基于GA‑SVR的水岛加药在线控制方法技术

本发明专利技术公开了一种基于GA‑SVR的水岛加药在线控制方法和装置。该方法包括：获取出水指标符合要求的、来水监测指标的m组历史参数值，以及对应于每组历史参数值的加药剂的历史加药量；基于支持向量回归机建立在线控制SVR模型，其中，历史参数值为SVR模型的输入向量，历史加药量为SVR模型的输出向量；对SVR模型执行GA算法，求解SVR模型中的参数的最优解；将求解得到的最优解输入SVR模型，得到水岛的加药模型；实时监测来水监测指标的实时参数值；以及将实时参数值输入水岛的加药模型，以确定当前时刻加药剂的加药量。通过本发明专利技术的方法，能够克服来水水质对运行过程的影响，实时更新加药量，减少药剂浪费、降低成本。

【技术实现步骤摘要】

本专利技术属于火电厂水处理
，具体涉及一种基于GA-SVR的水岛加药在线控制方法和装置，可用于自动控制加药量。
技术介绍
火力发电厂简称火电厂，是利用煤、石油、天然气作为燃料生产电能的工厂，它的基本生产过程是：燃料在锅炉中燃烧加热水产生蒸汽，将燃料的化学能转变成热能，然后由蒸汽压力推动汽轮机旋转，将热能转换成机械能，最后汽轮机带动发电机旋转，将机械能转变成电能。在现代火电厂中，水处理的过程是一个复杂的物理、化学反应过程，该反应过程受来水水质、环境、天气等多种因素影响，因此火电厂中水处理过程具有大时滞、大惯性和非线性的特性。为了减少来水水质对火电厂正常运行的影响，会通过添加药剂进行调节。目前，运行人员通常根据调试的出水水质来判断药剂的添加量，通过反复增减添加量至出水水质满足要求来确定加药量，工作效率低，并且造成了药品的无形浪费，而且当来水水质变化激烈时，控制品质会明显降低，无法满足出水达标要求。综上所述，针对现有技术中存在的上述问题，目前尚未提出有效的解决方案。
技术实现思路
为解决上述问题，本专利技术的目的在于提供一种基于GA-SVR的水岛加药在线控制方法和装置，以解决目前火电厂水处理过程中加药量确定方法工作效率低、药品浪费和无法满足出水达标要求的问题。依据本专利技术的一个方面，提供了一种基于GA-SVR的水岛加药在线控制方法，该方法包括：获取出水指标符合要求的、来水监测指标的m组历史参数值，以及对应于每组所述历史参数值的加药剂的历史加药量，其中，来水监测指标包括多个指标，每组历史参数值包括该多个指标的参数值；基于支持向量回归机建立在线控制SVR模型，其中，所述历史参数值为所述SVR模型的输入向量，所述历史加药量为所述SVR模型的输出向量；对所述SVR模型执行GA算法，求解所述SVR模型中的参数的最优解；将求解得到的所述最优解输入所述SVR模型，得到水岛的加药模型；实时监测所述来水监测指标的实时参数值；以及将所述实时参数值输入所述水岛的加药模型，以确定当前时刻所述加药剂的加药量。进一步地，基于支持向量回归机建立在线控制SVR模型的步骤具体包括：设置所述SVR模型的输入向量为所述来水监测指标的数字信号的时间序列xi，设置所述SVR模型的输出向量为对应于所述时间序列xi的加药剂的历史加药量的时间序列yi，其中，i＝1，2，...，n，n＜m；将由所述时间序列xi和所述时间序列yi构成的时间序列集(xi，yi)采用非线性映射执行向高维空间的映射，并构造所述SVR模型的函数为其中，i＝1，2，...，n，xi∈Rq，yi∈R，q为所述来水监测指标中指标的个数，w为权向量，b为常数；引入松弛变量ξ和惩罚因子C，建立所述SVR模型的目标函数为约束条件为其中，ξ≥0，C＞0，i＝1，2，...，n；确定所述SVR模型的核函数为径向基函数其中，σ＞0；建立所述SVR模型为其中，αi＝Cξi，为拉格朗日系数。