水煤浆气化过程的代理模型建模方法技术

本发明专利技术涉及一种水煤浆气化过程的代理模型建模方法，此方法选取若干个可测的过程状态作为输入变量，包括氧煤比、煤浆浓度、煤浆流量、煤中H/C元素摩尔比、煤中O/C元素摩尔比及煤中的灰分含量，同时，选取若干个可测的过程状态作为目标输出变量，包括出口合成气中CO的含量、CO2的含量、H2的含量、出口处的温度和煤炭中碳的转化率。利用拉丁超立方采样方法对输入变量进行采样后，对输入数据进行分析与处理。利用Kriging代理模型建立输入变量与输出变量之间的数据模型，通过改进后的粒子群优化算法求解出最优代理模型参数。该模型的拟合精度高、跟踪效果好、模型泛化能力强，具有较好的工业运行指导意义。

Modeling method of agent model for coal water slurry gasification process

The modeling method of the invention relates to a coal water slurry gasification process, this method selects a number of measurable process state as input variables, including the ratio of oxygen to coal, coal slurry concentration and slurry flow in coal, H/C elements in coal mole ratio, molar ratio and O/C elements in coal ash content, at the same time, select the a number of measurable process state as the output variables, including the export of synthetic gas CO content, CO2 content, H2 content, the outlet temperature and the carbon conversion rate of coal. After sampling the input variables by the Latin hypercube sampling method, the input data are analyzed and processed. The data model between input variables and output variables is established by using Kriging proxy model, and the optimal agent model parameters are solved through the improved particle swarm optimization algorithm. The model has high fitting precision, good tracking effect and strong generalization ability, and has good guiding significance for industrial operation.

