求,具有較高的預(yù)測精度。
文檔編號G06K9/62GK102982390SQ20121043402
公開日2013年3月20日 申請日期2012年11月2日 優(yōu)先權(quán)日2012年11月2日
發(fā)明者葉向前, 譚磊, 韓玲, 方彥軍 申請人:廣東電網(wǎng)公司電力科學(xué)研究院, 武漢大學(xué)