基于BP神经网络预测循环流化床锅炉最佳工作温度的方法技术

本发明专利技术公开了一种基于BP神经网络预测循环流化床锅炉最佳工作温度的方法，包括以下步骤：根据热电厂循环流化床锅炉的实际运行情况，选取相关量作为BP神经网络模型的输入，将循环流化床锅炉的最佳工作温度作为BP神经网络的输出；记录并存储现场的历史数据并作滤波处理，选取这些数据作为训练集样本，确定BP神经网络的输入层节点个数、隐含层结点个数、权值和阈值参数；通过BP神经网络的方法结合输入参数分析计算，得到预测出的热电厂流化床锅炉的最佳工作温度；进行仿真测试，将通过预测结果与现场的实际结果进行比对分析；解决了流化床锅炉操作员对锅炉的最佳工作温度的判断偏差，以及流化床的最佳工作温度的波动大、稳定性差等问题。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种基于BP神经网络预测循环流化床锅炉最佳工作温度的方法，包括以下步骤：根据热电厂循环流化床锅炉的实际运行情况，选取相关量作为BP神经网络模型的输入，将循环流化床锅炉的最佳工作温度作为BP神经网络的输出；记录并存储现场的历史数据并作滤波处理，选取这些数据作为训练集样本，确定BP神经网络的输入层节点个数、隐含层结点个数、权值和阈值参数；通过BP神经网络的方法结合输入参数分析计算，得到预测出的热电厂流化床锅炉的最佳工作温度；进行仿真测试，将通过预测结果与现场的实际结果进行比对分析；解决了流化床锅炉操作员对锅炉的最佳工作温度的判断偏差，以及流化床的最佳工作温度的波动大、稳定性差等问题。【专利说明】基于BP神经网络预测循环流化床锅炉最佳工作溫度的方 法
本专利技术设及一种基于BP神经网络预测循环流化床锅炉最佳工作温度的方法。
技术介绍
循环流化床锅炉技术是近十几年来迅速发展的一项高效低污染清洁燃烧技术。国 际上该项技术在电站锅炉、工业锅炉和废弃物处理利用等领域已得到广泛的商业应用，并 向几十万千瓦级规模的大型循环流化床锅炉发展；国内在该方面的研究、开发和应用也逐 渐兴起，已有上百台循环流化床锅炉投入运行或正在制造之中。未来几年将是循环流化床 飞速发展的时期。 循环流化床锅炉系统通常由流化床燃烧室（炉膛）、循环灰分离器、飞灰回送装 置、尾部受热面和辅助设备等组成。循环流化床锅炉系统通常由燃烧系统和汽水系统所组 成，燃料在锅炉的燃烧系统中完成燃烧过程，循环流化床的燃料及脱硫剂经多次循环、反复 地进行脱硫反应，具有低NOy排放量，脱硫效率高，而且具有燃料适应性广、负荷调节性能 好、灰渣易于综合利用等优点，在国内W及国际上使用较广泛，推广较迅速。 床层温度是一个直接影响锅炉能否安全连续运行的重要控制参数，同时也直接影 响着锅炉运行中的脱硫效率及N0J勺产生量。操作员对床层工作温度的设定带有很强的 随意性，考虑的因素过少，往往导致流化床锅炉的床层温度忽高忽低，进而燃料无法充分燃 烧，脱硫效率较低，造成不必要的环境污染。 循环流化床锅炉的燃烧控制较为复杂，是一个具有强干扰、非线性、时变、多变量 相关联的过程，燃料量、石灰石量、一次风量、二次风量等现场变量都对燃烧过程有影响，控 制精度低，对锅炉的最佳工作温度的预测是难点，在实际的生产过程中确定流化床锅炉的 最佳工作温度是提高燃烧效率，提高脱硫效率的关键，目前调节锅炉的工作温度的设定主 要通过操作人员的经验，存在W下不足： 1、操作员的主观臆断性太强； 2、操作员的操作具有明显的滞后性； [000引 3、硫化床工作温度波动较大、稳定性差； 4、煤的燃烧率达不到理想的最高值，浪费能源。
技术实现思路
本专利技术为了解决上述问题，提出了一种基于BP神经网络预测循环流化床锅炉最 佳工作温度的方法，本方法利用BP神经网络方法预测热电厂流化床锅炉的最佳工作温度， 进而能够给操作人员提供流化床锅炉的最佳工作温度该一关键参数，提高燃烧效率，提高 脱硫效率，减少硫化物的排放量，达到节能减排的目的。 为了实现上述目的，本专利技术采用如下技术方案： 一种基于BP神经网络预测循环流化床锅炉最佳工作温度的方法，包括W下步骤： (1)根据热电厂循环流化床锅炉的实际运行情况，选取燃料量Xi、石灰石量X2、一 次分量X3、二次风量X4作为BP神经网络模型的输入，将循环流化床锅炉的最佳工作温度作 为BP神经网络的输出； (2)记录并存储现场的历史数据并作滤波处理，选取该些数据作为训练集样本，确 定BP神经网络的输入层节点个数、隐含层结点个数、权值和阔值参数； (3)通过BP神经网络的方法结合输入参数进行分析计算，得到预测出的热电厂流 化床锅炉的最佳工作温度； (4)进行仿真测试，将通过预测的结果与现场的实际结果进行比对分析。 