【技术实现步骤摘要】
水煤浆气化过程的代理模型建模方法
本专利技术属于能源工业和化学工程领域中，涉及一种水煤浆气化过程的代理模型建模方法，尤其是水煤浆气化反应过程的操作参数与气化产物的代理模型建模的方法。
技术介绍
传统的煤炭利用方式不仅利用率低而且对环境造成了很大的污染，为了实现生态的可持续发展，煤的气化技术已经成为加快煤炭产业发展的重点研究内容。煤气化产业具有规模化和大型化特点，主要服务于煤基化工领域和联合发电系统。将煤炭与气化剂在高温高压环境下发生的一系列复杂化学反应，产生清洁能源的过程称为煤的气化技术，其核心工艺技术包括：固定床煤气化技术、流化床煤气化技术和气流床煤气化技术。对于气化炉装置的最优化问题一直是国内外气化技术研究的热点问题，气化炉的模型化对优化原料配置，提高合成气产率，降低生产成本具有重要作用，但目前关于煤气化过程建模研究，国内外相关文献的报道还相对较少。因GE水煤浆气化技术具有煤种适应性强、有效气收率高等特点而被我国很早就引入进来，现在已经成为我国煤气化技术的主流技术。该气化技术根据热回收的方式被分成三种工艺流程：直接激冷式的气化流程、带有冷却器的废锅流程和废锅激冷联合流程。其中直接激冷式GE气化炉几乎应用于所有的水煤浆化工合成生产过程，一般包含煤浆制备系统、气化炉系统、粗合成气净化系统、渣回收和灰水处理系统，采用水煤浆进料，在气流床中加压气化，反应生成合成气。水煤浆气化过程是在高温高压的环境下发生的复杂化学反应，其模型具有非线性、多耦合、多变量、多约束等特点。研究水煤浆气化装置气化过程，对稳定运行工况、提高运行效率和煤炭利用率具有非常重要的意义。本专利技术在气化炉机理分析的基础上，以GE水煤浆气化炉为对象，通过运用Kriging建模方法对该气化炉炉温、有效气组分和碳转化率进行建模和预测。
技术实现思路
本专利技术的目的是提供一种能够代替水煤浆气化炉机理模型的代理模型，使用拉丁超立方采样方法对输入变量X＝[foc，fcon，fflow，fO/C，fH/C，fash]进行采样，得到相应的输出变量对采样得到的样本点进行归一化和标准化处理后，用来对Kriging代理模型进行训练，通过改进后的粒子群优化算法求解相关模型参数，进而求出满足要求的代理模型最优参数，能够根据水煤浆气化炉的输入条件预测出输出数据。本专利技术构建水煤浆气化反应过程的代理模型的方法包括：选取若干个可测的过程状态(包括氧煤比、煤浆浓度、煤浆流量、煤中H/C元素摩尔比、煤中O/C元素摩尔比及煤中的灰分含量)作为输入变量，选取若干个可测的过程状态(包括出口合成气中CO的含量、CO2的含量、H2的含量、出口处的温度和煤炭中碳的转化率)作为目标输出变量，利用拉丁超立方采样方法对输入变量进行采样后，对输入数据进行分析与处理，之后利用Kriging代理模型建立输入变量与输出变量之间的数据模型，通过改进后的粒子群优化算法求解出最优代理模型参数。在一个或多个实施方案中，所述方法包括如下步骤：步骤1：根据工业装置运行实际情况，确定输入变量X＝[foc，fcon，fflow，fO/C，fH/C，fash]的范围，并采用拉丁超立方采样方法对输入变量进行采样，通过水煤浆气化过程机理模型获取采样点对应的输出变量其中，foc为氧煤比、fcon为煤浆浓度、fflow为煤浆流量、fH/C为煤的H/C摩尔比、fO/C为煤的O/C摩尔比，fash为煤的灰分含量，yCO、yCO2、yH2、yT和yCC分别为出口合成气中的CO含量、CO2含量、H2含量、出口处的温度和煤炭中碳的转化率；步骤2：对步骤1得到的样本集进行归一化，随机取出9/10的样本数据作为训练集S1，用于训练和建模；剩余的1/10样本数据作为模型的测试集S2，用于模型验证；步骤3：对训练集S1，分别求出输入变量和输出变量的均值和方差，进行标准化处理；步骤4：启动Kriging模型，初始化模型参数，将步骤3处理得到的数据输入Kriging模型；步骤5：使用粒子群算法求解相关函数的最优参数，进而求出模型的回归参数和预测误差；和步骤6：对模型预测的精确性进行评估，若预测点的平均相对方差和平均相对误差满足工业精度要求，则模型训练成功，否则重新选取样本点。在一个或多个实施方案中，输入变量的范围为foc∈[0.96，1.06]，fcon＝[0.57，0.63]，fflow∈[21500，22500]，其单位为kg/h，fH/C∈[0.8，0.9]，fO/C∈[0.10，0.13]，fash∈[0.07，0.075]。在一个或多个实施方案中，步骤2中采样方法包含以下步骤：a、采样：系统输入向量X＝[foc，fcon，fflow，fO/C，fH/C，fash]，采样总数为N，假设其分布函数为Gi＝Fi(Xi)，对应于输入变量X的取值，将分布函数在纵轴上的数值平均分成N等分，通过随机函数在产生的N个不重叠的区间内任意选取一个数值点作为分布函数的值Gi，n，通过反函数求出所选数值点的采样值，即第n个采样值为Xi，n＝Fi-1(Gi，n)，其中Fi-1为Fi的反函数，获得的随机变量的采样值最终形成了i×N的样本矩阵；b、排序：将等分的空间进行随机排序，然后在每个区间进行随机采样。在一个或多个实施方案中，步骤2中，在采样过后，分别对获得的训练样本进行数据预处理，剔除异常数据点，获得相应的合格数据，之后对数据进行归一化操作，其归一化范围为[-11]，归一化公式如下：y＝(ymax-ymin)×(x-xmin)/(xmax-xmin)+ymin式中ymin＝-1，ymax＝1。在一个或多个实施方案中，步骤3中对样本数据的标准化处理公式如下：mX＝mean(X)；sX＝std(X)；forj＝1：n，X(：，j)＝(X(：，j)-mX(j))/sX(j)；endmY＝mean(Y)；sY＝std(Y)；forj＝1：q，Y(：，j)＝(Y(：，j)-mY(j))/sY(j)；end式中n代表输入向量的维度，q代表输出向量的维度。在一个或多个实施方案中，步骤4中，回归模型为一阶多项式，相关模型为高斯函数。在一个或多个实施方案中，步骤5中所采用的粒子群算法为一种引入线性惯性权重的改进粒子群算法，该算法是一种基于种群的随机搜索算法。在一个或多个实施方案中，步骤6采用智能优化算法求解下式优化问题：在一个或多个实施方案中，步骤6中工业精度要求预测点的平均相对方差和平均相对误差小于5％。本专利技术还提供一种优化水煤气气化反应过程的方法，所述方法包括：(1)采用拉丁超立方采样方法对输入变量X＝[foc，fcon，fflow，fO/C，fH/C，fash]进行采样，获取采样点对应的输出变量其中，foc为氧煤比、fcon为煤浆浓度、fflow为煤浆流量、fH/C为煤的H/C摩尔比、fO/C为煤的O/C摩尔比，fash为煤的灰分含量，yCO、yCO2、yH2、yT和yCC分别为出口合成气中的CO含量、CO2含量、H2含量、出口处的温度和煤炭中碳的转化率；(2)对于步骤(1)获得的数据进行归一化处理；(3)将步骤(2)中归一化处理后的数据，分别求出输入变量和输出变量的均值和方差，进行标准化处理；(4)将步骤(3)进行标准化处理后的数据输入按照权利要求1-9中任一项所述的方法构本文档来自技高网...

