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)