基于pca-svm的火電廠燃煤低位熱值軟測量方法
【專利摘要】本發(fā)明公開了一種用于火電機(jī)組燃煤低位熱值的預(yù)測方法,該方法依賴現(xiàn)場測量儀表及火電機(jī)組DCS、廠級監(jiān)控信息系統(tǒng)(SIS)和進(jìn)行軟件計(jì)算的計(jì)算機(jī)系統(tǒng),該軟件利用SIS中存儲的DCS實(shí)時過程數(shù)據(jù)對燃煤低位熱值進(jìn)行軟測量。具體步驟如下:確定與燃煤熱值相關(guān)的輔助變量,利用主元分析方法(PCA)將多個輔助變量綜合為幾個互不相關(guān)的綜合變量,將這幾個主元綜合變量作為低位熱值支持向量機(jī)預(yù)測模型的輸入變量,并利用遺傳算法(GA)尋找合適的懲罰參數(shù)c和核函數(shù)參數(shù)g建立最佳預(yù)測模型。
【專利說明】
基于PCA-SVM的火電廠燃煤低位熱值軟測量方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明涉及一種用于火電機(jī)組燃煤低位熱值的預(yù)測方法。
【背景技術(shù)】
[0002] 在我國火電機(jī)組中,煤是鍋爐燃燒的主要原料,煤炭成本占了總成本的80%,研究 煤質(zhì)因素對鍋爐燃燒的影響至關(guān)重要。鍋爐設(shè)計(jì)包括燃燒系統(tǒng)主要設(shè)備結(jié)構(gòu)參數(shù)、選型、技 術(shù)指標(biāo)的設(shè)計(jì)等都離不開燃煤熱值參數(shù)。我國煤炭資源豐富,不過各地煤質(zhì)變化較大,且劣 質(zhì)煤居多,而且近年來電站鍋爐的入爐煤熱值普遍在下降,從而導(dǎo)致很多電站鍋爐燃燒煤 種普遍偏離設(shè)計(jì)煤種,相應(yīng)的運(yùn)行工況偏離設(shè)計(jì)工況,嚴(yán)重影響了機(jī)組運(yùn)行的經(jīng)濟(jì)性和安 全性,故有必要實(shí)時對燃煤熱值進(jìn)行檢測監(jiān)視,并根據(jù)入爐煤熱值的實(shí)際情況對鍋爐運(yùn)行 做出相應(yīng)的調(diào)整。目前,電廠一般都采用實(shí)測法的方式借助氧彈儀測定燃煤熱值,化驗(yàn)時間 長,而且分析結(jié)果在時間和空間上離散性大,難以實(shí)時指導(dǎo)鍋爐運(yùn)行優(yōu)化調(diào)整。經(jīng)驗(yàn)公式法 可以快速估算出燃煤熱值,不過精度不夠理想,同時現(xiàn)場需要安裝很多測點(diǎn),給工程應(yīng)用帶 來不便。支持向量機(jī)作為一種預(yù)測工具,是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最 小原理基礎(chǔ)上的,其在解決小樣本、非線性及高維模式識別中表現(xiàn)出許多特有的優(yōu)勢?;?支持向量機(jī)的軟測量技術(shù)一方面能夠充分利用電廠已有的數(shù)據(jù)平臺,在較低的技術(shù)成本 下,通過數(shù)據(jù)挖掘從大量的數(shù)據(jù)中自動搜索學(xué)習(xí)隱藏在數(shù)據(jù)中的特殊關(guān)系,從而一定程度 上能夠提高熱值測量的實(shí)時性和精確性。本發(fā)明選取了多個與燃煤熱值相關(guān)的輔助變量, 同時利用遺傳算法結(jié)合交叉驗(yàn)證思想優(yōu)化支持向量機(jī)建模參數(shù),建立基于支持向量機(jī)的燃 煤低位熱值的在線預(yù)測模型。
【發(fā)明內(nèi)容】
[0003] 發(fā)明目的:本發(fā)明的發(fā)明目的是針對現(xiàn)有技術(shù)的不足而公開了一種用于火電機(jī)組 燃煤低位熱值的預(yù)測方法,通過在電廠SIS的歷史數(shù)據(jù)庫中獲取最近一段時間輔助變量的 數(shù)據(jù),經(jīng)過誤差處理歸一化等初步預(yù)處理,經(jīng)過主元分析找出最能反映原始數(shù)據(jù)的主元分 析模型,然后將遺傳算法優(yōu)化的懲罰參數(shù)c和核函數(shù)參數(shù)g作為建模參數(shù)建立火電機(jī)組燃煤 低位熱值的支持向量機(jī)軟測量模型。