【技术保护点】
一种构建水煤浆气化反应过程的代理模型的方法，所述方法包括：选取氧煤比、煤浆浓度、煤浆流量、煤中H/C元素摩尔比、煤中O/C元素摩尔比及煤中的灰分含量作为输入变量，选取出口合成气中CO的含量、CO2的含量、H2的含量、出口处的温度和煤炭中碳的转化率作为目标输出变量，利用拉丁超立方采样方法对输入变量进行采样，对输入数据进行分析与处理，之后利用Kriging代理模型建立输入变量与输出变量之间的数据模型，通过改进后的粒子群优化算法求解出最优代理模型参数，从而构建得到所述代理模型。

【技术特征摘要】
1.一种构建水煤浆气化反应过程的代理模型的方法，所述方法包括：选取氧煤比、煤浆浓度、煤浆流量、煤中H/C元素摩尔比、煤中O/C元素摩尔比及煤中的灰分含量作为输入变量，选取出口合成气中CO的含量、CO2的含量、H2的含量、出口处的温度和煤炭中碳的转化率作为目标输出变量，利用拉丁超立方采样方法对输入变量进行采样，对输入数据进行分析与处理，之后利用Kriging代理模型建立输入变量与输出变量之间的数据模型，通过改进后的粒子群优化算法求解出最优代理模型参数，从而构建得到所述代理模型。2.如权利要求1所述的方法，其特征在于，所述方法包括如下步骤：步骤1：根据工业装置运行实际情况，确定输入变量X＝[foc，fcon，fflow，fO/C，fH/C，fash]的范围，并采用拉丁超立方采样方法对输入变量进行采样，通过水煤浆气化过程机理模型获取采样点对应的输出变量其中，foc为氧煤比、fcon为煤浆浓度、fflow为煤浆流量、fH/C为煤的H/C摩尔比、fO/C为煤的O/C摩尔比，fash为煤的灰分含量，yCO、yCO2、yH2、yT和yCC分别为出口合成气中的CO含量、CO2含量、H2含量、出口处的温度和煤炭中碳的转化率；步骤2：对步骤1得到的样本集进行归一化处理；步骤3：对步骤2获得的经归一化处理的数据，分别求出输入变量和输出变量的均值和方差，进行标准化处理；步骤4：启动Kriging模型，初始化模型参数，将步骤3标准化处理得到的数据输入Kriging模型；步骤5：使用粒子群算法求解相关函数的最优参数，进而求出模型的回归参数和预测误差，从而构建得到所述代理模型，其表达式如下所示：y＝Fβ+z(x)其中y为系统输出向量，F为回归函数矩阵，β为回归参数，z(x)为随机误差。3.如权利要求1或2所述的方法，其特征在于，所述输入变量的范围为fcon＝[0.57，0.63]；fflow∈[21500，22500]，其单位为kg/h；fH/C∈[0.8，0.9]；fO/C∈[0.10，0.13]；和4.如权利要求1或2所述的方法，其特征在于，步骤2中，在采样过后，分别对获得的样本进行数据预处理，剔除异常数据点，获得相应的合格数据，之后对数据进行归一化操作，其归一化范围为[-11]，归一化公式如下：y＝(ymax-ymin)×(x-xmin)/(xmax-xmin)+ymin式中ymin＝-1，ymax＝1。5.如权利要求1或2所述的方法，其特征在于，步骤3中对样本数据的标准化处理公式如下：mX＝mean(X)；sX＝std(X)；forj＝1：n，X(：，j)＝(X(：，j)-mX(j))/sX(j)；endmY＝mean(Y)；sY＝std(Y)；forj＝1：q，Y(：，j)＝(Y(：，j)-mY(j))/sY(j)；end式中n代表输入向量的维度，q代表输出向量的维度。6.如权利要...

【专利技术属性】
技术研发人员：钱锋，钟伟民，杜文莉，李智，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：上海,31