一种基于LSSVM的飞灰含碳量软测量方法及装置

飞灰含碳量是反映火电厂锅炉燃烧效率的重要指标之一。实时准确地检测飞灰含碳量对指导锅炉运行,提升锅炉效率具有重要意义。现行检测装置大都采用灼烧、反射等物理化学方法测量飞灰含碳量,测量滞后大、准确度不高,且设备复杂昂贵,维护成本高,现场应用效果较差;本文采用软测量技术对飞灰含碳量进行间接测量,提出了一种基于LSSVM的飞灰含碳量软测量方法,选取方便测量的相关运行参数为辅助变量,通过软测量模型对飞灰含碳量进行实时预测,并将LSSVM软测量系统嵌入到PLC中,研制了一种飞灰含碳量在线软测量装置,无需采取灰样,预测速度快,准确度较高。     

电厂锅炉飞灰含碳量测量模型

目前广泛采用微波技术进行在线测量电厂飞灰含碳量,现场使用过程中飞灰成分变化对仪器的测量精度有严重影响。利用RBF神经网络对影响飞灰成分的多维数据和微波功率进行融合,建立电厂锅炉飞灰含碳量测量模型。该模型能够避免飞灰种类变化对飞灰含碳量测量结果的影响,提高了飞灰含碳量的测量精度。     

基于神经网络的电站锅炉飞灰含碳量软测量系统

借助于正交试验设计，对某台200MW机组燃煤锅炉飞灰含碳量特性进行了多工况热态测试，获得了数据样本，采用基于Levenberg-Marquardt(LM)算法的BP神经网络，建立了飞灰含碳量软测量模型，通过仿真计算，证明了飞灰含碳量软测量模型的正确性和有效性。     

火电厂锅炉飞灰含碳量测量技术发展与现状

飞灰含碳量是反映火电厂锅炉燃烧效率的重要指标,提高锅炉运行效率的关键前提是精确和快速地测量出飞灰含碳量.全面介绍了当前常见的多种飞灰含碳测量方法的工作原理,分别了它们的优缺点,并给出了典型产品.还详细地介绍了近年来发展起来的飞灰含碳量数据融合测量方法和软测量方法,并分析了它们的技术特点.对飞灰含碳量测量方法的选择与研究...     

基于神经遗传的电站锅炉炉渣含碳量软测量技术

针对锅炉炉渣含碳量难以在线实时测量及测量精度低等问题,采用了基于神经网络结合遗传算法的新型软测量模型,通过遗传算法训练BP神经网络权值的方法,实现了对某热电厂220 t/h四角切圆煤粉锅炉炉渣含碳量的软测量。以锅炉实际运行数据为输入值得到的模型输出结果表明,该方法具有较好的软测量效果。     

基于支持向量机增量算法的锅炉燃烧效率建模研究

针对锅炉燃烧效率建模问题,选取燃料量和总风量等参数描述负荷对锅炉热效率的影响,建立基于支持向量机(SVM)的锅炉两级燃烧模型。根据历史工况对飞灰含碳量及锅炉燃烧效率进行预测,提出利用改进型增量学习算法对训练样本进行优化,保证预测结果精度的前提下同时缩短了训练时间。针对广东大唐潮州三百门电厂1 000MW机组现场运行数据建立飞灰含碳量及锅炉热效率SVM模型,对其进行仿真分析,模型预测值与实测值误差较小,表明该燃烧效率模型的预测效果良好。     

电站锅炉飞灰含碳量的优化控制

利用人工神经网络对锅炉飞灰含碳量进行建模,并采用混合遗传算法与复合形法进行运行工况寻优,获得当前最佳的锅炉燃烧调整方式,这种方法同时解决了锅炉变工况下运行参数基准值的问题。应用该模型对某台300MW四角切圆燃煤电站锅炉的飞灰含碳量进行优化控制研究,其结果可指导运行人员进行参数优化调整,降低锅炉飞灰含碳量,提高燃烧经济性。图3表4参7     