[0004] 技術(shù)方案:為解決上述技術(shù)問題,本發(fā)明提供的一種用于火電機(jī)組燃煤低位熱值 的預(yù)測方法,包括以下步驟:
[0005] (1)確定與燃煤熱值相關(guān)的輔助變量以及主導(dǎo)變量:輔助變量有機(jī)組負(fù)荷、總煤 量、總風(fēng)量、一次風(fēng)量、一次風(fēng)壓、給水流量、氧量、主蒸汽吸熱量、再熱蒸汽吸熱量、排煙溫 度,主導(dǎo)變量即燃煤低位熱值;
[0006] (2)從SIS中的歷史數(shù)據(jù)庫中獲取最近1小時內(nèi)的鍋爐負(fù)荷、總煤量、總風(fēng)量、一次 風(fēng)量、一次風(fēng)壓、給水流量、氧量、排煙溫度數(shù)據(jù),并對數(shù)據(jù)進(jìn)行誤差處理,得到數(shù)據(jù)集合為:
[0007] D=(di,d2,---,dP);
[0008] 其中:p是上述輔助變量總個數(shù);
[0009] (3)從SIS中的歷史數(shù)據(jù)庫中獲取最近1小時內(nèi)的主蒸汽壓力和溫度,再熱蒸汽進(jìn) 出口壓力和溫度以及給水壓力和溫度數(shù)據(jù),并對數(shù)據(jù)進(jìn)行誤差處理,然后計(jì)算得出相應(yīng)的 主蒸汽焓、再熱蒸汽進(jìn)出口焓和鍋爐給水焓,得出相應(yīng)的蒸汽吸熱量和再熱蒸汽吸熱量;
[0010] 蒸汽吸熱量、再熱蒸汽吸熱量計(jì)算公式如下:
[0011] qFhgq-hgs;
[0012] q2 = hzr2-hzrl;
[0013]其中:qi為主蒸汽吸熱量,kj/kg; hgq為主蒸汽{含值,kj/kg; hgs為給水{含值;q2為再 熱蒸汽吸熱量,kj/kg; hzrl、hzr2分別為再熱蒸汽進(jìn)出口焓值,kj/kg。
[0014] (4)結(jié)合(2)和(3)得出所有輔助變量的數(shù)據(jù)集合為:
[0015] X=(D,qi,q2) = (di,d2,...,dP,qi,q2);
[0016] 為了避免變量不同量綱的影響,對上述數(shù)據(jù)集合進(jìn)行歸一化處理,得到標(biāo)準(zhǔn)化后 的數(shù)據(jù)集合:
[0017] X'=(D',q'i,q'2) = (d'i,d'2,...,d'P,q'i,q'2)。
[0018] (5)通過主元分析方法(PCA)找出最能表征原始數(shù)據(jù)X的主元分析模型Y,并將Y作 為訓(xùn)練集;
[0019] (6)采用遺傳算法對訓(xùn)練集數(shù)據(jù)進(jìn)行訓(xùn)練,尋找支持向量機(jī)模型最優(yōu)的懲罰參數(shù)c 和核函數(shù)參數(shù)g;
[0020] (7)采用步驟(6)獲得的最優(yōu)參數(shù)以及數(shù)據(jù)集Y和低位熱值數(shù)據(jù),采用支持向量機(jī) 法建立燃煤低位熱值的軟測量模型;
[0021] (8)在線實(shí)時獲取各輔助變量數(shù)據(jù),對數(shù)據(jù)進(jìn)行誤差處理,利用上述建立的PCA-SVM模型,得到燃煤低位熱值。
[0022 ]進(jìn)一步地,步驟(2)(3)中的數(shù)據(jù)集合中的采集時間間隔為30s。
[0023] 進(jìn)一步地,步驟(2)(3)中所述的誤差處理包括粗大誤差和隨機(jī)誤差的處理。
[0024]粗大誤差的處理按照拉依達(dá)準(zhǔn)則,其數(shù)學(xué)方法表述如下:設(shè)樣本采集數(shù)據(jù)為yi, y2,…,yn,然后由Bessel公式計(jì)算出標(biāo)準(zhǔn)偏差〇,如下式。
[0025] <7 = /n-1)1/2 = I ^y; -(X-17,2)/?? I(n ~I i:l [L :M 」 J
[0026] 其中:n為采集數(shù)據(jù)個數(shù);;^為采集數(shù)據(jù)的算數(shù)平均值;^為采集數(shù)據(jù)與平均值偏 差,即 Vf = j,,. - .V,(,' = h 2,"
[0027]如果某一樣本數(shù)據(jù)yk的偏差vk(l彡k彡n)滿足|vk|>3 〇,則此時數(shù)據(jù)不合理,應(yīng)該 剔除;
