一种燃煤电站锅炉烟气含氧量检测方法技术

本发明专利技术公开了一种燃煤电站锅炉烟气含氧量检测方法，包括以下步骤：第一、原始数据的获取与预处理；第二、变量的筛选；第三、训练样本的选择；第四、建立最小二乘支持向量机模型；第五、对比软测量模型的输出值和氧化锆传感器测量值之间的关系，选择其中一个信号作为烟气含氧量检测系统的检测值。本发明专利技术具有不增加硬件设备，可靠性好，精度足够等优点，能实现对大型锅炉烟气含氧量的准确测量。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，包括以下步骤：第一、原始数据的获取与预处理；第二、变量的筛选；第三、训练样本的选择；第四、建立最小二乘支持向量机模型；第五、对比软测量模型的输出值和氧化锆传感器测量值之间的关系，选择其中一个信号作为烟气含氧量检测系统的检测值。本专利技术具有不增加硬件设备，可靠性好，精度足够等优点，能实现对大型锅炉烟气含氧量的准确测量。【专利说明】
本专利技术涉及一种计算机检测
的方法，尤其涉及。
技术介绍
燃煤电站锅炉的燃烧过程是空气和燃煤按照一定的比例送入炉膛发生化学反应的过程。根据煤粉中各元素所占的比例，能计算出完全燃烧所需要的空气流量。但是在实际生产中，煤粉颗粒与空气不能混合得非常均匀。为了保证燃烧的充分性，需要适当增大送入炉膛的空气量。针对燃煤成分的差异，一般实际送风量为理论空气里的1.15?1.25倍。多余的空气量会导致燃烧生成的尾烟气中含有剩余的氧气，其体积比称为烟气含氧量。烟气含氧量的准确测量对于调节燃烧系统风煤比、提高锅炉燃烧效率有着重要的影响。目前大部分燃煤电站锅炉采用氧化锆传感器测量锅炉烟气含氧量，但实际使用中存在故障率高、测量精度低、动态特性差和检修维护困难等特点。针对氧化锆传感器在实际应用中的不足，国内外学者利用各种软测量的方法对烟气含氧量进行检测。软测量建模方法可以分为机理建模和数据建模。刘吉臻等人针对燃油电站锅炉，基于燃烧化学反应，推导出了烟气含氧量的热力学计算公式。但是相对于燃油，煤质的变化比较大而且煤粉的成分无法实现在线的实时检测，基于机理建模的烟气含氧量模型很难在实际中得到应用。目前已有部分基于数据驱动的烟气含氧量软测量模型被提出。芬兰的K.Leppakoski等人基于Hammerstein模型和自回归各态历经模型提出了一种混合含氧量软测量模型，较好地解决了系统非线性的问题。华北电力大学的韩璞等人提出了基于一种复合型神经网络的烟气含氧量软测量模型并进行了建模仿真验证。刘长良等人提出了基于最小二乘支持向量机的火电厂烟气含氧量软测量模型，使用单纯形寻优算法应用在最小二乘支持向量机的两个参数优化问题中。但是这些数据模型没有考虑模型的更新问题，所建模型随着时间的推移精度不断下降。因此，本领域的技术人员致力于开发一种烟气含氧量软测量方法，能够得到准确、连续的烟气含氧量信号。
技术实现思路
有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是提供，通过建立烟气含氧量的数据模型，实现对氧量信号的软测量，将软测量模型和氧化锆传感器测量值进行对比，得到准确、连续的烟气含氧量信号，形成一种精度高、动态特性强、成本低、可靠性高的燃煤电站锅炉烟气含氧量检测方法，为燃烧系统的控制和优化奠定一定的基础。为实现上述目的，本专利技术提供了，包括如下步骤:a)获取第一变量的原始参数数据；b)对步骤a)获取的第一变量的原始参数数据进行预处理，降低数据噪声；c)对步骤b)预处理后的数据进行第一变量筛选，获取第二变量的数据参数；d)利用基于带状态约束的滑动时间窗算法选择训练样本；e)利用最小二乘支持向量机建立烟气含氧量的软测量模型；f)对比软测量模型的输出值和氧化锆传感器测量值之间的关系，选择其中一个信号作为烟气含氧量检测系统的检测值。进一步地，步骤a)中的第一变量是指作为烟气含氧量软测量模型的输入变量，包括炉膛出口烟温、炉膛负压、一次风温、一次风量、二次风温、二次风量、给煤量、给水流量、给水温度、主汽压力、主汽温度、主汽流量、机组负荷。进一步地，步骤b)中的预处理是指:对步骤a)中获取的第一变量剔除数据中的奇异点，再采用五点三次平滑方法对试验数据进行平滑处理。