电站锅炉飞灰含碳量的优化控制

利用人工神经网络对锅炉飞灰含碳量进行建模，并采用混合遗传算法与复合形法进行运行工况寻优，获得当前最佳的锅炉燃烧调整方式，这种方法同时解决了锅炉变工况下运行参数基准值的问题。应用该模型对某台300MW四角切圆燃煤电站锅炉的飞灰含碳量进行优化控制研究，其结果可指导运行人员进行参数优化调整，降低锅炉飞灰含碳量，提高燃烧经济性。     

应用局部投影网络预测燃料分级燃烧锅炉的飞灰含碳量

火电厂煤粉燃烧效率体现在燃尽程度上,一般用锅炉的飞灰含碳量来进行评价.这个参数的预知对燃料分级燃烧优化,即在能够降低NOx的排放的同时保证煤粉的燃烧效率,进而提高锅炉运行效率极为重要.分析了锅炉飞灰含碳量的影响因素,利用局部投影神经网络LPN结构简单、收敛速度快、泛化能力强和适用于非线性时变过程的特点,建立锅炉的飞灰含碳量动态预测模型.利用锅炉热态试验所得数据训练和测试该模型,结果表明,预测模型较精确地预测了飞灰含碳量,从而为燃料分级燃烧优化的进行提供了模型基础.     

大型电站锅炉飞灰含碳量优化模型研究

借助锅炉燃烧特性试验结果,建立了基于支持向量回归的大型电站锅炉飞灰含碳量模型.经过训练和校验,并与神经网络模型进行对比,结果表明:SVR模型更加适合于实炉测试工况较少的小样本学习,而且其精度能够满足工程的实际要求,能够较为准确的对不同工况下的电站锅炉飞灰含碳量进行预测.在获得该模型的基础上,结合全局寻优的遗传算法,以锅炉的运行调节参数为优化目标函数的自变量,对飞灰含碳量排放进行寻优,并获得了具体工况下的最佳操作参数.     

基于改良BP神经网络的生物质锅炉飞灰含碳量预测模型研究

针对生物质锅炉飞灰含碳量较高的问题,文章提出了基于主成分分析法(PCA)或Garson算法与普通LM-BP神经网络相结合的两种生物质锅炉飞灰含碳量预测模型。这两种模型通过对负荷、燃烧室烟气温度、烟气含氧量等17个原始输入变量进行降维得到新输入变量,再进行训练建模,提高了模型精度。利用我国某生物质电厂飞灰含碳量的实测数据对模型进行检验,检验结果表明,LM-Garson-BP神经网络的MAPE为2.09%,MSE为0.11,MAE为0.25,泛化能力最强,稳定性最好。     

基于GSA-LSSVM的循环流化床锅炉飞灰含碳量预测

为了控制循环流化床锅炉飞灰含碳量,提高锅炉燃烧效率。以某电厂循环流化床锅炉燃烧数据为样本,应用最小二乘支持向量机(LSSVM)建立了以锅炉运行参数为输入量,以锅炉飞灰含碳量为输出的模型。由于最小二乘支持向量机的参数决定了模型精度及泛化能力,将万有引力搜索算法(GSA)运用到模型参数寻优过程中,得到了飞灰含碳量最优模型GSA-LSSVM;并利用不同工况下的样本数据检验了模型的预测性能,并将该模型分别与粒子群(PSO)和遗传算法(GA)优化的LSSVM模型进行比较,仿真实验证明GSALSSVM模型具有很好的辨识能力及泛化能力。     

基于LS-SVM稀疏化算法的飞灰含碳量软测量方法

  [目的]  为了解决经典迭代剪切稀疏化算法在飞灰含碳量软测量模型应用中计算量过大问题,提出了一种基于样本分布特征的LS-SVM稀疏化算法。  [方法]  算法在计算样本特征空间距离基础上,融合密度和离散度构建全局代表性指标,并按此指标对原始样本集进行排序和剪切,完成稀疏化。为验证算法性能将提出的算法应用到某1 000 MW火电机组飞灰含碳量软测量模型,训练样本集取自机组现场试验数据。  [结果]  结果表明:本算法能在适当牺牲误差性能的情况下大大消减样本容量,显著降低飞灰含碳量LS-SVM软测量模型训练及在线预测计算量。  [结论]  所提LS-SVM稀疏化算法在保证误差值降低0.01%的情况下,将样本空间从90个缩小到30个,既减小了计算规模,又保证了计算精度。所提算法可在PLC等计算性能受限的工业控制器中实现飞灰含碳量在线软测量功能,并可推广至发电厂其他参数软测量系统。     

