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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。