[0028]隨機(jī)誤差的處理采用五點(diǎn)線性平滑法:
[0029]設(shè)某一輔助變量的額樣本采集數(shù)據(jù)為{xi,x2,"_,xn},xi = si+m,式中Si為真值,ru 為噪聲,則經(jīng)五點(diǎn)線性平滑處理后的數(shù)據(jù)為
[0030] >',? = X arXi^r = Z ar(Siu- + ?/+,?) = X QrS^r + Z + f,i ' .r=-q r--q r--q r=-cj
[0031 ]式中:r為-q到q間的整數(shù),即r = -q , ??? , 0 , ??? , q ; {ar }是一組權(quán)重值,滿足
[0032]進(jìn)一步地,步驟(3)中通過溫度和壓力求取焓值是利用WASPCN(水和蒸汽性質(zhì)計(jì)算 軟件,免費(fèi)軟件,網(wǎng)上可下載)求得。
[0033]進(jìn)一步地,步驟(4)中的歸一化處理將原始數(shù)據(jù)標(biāo)度變換到[0,1]區(qū)間,方法如下: 設(shè)某一輔助變量的采集數(shù)據(jù)為x= {xi,x2,…,xi,…,xn},則標(biāo)準(zhǔn)化后的數(shù)據(jù)X'為:
[0035]其中:min(X)為采集數(shù)據(jù)X的最小值;max(X)為采集數(shù)據(jù)X的最大值。
[0036]進(jìn)一步地,步驟(7)中是利用LIBSVM工具箱建立支持向量機(jī)模型。
[0037] 進(jìn)一步地,步驟(7 )中支持向量機(jī)模型采用的是徑向基核函數(shù):
[0038] 有益效果:本發(fā)明相對于現(xiàn)有技術(shù)而言具備以下優(yōu)點(diǎn):
[0039] (1)本發(fā)明無需復(fù)雜的硬件設(shè)備,價(jià)格低廉,而傳統(tǒng)的煤質(zhì)分析儀卻價(jià)格高昂。
[0040] (2)本發(fā)明是一種熱值的軟測量方法,相較于傳統(tǒng)的實(shí)驗(yàn)室化學(xué)分析方法速度更 快,是一種在線分析方法。
[0041] (3)本發(fā)明測量熱值精度高,滿足工程實(shí)際需要,而傳統(tǒng)的熱值測量誤差較大。
【附圖說明】
[0042]圖1為本發(fā)明燃煤低位熱值預(yù)測方法的數(shù)據(jù)學(xué)習(xí)和訓(xùn)練流程圖。
[0043] 圖2為本發(fā)明利用遺傳算法得出最佳參數(shù)c和g的算法流程圖。
[0044] 圖3為實(shí)施例中尋優(yōu)過程中的適應(yīng)度曲線。
[0045] 圖4為實(shí)施例中熱值模型的建模和預(yù)測效果。
【具體實(shí)施方式】
[0046] 下面結(jié)合附圖對本發(fā)明作更進(jìn)一步的說明。
[0047]如圖1所示,現(xiàn)場DCS采樣數(shù)據(jù)存入廠級監(jiān)控信息系統(tǒng)(SIS)的歷史數(shù)據(jù)庫,獲取最 近1小時內(nèi)與燃煤熱值相關(guān)的輔助變量的數(shù)據(jù),輔助變量主要包括鍋爐負(fù)荷、總煤量、總風(fēng) 量、一次風(fēng)量、一次風(fēng)壓、給水流量、氧量、排煙溫度數(shù)據(jù),另外兩個輔助變量主蒸汽吸熱量 和再熱蒸汽吸熱量通過主蒸汽壓力和溫度,再熱蒸汽進(jìn)出口壓力和溫度以及給水壓力和溫 度數(shù)據(jù)計(jì)算得出。接著對數(shù)據(jù)進(jìn)行預(yù)處理,粗大誤差的處理按照拉依達(dá)準(zhǔn)則,剔除偏差I(lǐng) vk >3〇的樣本數(shù)據(jù)yk。隨機(jī)誤差的處理采用五點(diǎn)線性平滑法。將數(shù)據(jù)歸一化處理后通過主元 分析方法(PCA)找出最能表征原始數(shù)據(jù)X的主元分析模型Y,并將Y作為訓(xùn)練集,采用LIBSVM 工具箱建立支持向量機(jī)模型,模型采用的是徑向基函數(shù)
。同時,采 用遺傳算法尋找支持向量機(jī)模型最優(yōu)的懲罰參數(shù)c和核函數(shù)參數(shù)g,建立最佳的低位熱值軟 測量模型,提高模型預(yù)測精度。