进一步地，步骤c)中的筛选是指根据关联度分析，选取关联度为0.5以上的变量作为第二变量进一步地，步骤c)中的第二变量包括炉膛出口烟温、炉膛负压、一次风量、二次风量、给煤量、给水量、给水温度、主汽流量和机组负荷。进一步地，带状态约束的滑动时间窗算法是指根据第二变量的当前的观测数据点{xN+1, y0N+J，寻找前面L个与当前的观测点的状态接近的数据点，再将这些数据点组合成一个新的训练组(训练样本)trainSet*N+1J与观测点{xN+1，y0N+J 一一对应，后续算法利用训练组trainSet*N+1对观测点进行建模。进一步地，带状态约束的滑动时间窗算法的算法如下:第一步，获取所述第二变量的观测数据点{xk，yk I k=l, 2，...，N}，进行初始化处理，得到训练样本 trainSetN+1={xk, yk | k=N-L, N-L+1,...，N}；第二步，根据第二变量的当前观测数据点{xN+1，y0N+J，寻找前面L个与所述当前观测数据点的状态接近的数据点，再将所述这些数据点组合成一个新的训练样本trainSet*N+1 ；第三步，记所述trainSet*N+1的长度为1，1=0 ;指定的滑动时间窗口大小为L ;i=N ；第四步，对于所述当前观测数据点{xN+1, y°N+1}，计算其与历史点hi, yj的偏差【权利要求】1.，其特征在于，包括如下步骤: a)获取第一变量的原始参数数据； b)对步骤a)获取的第一变量的原始参数数据进行预处理，降低数据噪声； c)对步骤b)预处理后的数据进行第一变量筛选，获取第二变量的数据参数； d)利用基于带状态约束的滑动时间窗算法选择训练样本； e)利用最小二乘支持向量机建立烟气含氧量的软测量模型； f)对比软测量模型的输出值和氧化锆传感器测量值之间的关系，选择其中一个信号作为烟气含氧量检测系统的检测值。2.如权利要求1所述的方法，其特征在于，所述步骤a)中的第一变量是指作为烟气含氧量软测量模型的输入变量，包括炉膛出口烟温、炉膛负压、一次风温、一次风量、二次风温、二次风量、给煤量、给水流量、给水温度、主汽压力、主汽温度、主汽流量、机组负荷。3.如权利要求1所述的方法，其特征在于，所述步骤b)中的预处理是指:对步骤a)中获取的第一变量剔除数据中的奇异点，再采用五点三次平滑方法对试验数据进行平滑处理。4.如权利要求1所述的方法，其特征在于，所述步骤c)中的筛选是指根据关联度分析，选取关联度为0.5以上的第一变量作为第二变量。5.如权利要求4所述的方法，其特征在于，所述步骤c)中的第二变量包括炉膛出口烟温、炉膛负压、一次风量、二`次风量、给煤量、给水量、给水温度、主汽流量和机组负荷。6.如权利要求1所述的方法，其特征在于，所述步骤d)中，所述带状态约束的滑动时间窗算法是指根据所述第二变量的当前的观测数据点lxN+1，y°N+J，寻找前面L个与所述当前的观测点的状态接近的数据点，再将这些所述数据点组合成一个新的训练组(训练样本)trainSet*N+i?与观测点{xN+1，y°N+J--对应，后续算法利用训练组trainSet*N+1对观测点进行建模。7.如权利要求6所述的方法，其特征在于，所述带状态约束的滑动时间窗算法的算法如下: 第一步，获取所述第二变量的观测数据点lxk，yk I k=l, 2，...，N}，进行初始化处理，得到训练样本 trainSetN+1= {xk, yk | k=N_L, N-L+1,...，N}； 第二步，根据第二变量的当前观测数据本文档来自技高网...

【技术保护点】
一种燃煤电站锅炉烟气含氧量检测方法，其特征在于，包括如下步骤：a）获取第一变量的原始参数数据；b）对步骤a）获取的第一变量的原始参数数据进行预处理，降低数据噪声；c）对步骤b）预处理后的数据进行第一变量筛选，获取第二变量的数据参数；d）利用基于带状态约束的滑动时间窗算法选择训练样本；e）利用最小二乘支持向量机建立烟气含氧量的软测量模型；f）对比软测量模型的输出值和氧化锆传感器测量值之间的关系，选择其中一个信号作为烟气含氧量检测系统的检测值。

【技术特征摘要】

【专利技术属性】
技术研发人员：王景成，章云锋，史元浩，刘正峰，袁景淇，云涛，屠庆，徐青，
申请(专利权)人：上海交通大学，上海工业自动化仪表研究院，
类型：发明
国别省市：