一種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方法
【專利摘要】本發(fā)明公開(kāi)了一種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方法，先對(duì)燃煤機(jī)組的關(guān)鍵運(yùn)行參數(shù)機(jī)組負(fù)荷、SCR入口NOx折算濃度、SCR入口煙氣溫度、噴氨流量、排口NOx折算濃度進(jìn)行預(yù)處理，然后建立BP神經(jīng)網(wǎng)絡(luò)，將機(jī)組負(fù)荷、SCR入口NOx折算濃度、SCR入口煙氣溫度、噴氨流量作為輸入值，將排口NOx折算濃度作為輸出值，得到燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)值。本發(fā)明極大地降低了工作人員的工作量，降低了維護(hù)成本。
【專利說(shuō)明】-種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方法，屬于工業(yè) 燃煤監(jiān)控【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 目前通常在火電機(jī)組尾氣排放口布置測(cè)量裝置，分析排口煙氣成分，獲得排口氮 氧化物濃度。該方法雖然簡(jiǎn)易快捷，但由于測(cè)量裝置采用單點(diǎn)采樣，排口氣流不穩(wěn)定、分布 不均勻，樣氣采集探頭的安裝位置代表性較難把握，且排口煙氣屬于高溫、高粉塵物質(zhì)，測(cè) 量?jī)x表極易腐蝕和堵塞，因此，排口氮氧化物濃度測(cè)量的準(zhǔn)確性較難保證。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于提供一種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方 法，通過(guò)SCR類型燃煤脫硝機(jī)組的機(jī)組負(fù)荷、SCR入口 NOx折算濃度、SCR入口煙氣溫度、噴 氨流量等運(yùn)行關(guān)鍵指標(biāo)，運(yùn)用神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)機(jī)組氮氧化物排放濃度，對(duì)實(shí)際測(cè)量氮氧 化物排放濃度進(jìn)行校核，W保證指標(biāo)數(shù)據(jù)的準(zhǔn)確性。
[0004] 為達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案為：
[0005] 一種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方法，包括W下步驟：
[0006] 1)采集一定時(shí)間內(nèi)的樣本數(shù)據(jù)，所述樣本數(shù)據(jù)包含燃煤機(jī)組的關(guān)鍵運(yùn)行參數(shù)；
[0007] 2)對(duì)樣本數(shù)據(jù)進(jìn)行預(yù)處理；
[000引 3)對(duì)預(yù)處理后的樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化變換；
[0009] 4)建立BP神經(jīng)網(wǎng)絡(luò)；
[0010] W通過(guò)逆標(biāo)準(zhǔn)化變換，將BP神經(jīng)網(wǎng)絡(luò)的輸出值還原為原量綱值，即為燃煤機(jī)組氮 氧化物排放濃度預(yù)測(cè)值。
[0011] 前述的步驟1)中，采集的樣本數(shù)據(jù)表示為；X = (xi,X2,…，Xk，…，X。} G RM，
[001引其中，X表示一定時(shí)間內(nèi)的樣本集，Xi(i = 1，2,……，n)是第i次采集的樣本數(shù) 據(jù)，n是樣本數(shù)，M是樣本維度即燃煤機(jī)組的關(guān)鍵運(yùn)行參數(shù)。
[0013] 前述的燃煤機(jī)組的關(guān)鍵運(yùn)行參數(shù)為：機(jī)組負(fù)荷、SCR入口 NOx折算濃度、SCR入口 煙氣溫度、噴氨流量、排口 NOx折算濃度。
[0014] 前述的步驟2)中，對(duì)樣本數(shù)據(jù)進(jìn)行預(yù)處理是指設(shè)置關(guān)鍵運(yùn)行參數(shù)的闊值，剔除闊 值范圍W外的樣本數(shù)據(jù)。
[0015] 前述的步驟3)中，進(jìn)行標(biāo)準(zhǔn)化變換采用零均值標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化方法，所述樣本數(shù)據(jù) 標(biāo)準(zhǔn)化后的計(jì)算公式為：
[0016] 勺滬
[0017] 其中，X' i為經(jīng)零均值標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化后的樣本數(shù)據(jù)，無(wú)為樣本數(shù)據(jù)的平均值；S為 樣本數(shù)據(jù)的標(biāo)準(zhǔn)差。
[0018] 前述的步驟4)中，所述BP神經(jīng)網(wǎng)絡(luò)包括一個(gè)輸入層、一個(gè)輸出層和一個(gè)隱藏層的 S層網(wǎng)絡(luò)結(jié)構(gòu)；所述輸入層有4個(gè)神經(jīng)元，即；機(jī)組負(fù)荷、SCR入口 NOx折算濃度、SCR入口 煙氣溫度、噴氨流量；所述輸出層有1個(gè)神經(jīng)元，即；排口 NOx折算濃度；所述隱藏層神經(jīng)元 個(gè)數(shù)的計(jì)算公式為；s=>/7r^+。
[0019] 其中，S為隱藏層神經(jīng)元個(gè)數(shù)，1為輸入層神經(jīng)元個(gè)數(shù)，m為輸出層神經(jīng)元個(gè)數(shù)，a 為1?10之間的常數(shù)。