基于混合智能的锅炉飞灰含碳量实时目标值模型

为了降低飞灰含碳量,提高锅炉运行水平,运用混合智能技术建立了飞灰含碳量目标值模型.从运行优化角度提出了飞灰含碳量目标值的定义和技术可行方案.通过对锅炉的历史运行工况数据库进行数据挖掘,建立了锅炉历史最优工况数据库,以此作为训练样本建立飞灰含碳量目标值的神经网络模型,在进行了实例验证后对模型进行了分析讨论.实际应用表明该模型具备自调节能力,能够向运行人员实时提供当前工况下的飞灰含碳量目标值,为飞灰含碳量的实时优化指明了调整的方向.     

大型电站锅炉飞灰含碳量在线自校正建模

为降低飞灰含碳量,实现锅炉的优化运行,对其进行了软测量建模研究.在建模过程中,针对模型输入变量之间存在强耦合、非线性以及辅助变量选择难的问题,采用核主元分析(KPCA)提取变量的特征信息以有效处理非线性数据,生成新的综合辅助变量,并结合特征值碎石图及累积方差贡献率,对KPCA参数的选择提出了新的方法.为解决模型在线校正...     

燃煤锅炉飞灰含碳量的BP神经网络模型

燃煤锅炉是复杂的多变量系统,其飞灰的含碳量形成机理复杂,不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大,测试工况有限等缺点;燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量,其相互耦合,导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱,应用该方法可以良好的描述其输入输出之间的黑箱特性,因此,人工神经网络应用广泛。利用燃煤锅炉试验数据,采用3层BP(back propagation)神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证,该BP神经网络对飞灰含碳量相对预测误差在0.19%~0.50%,预测效果良好。测试结果表明,建立的神经网络预测模型可以准确逼近验证样本数据,也能够较好的逼近非验证样本数据,具有良好的泛化能力。     

FLUENT中煤粉燃烧飞灰含碳量数值模型的改进

为了提高FLUENT软件对电站煤粉锅炉飞灰含碳量的预测精度,推导了考虑灰层扩散阻力的焦炭缩核燃烧模型,基于FLUENT软件提供的"多表面反应模型"框架,结合用户自定义函数技术对其自带的焦炭燃烧模型进行了改进。然后对某1 025 t/h电站锅炉分别采用自带和改进的焦炭燃烧模型进行模拟,并和测试结果进行了对比。结果表明:自带模型由于忽略了灰层对燃烧气体的扩散阻力,求得的飞灰含碳量仅为0.1%,改进模型求得的飞灰含碳量为3.1%,与测试结果 2.2%更为接近;自带模型和改进模型求得的炉膛出口O2体积百分比分别为3.0%和3.3%,误差在±10%范围内。     

锅炉飞灰含碳量在线监测装置的应用与维护

叙述了一种电厂锅炉飞灰含碳量的微波式飞灰含碳量在线监测装置,实践表明,该装置测量精度较高,可靠性好,能及时、有效地调整锅炉运行,降低供电煤耗。介绍了它的工作原理,应用与维护,指出了使用中应注意的问题。     

电站煤粉锅炉飞灰浓度模型

根据锅炉热平衡基本原理和燃烧理论,建立了基于在线监测参数的飞灰浓度计算模型,模型的计算值与实测值比较接近。模型对于在线测量飞灰含碳量有一定的工程实用性。     

基于支持向量机的燃烧过程飞灰含碳量与NOx排放特性模型

大型四角切圆电站锅炉NOx排放和飞灰含碳量是燃烧优化的两个方面,也是电厂关心的重要问题。影响两者的因素众多而且复杂,对锅炉飞灰含碳量和NOx排放特性进行建模是实现燃烧优化的一个前提。文中首先利用交叉验证算法分析样本数据,对支持向量机中的参数C和σ进行选择,再应用支持向量机理论建立了飞灰含碳量和NOx排放特性模型,最后利用试验数据对模型进行了校验。研究结果表明,采用支持向量机算法建模误差较小,达到了比较准确的预测效果。