基于神经网络的水煤浆气化炉炉温预测方法技术

本发明专利技术涉及一种基于神经网络的水煤浆气化炉炉温预测方法，将当前时刻之前的第一预设时间进入水煤浆气化炉内的煤浆参数及当前时刻之前的第二预设时间入水煤浆气化炉内的氧气参数作为选取的实际工程操作数据，将这些实际工程操作数据作为神经网络模型的输入参数，把这些输入参数划分成训练用数据、验证用数据和测试用数据，利用训练用数据得到各气化炉炉温预测模型对应的拟合度并选出优选气化炉炉温预测模型，以验证用数据验证得到各优选气化炉炉温预测模型所对应的气化炉炉温预测温度值，采用差分算法和测试用数据得到针对水煤浆气化炉的最佳炉温预测模型，将实际工程操作数据输入至最佳炉温预测模型，得到水煤浆气化炉的真实的炉膛温度值。

【技术实现步骤摘要】
基于神经网络的水煤浆气化炉炉温预测方法
本专利技术涉及水煤浆气化炉领域，尤其涉及一种基于神经网络的水煤浆气化炉炉温预测方法。
技术介绍
水煤浆气化炉是煤化工领域的煤气化设备。在针对水煤浆气化炉(后续简称气化炉)的操作过程中，对气化炉内的炉温进行控制至关重要。这是因为，随着气化炉内的炉温(即气化炉的炉膛温度)逐渐升高，气化炉内耐火砖的被腐蚀速率会不断增加。当气化炉内的炉温过高、熔渣的粘度低于3Pa.S时，耐火砖上的熔渣流动较快，渣层较薄，合成气对耐火砖的冲刷强度增强，同时向火面处的耐火材料向熔渣中的溶解速度也加快，导致耐火砖裂纹、剥落甚至爆裂，严重时甚至会造成耐火砖窜气，引起气化炉表面温度升高超温，引起停车。当然，气化炉内的炉温过高时也会导致所产生的合成气的组分发生变化。例如，随着气化炉内的炉温逐渐升高，炉内CO和H2的含量逐渐降低，这种变化虽然较慢，但受其它因素干扰较小，且气化炉的炉温与CO和H2的含量对应关系较为确定，再现性较好。气化炉超温也会提升悬浮物和胶体颗粒之间的结合效率，但是过高的水温会影响胶体颗粒的水化作用，导致絮团松散，影本文档来自技高网...

【技术保护点】
1.基于神经网络的水煤浆气化炉炉温预测方法，其特征在于，包括如下步骤：/n步骤1，获取针对水煤浆气化炉的实际工程操作数据集合；其中，实际工程操作数据集合至少包括参与水煤浆气化炉内反应的煤浆流量值、煤浆温度值、煤浆压力值、氧气流量值、氧气温度值、氧气压力值以及水煤浆气化炉炉膛温度值、水煤浆气化炉表面温度值、反应产物合成气的流量值、反应产物合成气的温度值、反应产物合成气的压力值及CH

【技术特征摘要】
1.基于神经网络的水煤浆气化炉炉温预测方法，其特征在于，包括如下步骤：
步骤1，获取针对水煤浆气化炉的实际工程操作数据集合；其中，实际工程操作数据集合至少包括参与水煤浆气化炉内反应的煤浆流量值、煤浆温度值、煤浆压力值、氧气流量值、氧气温度值、氧气压力值以及水煤浆气化炉炉膛温度值、水煤浆气化炉表面温度值、反应产物合成气的流量值、反应产物合成气的温度值、反应产物合成气的压力值及CH4含量值；
步骤2，在所述实际工程操作数据集合中选取出满足筛选条件的实际工程操作数据，并将选取出的实际工程操作数据作为神经网络模型的神经网络输入参数；
步骤3，建立多个针对水煤浆气化炉的气化炉炉温预测模型，形成气化炉炉温预测模型集合；其中，所述气化炉炉温预测模型集合中至少包括两个气化炉炉温预测模型；
步骤4，将选取出的神经网络输入参数分成训练用数据、验证用数据和测试用数据；
步骤5，将训练用数据分别输入到气化炉炉温预测模型集合内的各气化炉炉温预测模型中，分别得到各气化炉炉温预测模型所对应的拟合度；
步骤6，将拟合度超过预设拟合度阈值的气化炉炉温预测模型作为优选气化炉炉温预测模型，并放置到优选气化炉炉温预测模型集合内；其中，所述优选气化炉炉温预测模型集合至少包括一个优选气化炉炉温预测模型；
步骤7，将验证用数据分别输入到优选气化炉炉温预测模型集合的各优选气化炉炉温预测模型中，分别得到各优选气化炉炉温预测模型所对应的气化炉炉温预测温度值；
步骤8，计算各气化炉炉温预测温度值与测试用数据中的水煤浆气化炉炉膛温度值之间的温度误差，并将最小温度误差所对应的优选气化炉炉温预测模型作为针对该水煤浆气化炉的最佳炉温预测模型；
步骤9，将水煤浆气化炉的实际工程操作数据作为输入参数输入到所述水煤浆气化炉的最佳炉...

【专利技术属性】
技术研发人员：邓丽君，渠慎锋，王丽娟，赵琼，
申请(专利权)人：中石化宁波工程有限公司，中石化宁波技术研究院有限公司，中石化炼化工程集团股份有限公司，
类型：发明
国别省市：浙江;33