[0020] 前述的隱藏層神經(jīng)元個(gè)數(shù)選取為12。
[0021] 前述的輸出層的激活函數(shù)選取線性函數(shù)；f (V) = 1 ? V+0 = V ;
[0022] 所述隱藏層的激活函數(shù)為雙曲正切S型函數(shù)：

【權(quán)利要求】
1. 一種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方法，其特征在于，包括以下 步驟： 1) 采集一定時(shí)間內(nèi)的樣本數(shù)據(jù)，所述樣本數(shù)據(jù)包含燃煤機(jī)組的關(guān)鍵運(yùn)行參數(shù)； 2) 對(duì)樣本數(shù)據(jù)進(jìn)行預(yù)處理； 3) 對(duì)預(yù)處理后的樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化變換； 4) 建立BP神經(jīng)網(wǎng)絡(luò)； 5) 通過(guò)逆標(biāo)準(zhǔn)化變換，將BP神經(jīng)網(wǎng)絡(luò)的輸出值還原為原量綱值，即為燃煤機(jī)組氮氧化 物排放濃度預(yù)測(cè)值。
2. 根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方法， 其特征在于，所述步驟1)中，采集的樣本數(shù)據(jù)表示為：X=U1,x2, . . .，xk, . . .，xn}GRm， 其中，X表示一定時(shí)間內(nèi)的樣本集，XiQ= 1，2,......，n)是第i次采集的樣本數(shù)據(jù)，n 是樣本數(shù)，M是樣本維度即燃煤機(jī)組的關(guān)鍵運(yùn)行參數(shù)。
3. 根據(jù)權(quán)利要求2所述的一種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方法， 其特征在于，所述燃煤機(jī)組的關(guān)鍵運(yùn)行參數(shù)為：機(jī)組負(fù)荷、SCR入口NOx折算濃度、SCR入口 煙氣溫度、噴氨流量、排口NOx折算濃度。
4. 根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方法， 其特征在于，所述步驟2)中，對(duì)樣本數(shù)據(jù)進(jìn)行預(yù)處理是指設(shè)置關(guān)鍵運(yùn)行參數(shù)的閾值，剔除 閾值范圍以外的樣本數(shù)據(jù)。
5. 根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方法， 其特征在于，所述步驟3)中，進(jìn)行標(biāo)準(zhǔn)化變換采用零均值標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化方法，所述樣本數(shù) 據(jù)標(biāo)準(zhǔn)化后的計(jì)算公式為：
其中，Xi'為經(jīng)零均值標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化后的樣本數(shù)據(jù)，無(wú)為樣本數(shù)據(jù)的平均值；S為樣本數(shù) 據(jù)的標(biāo)準(zhǔn)差。
6. 根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方法， 其特征在于，所述步驟4)中，所述BP神經(jīng)網(wǎng)絡(luò)包括一個(gè)輸入層、一個(gè)輸出層和一個(gè)隱藏層 的三層網(wǎng)絡(luò)結(jié)構(gòu)；所述輸入層有4個(gè)神經(jīng)元，S卩：機(jī)組負(fù)荷、SCR入口NOx折算濃度、SCR入 口煙氣溫度、噴氨流量；所述輸出層有1個(gè)神經(jīng)元，即：排口NOx折算濃度；所述隱藏層神經(jīng)
其中，s為隱藏層神經(jīng)元個(gè)數(shù)，1為輸入層神經(jīng)元個(gè)數(shù)，m為輸出層神經(jīng)元個(gè)數(shù)，a為1? 10之間的常數(shù)。
7. 根據(jù)權(quán)利要求6所述的一種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方法， 其特征在于，所述隱藏層神經(jīng)元個(gè)數(shù)選取為12。
8. 根據(jù)權(quán)利要求6所述的一種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方法， 其特征在于，所述輸出層的激活函數(shù)選取線性函數(shù)：f(V) = 1 ?v+0 =V;
其中，V是自變量，f(V)，g(v)是函數(shù)。
9.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方法， 其特征在于，所述步驟5)中，逆標(biāo)準(zhǔn)化變換為：
其中，Xi'為標(biāo)準(zhǔn)化后的樣本數(shù)據(jù)，X為逆標(biāo)準(zhǔn)化后的數(shù)據(jù)。
【文檔編號(hào)】G06N3/02GK104504238SQ201410677543
【公開(kāi)日】2015年4月8日 申請(qǐng)日期:2014年11月21日 優(yōu)先權(quán)日:2014年11月21日
【發(fā)明者】周春蕾, 代家元, 張友衛(wèi), 王林, 王明, 許國(guó)強(qiáng), 孫彬, 王其祥, 高進(jìn), 魏威, 劉成, 佘國(guó)金, 周志興 申請(qǐng)人:國(guó)家電網(wǎng)公司, 江蘇省電力公司, 江蘇方天電力技術(shù)有限公司