[0048] 如圖2所示,為了保證支持向量機(jī)預(yù)測模型具有較高的準(zhǔn)確率,可以通過遺傳算法 找到在CV意義下的全局最優(yōu)解,而且如果有多組的C和g對應(yīng)于最高的預(yù)測準(zhǔn)確率,選取能 夠其中參數(shù)c最小的那組c和g作為最佳的參數(shù),這樣做主要為了避免過高的c會導(dǎo)致過學(xué)習(xí) 狀態(tài)的發(fā)生。該算法的適應(yīng)度函數(shù)為與某一組c和g對應(yīng)的K-CV方法的預(yù)測準(zhǔn)確率。
[0049] 算例:
[0050] 本文結(jié)合安徽某電廠試驗(yàn)數(shù)據(jù)分析本發(fā)明方法的實(shí)用性。表1為經(jīng)過數(shù)據(jù)處理和 吸熱量計(jì)算后的熱值建模數(shù)據(jù)。
[0051 ]表1熱值建模數(shù)據(jù)
[0053]令1~2、4~6、8~10組作為訓(xùn)練數(shù)據(jù),3、7、11組作為測試數(shù)據(jù)。利用本發(fā)明方法, 得到低位熱值模型的最佳參數(shù)分別為:c取12,g取0.215,圖3為參數(shù)尋優(yōu)的適應(yīng)度曲線圖, 因?yàn)檫m應(yīng)度函數(shù)選用的是均方誤差的相反數(shù),故適應(yīng)度越大誤差越小,從圖中可以看出最 終均方誤差穩(wěn)定在1.063。
[0054]此時用尋優(yōu)后的參數(shù)建立最佳的支持向量機(jī)模型,并通過該模型對3、7、11組的燃 煤低位熱值進(jìn)行預(yù)測,結(jié)果如圖4所示。作為訓(xùn)練數(shù)據(jù)的八組數(shù)據(jù),其實(shí)際值和模型預(yù)測值 非常接近,說明訓(xùn)練誤差相對較小。圖中標(biāo)記圓圈的三組數(shù)據(jù)作為本模型的測試數(shù)據(jù),從圖 可以看到實(shí)際值與預(yù)測值比較接近,最大誤差是第十一組,不過該組絕對誤差為178MJ/kg, 相對誤差不超過1 %,故該低位熱值預(yù)測的發(fā)明方法能夠滿足工程的實(shí)際要求。
[0055]以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式,應(yīng)當(dāng)指出:對于本技術(shù)領(lǐng)域的普通技術(shù)人 員來說,在不脫離本發(fā)明原理的前提下,還可以做出若干改進(jìn)和潤飾,這些改進(jìn)和潤飾也應(yīng) 視為本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種用于火電機(jī)組燃煤低位熱值的預(yù)測方法,其特征在于,包括以下步驟: (1) 確定與燃煤熱值相關(guān)的輔助變量以及主導(dǎo)變量:輔助變量有機(jī)組負(fù)荷、總煤量、總 風(fēng)量、一次風(fēng)量、一次風(fēng)壓、給水流量、氧量、主蒸汽吸熱量、再熱蒸汽吸熱量、排煙溫度,主 導(dǎo)變量即燃煤低位熱值; (2) 從SI S中的歷史數(shù)據(jù)庫中獲取最近1小時內(nèi)的鍋爐負(fù)荷、總煤量、總風(fēng)量、一次風(fēng)量、 一次風(fēng)壓、給水流量、氧量、排煙溫度數(shù)據(jù),并對數(shù)據(jù)進(jìn)行誤差處理,得到數(shù)據(jù)集合為: D=(di,d2,.",dP); 其中:P是上述輔助變量總個數(shù); (3) 從SIS中的歷史數(shù)據(jù)庫中獲取最近1小時內(nèi)的主蒸汽壓力和溫度,再熱蒸汽進(jìn)出口 壓力和溫度以及給水壓力和溫度數(shù)據(jù),并對數(shù)據(jù)進(jìn)行誤差處理,然后計(jì)算得出相應(yīng)的主蒸 汽焓、再熱蒸汽進(jìn)出口焓和鍋爐給水焓,得出相應(yīng)的蒸汽吸熱量和再熱蒸汽吸熱量; 蒸汽吸熱量、再熱蒸汽吸熱量計(jì)算公式如下: qi = hgq-hgs ; Q2 - hzr2-hzrl ; 其中:qi為主蒸汽吸熱量,kj/kg;hgq為主蒸汽洽值,kj/kg;hgs為給水洽值;q2為再熱蒸 汽吸熱量,kj/kg; hzrl、hzr2分別為再熱蒸汽進(jìn)出口焓值,kj/kg。 (4) 結(jié)合(2)和(3)得出所有輔助變量的數(shù)據(jù)集合為: X= (D,qi,q2) = (di,cb,…,dp,qi,q2); 為了避免變量不同量綱的影響,對上述數(shù)據(jù)集合進(jìn)行歸一化處理,得到標(biāo)準(zhǔn)化后的數(shù) 據(jù)集合: X' = (D',q'i,q'2) = (d'i,d'2,.",d'P,q'i,q'2)〇 (5) 通過主元分析方法(PCA)找出最能表征原始數(shù)據(jù)X的主元分析模型Y,并將Y作為訓(xùn) 練集; (6) 采用遺傳算法對訓(xùn)練集數(shù)據(jù)進(jìn)行訓(xùn)練,尋找支持向量機(jī)模型最優(yōu)的懲罰參數(shù)c和核 函數(shù)參數(shù)g; (7) 采用步驟(6)獲得的最優(yōu)參數(shù)以及數(shù)據(jù)集Y和低位熱值數(shù)據(jù),采用支持向量機(jī)法建 立燃煤低位熱值的軟測量模型; (8) 在線實(shí)時獲取各輔助變量數(shù)據(jù),對數(shù)據(jù)進(jìn)行誤差處理,利用上述建立的PCA-SVM模 型,得到燃煤低位熱值。2. 如權(quán)利要求1所述的一種用于火電機(jī)組燃煤低位熱值的預(yù)測方法,其特征在于,步驟 (2)(3)中的數(shù)據(jù)集合中的采集時間間隔為30s。3. 如權(quán)利要求1所述的一種用于火電機(jī)組燃煤低位熱值的預(yù)測方法,其特征在于,步驟 (2) (3)中所述的誤差處理包括粗大誤差和隨機(jī)誤差的處理。 粗大誤差的處理按照拉依達(dá)準(zhǔn)則,其數(shù)學(xué)方法表述如下:設(shè)樣本采集數(shù)據(jù)為,y2,…, yn,然后由Bessel公式計(jì)算出標(biāo)準(zhǔn)偏差〇,如下式。其中:η為采集數(shù)據(jù)個數(shù);^為采集數(shù)據(jù)的算數(shù)平均值;V1為采集數(shù)據(jù)與平均值偏差,即 如果某一樣本數(shù)據(jù)yk的偏差vk( I <k<n)滿足I Vk I >3〇,則此時數(shù)據(jù)不合理,應(yīng)該剔除; 隨機(jī)誤差的處理采用五點(diǎn)線性平滑法: 設(shè)某一輔助變量的額樣本采集數(shù)據(jù)為{X1,X2,…,Xn},Xl = Si+m,式中81為真值,m為噪 聲,則經(jīng)五點(diǎn)線性平滑處理后的數(shù)據(jù)為式中:r為-q到q間的整數(shù),即r = - q,…,O,…,q ; { a r }是一組權(quán)重值,滿足4. 如權(quán)利要求1所述的一種用于火電機(jī)組燃煤低位熱值的預(yù)測方法,其特征在于,步驟 (3) 中通過溫度和壓力求取焓值是利用WASPCN求得。5. 如權(quán)利要求1所述的一種用于火電機(jī)組燃煤低位熱值的預(yù)測方法,其特征在于,步驟 (4) 中的歸一化處理將原始數(shù)據(jù)標(biāo)度變換到[0,1]區(qū)間,方法如下:設(shè)某一輔助變量的采集 數(shù)據(jù)為X= {X1,X2,…,X1,…,χη},則標(biāo)準(zhǔn)化后的數(shù)據(jù)X'為:其中:min (X)為采集數(shù)據(jù)X的最小值;max (X)為采集數(shù)據(jù)X的最大值。6. 如權(quán)利要求1所述的一種用于火電機(jī)組燃煤低位熱值的預(yù)測方法,其特征在于,步驟 (7)中是利用LIBSVM工具箱建立支持向量機(jī)模型。7. 如權(quán)利要求1所述的一種用于火電機(jī)組燃煤低位熱值的預(yù)測方法,其特征在于,步驟 (7)中支持向量機(jī)模型采用的是徑向基核函數(shù):
【文檔編號】G06Q50/06GK105930929SQ201610247239
【公開日】2016年9月7日
【申請日】2016年4月19日
【發(fā)明人】司風(fēng)琪, 莫浩浩, 周建新
【申請人】東南大學(xué)