【技术实现步骤摘要】
生物质燃料的碱金属元素含量在线动态预测方法及系统
本专利技术涉及光谱分析检测
，特别是涉及一种生物质燃料的碱金属元素含量在线动态预测方法及系统。
技术介绍
采用生物质燃料的锅炉燃烧中，如果燃烧不充分或炉膛温度太高，生物质锅炉的结渣现象会非常严重。生物质燃料中低熔点碱金属化合物含量要大于煤炭中的低熔点碱金属化合物含量，因此灰熔点更低。如果炉膛温度比较高，熔融或半熔融状态的生物质灰来不及冷却就附着在水冷壁上时，会在水冷壁上形成结渣。而且熔融的碱金属化合物还会与炉膛内壁进行反应，对炉膛造成腐蚀，产生潜在的危害。关于生物质燃料结渣分析，现有的技术基本上都是离线测量分析。一般是通过化学方法或者光谱检测生物质燃料中的元素含量组成及比例，通过碱金属化合物的含量及组成比例推测其结渣情况；或者直接在实验室中测得生物质燃料的灰熔点，进而推测其结渣情况。当燃料发生变化或者配比不均匀时，离线预测的方法会出现偏差。
技术实现思路
本专利技术的目的是提供一种生物质燃料的碱金属元素含量在线动态预测方法及系统，以解决现有的生物质燃料碱金属...
【技术保护点】
1.一种生物质燃料的碱金属元素含量在线动态预测方法，其特征在于，所述方法包括：/n获取生物质燃料燃烧时的原始火焰辐射信号；/n对所述原始火焰辐射信号进行数据预处理，生成预处理后的火焰辐射信号；所述预处理后的火焰辐射信号中包括预处理后的火焰全光谱信号和碱金属元素光谱信号；/n根据所述火焰全光谱信号确定火焰燃烧特征参数和火焰温度；/n根据所述碱金属元素光谱信号提取碱金属元素的光谱特征值；/n根据所述火焰燃烧特征参数、所述火焰温度以及所述光谱特征值生成特征参数矩阵；/n采用所述特征参数矩阵训练建立的循环神经网络模型，生成训练好的生物质燃料碱金属元素含量在线预测模型；/n采用所述生...
【技术特征摘要】
1.一种生物质燃料的碱金属元素含量在线动态预测方法，其特征在于，所述方法包括：
获取生物质燃料燃烧时的原始火焰辐射信号；
对所述原始火焰辐射信号进行数据预处理，生成预处理后的火焰辐射信号；所述预处理后的火焰辐射信号中包括预处理后的火焰全光谱信号和碱金属元素光谱信号；
根据所述火焰全光谱信号确定火焰燃烧特征参数和火焰温度；
根据所述碱金属元素光谱信号提取碱金属元素的光谱特征值；
根据所述火焰燃烧特征参数、所述火焰温度以及所述光谱特征值生成特征参数矩阵；
采用所述特征参数矩阵训练建立的循环神经网络模型，生成训练好的生物质燃料碱金属元素含量在线预测模型；
采用所述生物质燃料碱金属元素含量在线预测模型预测生物质锅炉中燃烧的生物质燃料的碱金属元素含量。
2.根据权利要求1所述的碱金属元素含量在线动态预测方法，其特征在于，所述对所述原始火焰辐射信号进行数据预处理，生成预处理后的火焰辐射信号，具体包括：
采用k-means聚类算法去除所述原始火焰辐射信号中的离群点并进行平滑去噪处理，同时避免系统误差对所述原始火焰辐射信号的影响，生成预处理后的火焰辐射信号。
3.根据权利要求2所述的碱金属元素含量在线动态预测方法，其特征在于，所述根据所述火焰全光谱信号确定火焰燃烧特征参数和火焰温度，具体包括：
根据所述火焰全光谱信号提取火焰燃烧特征参数；所述火焰燃烧特征参数包括火焰闪烁频率和辐射能量；
基于双色法测量与所述火焰全光谱信号同一时刻的火焰温度。
4.根据权利要求3所述的碱金属元素含量在线动态预测方法，其特征在于，所述根据所述碱金属元素光谱信号提取碱金属元素的光谱特征值，具体包括：
消除所述碱金属元素光谱信号中黑体辐射对光谱强度的影响，生成消除影响后的碱金属元素光谱信号；
提取所述消除影响后的碱金属元素光谱信号的光谱特征值；所述光谱特征值包括均值、标准差、峰度系数以及偏度系数特征。
5.根据权利要求4所述的碱金属元素含量在线动态预测方法，其特征在于，所述采用所述特征参数矩阵训练建立的循环神经网络模型，生成训练好的生物质燃料碱金属元素含量在线预测模型，具体包括：
获取建立的循环神经网络模型；所述循环神经网络模型包括输入层、循环层、全连接层和输出层；
采用所述特征参数矩阵训练所述循环神经网络模型，并基于批处理梯度下降法对所述循环神经网络模型的模型参数进行优化，生成训练好的生物质燃料碱金属元素含量在线预测模型。
6.一种生物质燃料的碱金属元素含量在线动态预测系统，其特征在...
【专利技术属性】
技术研发人员：李新利，韩长兴，卢钢，闫勇，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京;11
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。