一种基于大数据的余热锅炉节能潜力分析方法技术
【技术实现步骤摘要】
一种基于大数据的余热锅炉节能潜力分析方法
本专利技术涉及节能潜力分析领域，尤其是涉及一种基于大数据的余热锅炉节能潜力分析方法。
技术介绍
节能是国家可持续发展的关键因素之一，据统计，我国总体能源消耗中工业能源消耗所占比例最大，但是能源的有效使用率仅为30％左右，远低于欧洲发达国家，因此我国开展节能工作势在必行。目前，全球都面临的一个共同问题就是能源短缺，这对各国的节能工作都是重大考验。针对这个问题，我国已采取各种措施，其中一项就是推广节能设备的使用。目前，国内节能余热锅炉的设计和开发已经逐渐成熟，这对工业节能工作有重大影响。近几年来余热回收技术飞速发展，钢铁行业的余热回收项目造价大幅度降低，同时余热回收效率大幅提高，为钢铁行业余热回收创造了优越的条件。时值目前国家能源紧缺、大力提倡生产过程的节能降耗的关键时期，国家有关部门对企业节能指标提出了很高的要求。在这样的形势和技术条件下，一些有远见的钢铁企业，迅速启动各种余热回收项目，不但解决了钢铁企业的节能降耗任务，同时也能为企业本身创造可观的经济效益。从理论角度节能潜力可以根据热力学定律进行分析和计算，但是在现实中节能...
【技术保护点】
一种基于大数据的余热锅炉节能潜力分析方法，通过Hadoop大数据分析平台实现，所述Hadoop大数据分析平台包括数据层、业务层和表示层，其特征在于，所述方法包括下列步骤：1)数据层对余热锅炉数据进行采集和存储；2)业务层从存储的余热锅炉数据中选取锅炉主蒸汽流量作为输出，影响参数作为输入，构建三层BP神经网络模型；3)业务层确定三层BP神经网络模型的训练样本和检验样本，训练三层BP神经网络，得到余热锅炉的工艺参数模型；4)业务层以提高锅炉主蒸汽流量为目标，利用遗传算法寻优对工艺参数模型的工艺参数进行优化，得到余热锅炉最优的工艺参数组合；5)业务层根据得到的余热锅炉最优的工艺参...
【技术特征摘要】
1.一种基于大数据的余热锅炉节能潜力分析方法，通过Hadoop大数据分析平台实现，所述Hadoop大数据分析平台包括数据层、业务层和表示层，其特征在于，所述方法包括下列步骤：1)数据层对余热锅炉数据进行采集和存储；2)业务层从存储的余热锅炉数据中选取锅炉主蒸汽流量作为输出，影响参数作为输入，构建三层BP神经网络模型；3)业务层确定三层BP神经网络模型的训练样本和检验样本，训练三层BP神经网络，得到余热锅炉的工艺参数模型；4)业务层以提高锅炉主蒸汽流量为目标，利用遗传算法寻优对工艺参数模型的工艺参数进行优化，得到余热锅炉最优的工艺参数组合；5)业务层根据得到的余热锅炉最优的工艺参数组合，计算对应的年节约吨标煤并得到余热锅炉的节能率，并通过表示层进行展示。2.根据权利要求1所述的基于大数据的余热锅炉节能潜力分析方法，其特征在于，所述步骤1)具体为：11)Hadoop大数据分析平台的数据层对余热锅炉数据进行采集；12)通过ETL对余热锅炉数据进行预处理；13)将预处理后的余热锅炉数据保存在Hadoop大数据分析平台的数据层的HDFS分布式文件系统上。3.根据权利要求2所述的基于大数据的余热锅炉节能潜力分析方法，其特征在于，所述对余热锅炉数据进行预处理具体为对余热锅炉数据的空值、错误值和重复值进行数据清洗。4.根据权利要求1所述的基于大数据的余热锅炉节能潜力分析方法，其特征在于，所述影响参数包括锅炉主蒸汽温度、主蒸汽压力、汽包水位、给水流量、给水温度、入口烟气温度和出口烟气温度。5.根据权利要求1所述的基于大数据的余热锅炉节能潜力分析方法，其特征在于，所述三层BP神经网络模型具体为多输入、单输出的单隐含层神经网络，包括输入层x、隐含层h和输出层y。6.根据权利要求5所述的基于大数据的余热锅炉节能潜力分析方法，其特征在于，所述隐含层的单元个数s与输入层的单元个数n的关系具体为：s＝2n+1。7.根据权利要求5所述的基于大数据的余热锅炉节能潜力分析方法，其特征在于，所述训练三层BP神经网络具体为：31)为三层BP神经网络赋一组随机初始权值，所述随机初始权值在(-1，1)之间；32)计算赋值后的三层BP神经网络的输...
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。