所述步骤（1)中，具体方法为：根据热电厂循环流化床锅炉的实际运行情况，分析 相关的输入输出量，通过仿真实验，筛选出能够对循环流化床最佳工作温度进行分析的变 量，作为BP神经网络模型的输入，将循环流化床锅炉的最佳工作温度作为BP神经网络的输 出，最终选取燃料量Xi、石灰石量X2、一次分量X3、二次风量X4作为输入，流化床最佳工作温 度yi作为输出。 [001引所述步骤（2)中，具体方法包括： (a)记录并存储现场的历史数据并作滤波处理，选取该些数据作为训练集样本，训 练集样本共有4组，分别为燃料量训练集、石灰石量训练集、一次风量训练集、二次风量训 练集； 化）定义BP神经网络的输入层的节点个数为n，由前面的分析得到n = 4,隐含 层的节点个数为q，输入层和隐含层的权值为V ki化=1，2,…，q ;i = 1，2,…，n)，阔值为 0 i(i = 1，2,…，n)，输出层的节点个数为m，可知m= 1，隐含层和输出层的权值为= 1，2,…，m ;k = 1，2,…，q)，阔值为口（ i=l，2,…，OT )，fi( ?)为隐含层的传递函数，f2( ?) 为输出层的传递函数。 所述步骤（a)中，4组样本数量都确定为165。 所述步骤（3)中，具体的分析计算方法为；计算隐含层节点的输出和输出层节点 的输出，定义神经网络的期望值输出，并将计算的输出误差展开到隐含层和输入层中，按照 使BP神经网络的权值和负梯度成正比的方法调整权值，训练网络。 [002引所述步骤（3)中，隐含层节点的输出为： 【权利要求】1. 一种基于BP神经网络预测循环流化床锅炉最佳工作温度的方法，其特征是：包括以 下步骤： (1) 根据热电厂循环流化床锅炉的实际运行情况，选取燃料量X1、石灰石量X2、一次分 量X3、二次风量X4作为BP神经网络模型的输入，将循环流化床锅炉的最佳工作温度作为BP 神经网络的输出； (2) 记录并存储现场的历史数据并作滤波处理，选取这些数据作为训练集样本，确定 BP神经网络的输入层节点个数、隐含层结点个数、权值和阈值参数； (3) 通过BP神经网络的方法结合输入参数进行分析计算，得到预测出的热电厂流化床 锅炉的最佳工作温度； (4) 进行仿真测试，将通过预测的结果与现场的实际结果进行比对分析。2. 如权利要求1所述的基于BP神经网络预测循环流化床锅炉最佳工作温度的方法，其 特征是：所述步骤（1)中，具体方法为：根据热电厂循环流化床锅炉的实际运行情况，分析 相关的输入输出量，通过仿真实验，筛选出能够对循环流化床最佳工作温度进行分析的变 量，作为BP神经网络模型的输入，将循环流化床锅炉的最佳工作温度作为BP神经网络的输 出，最终选取燃料量X1、石灰石量X2、一次分量X3、二次风量14作为输入，流化床最佳工作温 度Y1作为输出。3. 如权利要求1所述的基于BP神经网络预测循环流化床锅炉最佳工作温度的方法，其 特征是：所述步骤（2)中，具体方法包括： (a) 记录并存储现场的历史数据并作滤波处理，选取这些数据作为训练集样本，训练集 样本共有4组，分别为燃料量训练集、石灰石量训练集、一次风量训练集、二次风量训练集； (b) 定义BP神经网络的输入层的节本文档来自技高网...

【技术保护点】
一种基于BP神经网络预测循环流化床锅炉最佳工作温度的方法，其特征是：包括以下步骤：(1)根据热电厂循环流化床锅炉的实际运行情况，选取燃料量x1、石灰石量x2、一次分量x3、二次风量x4作为BP神经网络模型的输入，将循环流化床锅炉的最佳工作温度作为BP神经网络的输出；(2)记录并存储现场的历史数据并作滤波处理，选取这些数据作为训练集样本，确定BP神经网络的输入层节点个数、隐含层结点个数、权值和阈值参数；(3)通过BP神经网络的方法结合输入参数进行分析计算，得到预测出的热电厂流化床锅炉的最佳工作温度；(4)进行仿真测试，将通过预测的结果与现场的实际结果进行比对分析。

【技术特征摘要】

【专利技术属性】
技术研发人员：申涛，任万杰，栾维磊，刘晓璞，
申请(专利权)人：济南大学，
类型：发明
国别省市：山东;37