进一步地，对所述SVR模型执行GA算法，求解所述SVR模型中的参数的最优解的步骤包括：步骤A：设定GA算法的参数，确定初始种群规模G、全局迭代次数、变异概率、交叉概率，确定松弛变量ξ、惩罚因子C和核参数σ为GA算法的决策变量；步骤B：令迭代次数为1，初始化所述SVR模型的参数，并对初始化后的所述SVR模型的参数进行二进制编码，产生G组初始种群；步骤C：采用下述循环步骤，确定松弛变量ξ、惩罚因子C和核参数σ的最优解：步骤C1：根据适应度函数计算种群中各个体的适应度函数值，步骤C2：判断当前迭代次数是否达到全局迭代次数，若达到，则输出最优个体，结束步骤C，若未达到，则把适应度函数值最高的最优个体保存下来，并记录适应度函数值最低的最差个体序号，令迭代次数加1，进行选择、交叉、变异遗传操作，并用保存的最优个体替换序号为所述最差个体序号的新个体，产生新的种群，返回步骤C1。进一步地，所述适应度函数为为以所述时间序列集(xi，yi)中第i组数据作为所述SVR模型的输入向量计算得到的计算机模拟值。进一步地，求解所述SVR模型中的参数的最优解的步骤还包括：步骤S4：将求解得到的所述最优解作为所述SVR模型的参数，将所述来水监测指标的数字信号的时间序列xp输入所述SVR模型，得到对应于所述时间序列xp的加药剂的模拟加药量的时间序列其中，p＝n+1，n+2，...，m；步骤S5：根据对应于所述时间序列xp的加药剂的历史加药量的时间序列yp和所述时间序列计算所述SVR模型的均方根误差；步骤S6：判断所述均方根误差是否小于预设误差值，若小于，则结束求解所述SVR模型中的参数的最优解的步骤，若不小于，则返回步骤A。进一步地，所述来水监测指标包括水流量、PH值、浊度值、氯离子含量和氨氮含量。进一步地，所述加药剂为硫酸、氢氧化钠、杀菌剂、助凝剂、混凝剂或还原剂。依据本专利技术的另一个方面，提供了一种基于GA-SVR的水岛加药在线控制装置，该装置包括：历史数据获取模块，用于获取出水指标符合要求的、来水监测指标的m组历史参数值，以及对应于每组所述历史参数值的加药剂的历史加药量，其中，来水监测指标包括多个指标，每组历史参数值包括多个指标的参数值；模型建立模块，用于基于支持向量回归机建立在线控制SVR模型，其中，所述历史参数值为所述SVR模型的输入向量，所述历史加药量为所述SVR模型的输出向量；参数优化模块，用于对所述SVR模型执行GA算法，求解所述SVR模型中的参数的最优解，并将求解得到的所述最优解输入所述SVR模型，得到水岛的加药模型；实时监测模块，用于实时监测所述来水监测指标以得到一组实时参数值；以及加药量控制模块，用于将所述实时参数值输入所述水岛的加药模型，以确定当前时刻所述加药剂的加药量。进一步地，所述模型建立模块在建立所述SVR模型时，执行的步骤具体包括：设置所述SVR模型的输入向量为所述来水监测指标的数字信号的时间序列xi，设置所述SVR模型的输出向量为对应于所述时间序列xi的加药剂的历史加药量的时间序列yi，其中，i＝1，2，...，n，n＜m；将由所述时间序列xi和所述时间序列yi构成的时间序列集(xi，yi)采用非线性映射执行向高维空间的映射，并构造所述SVR模型的函数为其中，i＝1，2，...，n，xi∈Rq，yi∈R，q为所述来水监测指标中指标的个数，w为权向量，b为常数；引入松弛变量ξ和惩罚因子C，建立所述SVR模型的目标函数为约束条件为其中，ξ≥0，C＞0，i＝1，2，...，n；确定所述SVR模型的核函数为径向基函数其中，σ＞0；建立所述SVR模型为其中，αi＝Cξi，为拉格朗日系数。进一步地，所述参数优化模块在求解所述SVR模型中的参数的最优解时，执行的步骤具体包括：步骤A：设定GA算法的参数，确定初始种群规模G、全局迭代次数、变异概率、交叉概率，确定松弛变量ξ、惩罚因子C和核参数σ为GA算法的决策变量；步骤B：令迭代次数为1，初始化所述SVR模型的参数，并对初始化后的所述SVR模型的参数进行二进制编码，产生G组初始种群；步骤C：采用下述循环步骤，确定松弛变量ξ、惩罚因子C和核参数σ的最优解：步骤C1：根据适应度函数计算种群中各个体的适应度函数值，步骤C2：判断当前迭代次数是否达到全局迭代次数，若达到，则输出最优个体，本文档来自技高网...

【技术保护点】
一种基于GA‑SVR的水岛加药在线控制方法，其特征在于，包括：获取出水指标符合要求的、来水监测指标的m组历史参数值，以及对应于每组所述历史参数值的加药剂的历史加药量，其中，所述来水监测指标包括多个指标，每组所述历史参数值包括所述多个指标的参数值；基于支持向量回归机建立在线控制SVR模型，其中，所述历史参数值为所述SVR模型的输入向量，所述历史加药量为所述SVR模型的输出向量；对所述SVR模型执行GA算法，求解所述SVR模型中的参数的最优解；将求解得到的所述最优解输入所述SVR模型，得到水岛的加药模型；实时监测所述来水监测指标的一组实时参数值；以及将所述实时参数值输入所述水岛的加药模型，以确定当前时刻所述加药剂的加药量。

【技术特征摘要】
1.一种基于GA-SVR的水岛加药在线控制方法，其特征在于，包括：获取出水指标符合要求的、来水监测指标的m组历史参数值，以及对应于每组所述历史参数值的加药剂的历史加药量，其中，所述来水监测指标包括多个指标，每组所述历史参数值包括所述多个指标的参数值；基于支持向量回归机建立在线控制SVR模型，其中，所述历史参数值为所述SVR模型的输入向量，所述历史加药量为所述SVR模型的输出向量；对所述SVR模型执行GA算法，求解所述SVR模型中的参数的最优解；将求解得到的所述最优解输入所述SVR模型，得到水岛的加药模型；实时监测所述来水监测指标的一组实时参数值；以及将所述实时参数值输入所述水岛的加药模型，以确定当前时刻所述加药剂的加药量。2.根据权利要求1所述的基于GA-SVR的水岛加药在线控制方法，其特征在于，基于支持向量回归机建立在线控制SVR模型的步骤具体包括：设置所述SVR模型的输入向量为所述来水监测指标的数字信号的时间序列xi，设置所述SVR模型的输出向量为对应于所述时间序列xi的加药剂的历史加药量的时间序列yi，其中，i＝1，2，...，n，n＜m；将由所述时间序列xi和所述时间序列yi构成的时间序列集(xi，yi)采用非线性映射执行向高维空间的映射，并构造所述SVR模型的函数为其中，i＝1，2，...，n，xi∈Rq，yi∈R，q为所述来水监测指标中指标的个数，w为权向量，b为常数；引入松弛变量ξ和惩罚因子C，建立所述SVR模型的目标函数为约束条件为其中，ξ≥0，C＞0，i＝1，2，...，n；确定所述SVR模型的核函数为径向基函数其中，σ＞0；建立所述SVR模型为其中，αi＝Cξi，为拉格朗日系数。3.根据权利要求2所述的基于GA-SVR的水岛加药在线控制方法，其特征在于，对所述SVR模型执行GA算法，求解所述SVR模型中的参数的最优解的步骤包括：步骤A：设定GA算法的参数，确定初始种群规模G、全局迭代次数、变异概率、交叉概率，确定松弛变量ξ、惩罚因子C和核参数σ为GA算法的决策变量；步骤B：令迭代次数为1，初始化所述SVR模型的参数，并对初始化后的所述SVR模型的参数进行二进制编码，产生G组初始种群；步骤C：采用下述循环步骤，确定松弛变量ξ、惩罚因子C和核参数σ的最优解：步骤C1：根据适应度函数计算种群中各个体的适应度函数值，步骤C2：判断当前迭代次数是否达到全局迭代次数，若达到，则输出最优个体，结束步骤C，若未达到，则把适应度函数值最高的最优个体保存下来，并记录适应度函数值最低的最差个体序号，令迭代次数加1，进行选择、交叉、变异遗传操作，并用保存的最优个体替换序号为所述最差个体序号的新个体，产生新的种群，返回步骤C1。4.根据权利要求3所述的基于GA-SVR的水岛加药在线控制方法，其特征在于，所述适应度函数为为以所述时间序列集(xi，yi)中第i组数据作为所述SVR模型的输入向量计算得到的计算机模拟值。5.根据权利要求4所述的基于GA-SVR的水岛加药在线控制方法，其特征在于，求解所述SVR模型中的参数的最优解的步骤还包括：步骤D：将求解得到的所述最优解作为所述SVR模型的参数，将所述来水监测指标的数字信号的时间序列xp输入所述SVR模型，得到对应于所述时间序列xp的加药剂的模拟加药量的时间序列其中，p＝n+1，n+2，...，m；步骤E：根据对应于所述时间序列xp的加药剂的历...

【专利技术属性】
技术研发人员：张鹏远，秦栋，张磊，
申请(专利权)人：大唐北京水务工程技术有限公司，
类型：发明
国别省市：北京;11