【技术实现步骤摘要】
一种基于数值模拟利用回归算法预测炉膛氧气浓度的方法
本专利技术涉及一种预测炉膛氧气浓度的方法，属于燃煤锅炉
技术介绍
燃煤锅炉在运动中产生含有CO2，SO2等的烟气，燃烧不充分时也会产生少量的CO，CH4等。如果锅炉配风不当，炉膛漏风并且烟气里又含有氧，那么炉膛燃烧过程中，与入炉膛的氧充分接触达到充分燃烧，所以保持适当的过量空气，保证煤粉在炉膛的充分燃烧非常必要。但是一旦出现供给燃烧的空气量增大，会有部分O2没有被利用，作为热烟气从烟囱排放掉。这不仅增加了排烟热损失，也直接影响了锅炉运行的经济性。因此，控制锅炉燃烧中的氧含量显得尤为重要，也是衡量锅炉指标的依据之一。目前对锅炉氧浓度测量大部分停留在对烟气的氧含量测量上，导致无法准确得知炉膛内部氧含量的具体分布，无法准确对送引风量与角度进行控制。基于上述问题，亟需提出一种基于数值模拟利用回归算法预测炉膛氧气浓度的方法，以解决上述技术问题。
技术实现思路
本专利技术提供一种基于数值模拟利用回归算法预测炉膛氧气浓度的方法，本专利技术研发...
【技术保护点】
1.一种基于数值模拟利用回归算法预测炉膛氧气浓度的方法，其特征在于：包括以下步骤：/n步骤一：数值模拟仿真/n根据锅炉运行数据与设计数据，构建炉膛内部的物理模型，选取CFD计算用煤质数据、一、二次风风温及分配方式，确定数值模拟计算边界条件；选择湍流、多相流、对流、辐射及煤粉的燃烧机理模型，利用fluent软件对锅炉燃烧进行全炉膛的数值仿真，从而得到炉膛内部任意位置的氧气浓度分布数据；/n步骤二：数据处理/n经仿真模拟后输出的数据进行标准化处理，再采用数据挖掘与主成分析法进行数据集划分，参数处理，整合冗余，降低维数；经处理后得到的6个主成分；/n步骤三：算法预测/n将岭回归，...
【技术特征摘要】
1.一种基于数值模拟利用回归算法预测炉膛氧气浓度的方法，其特征在于：包括以下步骤：
步骤一：数值模拟仿真
根据锅炉运行数据与设计数据，构建炉膛内部的物理模型，选取CFD计算用煤质数据、一、二次风风温及分配方式，确定数值模拟计算边界条件；选择湍流、多相流、对流、辐射及煤粉的燃烧机理模型，利用fluent软件对锅炉燃烧进行全炉膛的数值仿真，从而得到炉膛内部任意位置的氧气浓度分布数据；
步骤二：数据处理
经仿真模拟后输出的数据进行标准化处理，再采用数据挖掘与主成分析法进行数据集划分，参数处理，整合冗余，降低维数；经处理后得到的6个主成分；
步骤三：算法预测
将岭回归，随机梯度下降，lasso，SVR集合成回归算法学习机，通过此学习机预测炉内氧量，编写程序将岭回归，随机梯度下降，lasso，SVR算法集成，整合成回归算法学习机，通过此学习机预测炉膛内部氧量分布；将训练数据通过回归算法学习机训练网络，分别形成不同的网络；将验证集的输入数据分别通过这四种网络，得到预测结果；
步骤四：结果应用
通过比对拟合程度，均方根误差评价指标，选出结果最好的算法，为最终的预测算法，预测出指定工况下的燃烧器出口风量。
2.根据权利要求1所述的一种基于数值模拟利用回归算法预测炉膛氧气浓度的方法，其特征在于：所述步骤一中，确定研究对象为炉膛内氧量分布，通过ANSYSFluent软件的export功能输出TXT格式实验数据，分析与氧含量有关的锅炉运行变量，所述变量包括：锅炉内部各点坐标x,y,z，各点流体旋度和速度，CO，CO2，N2，O2，H2O，SO2浓度，温度，压强和挥发分。
3.根据权利要求2所述的一种基于数值模拟利用回归算法预测炉膛氧气浓度的方法，其特征在于：所述步骤二中选取数据聚类方式对处理过的数据进行挖掘处理，数据聚类方式为k均值聚类算法。
4.根据权利要求3所述的一种基于数值模拟利用回归算法预测炉膛氧气浓度的方法，其特征在于：所述步骤三中将岭回归，随机梯度下降，lasso，SVR集合成回归算法学习机，通过此学习机预测炉内氧量。
5.根据权利要求4所述的一种基于数值模拟利用回归算法预测炉膛氧气浓度的方法，其特征在于：所述步骤三中岭回归预测氧量，假定岭回归模型的损失函数为：
其中J(β)为损失函数，βj为回归参数，x为特征变量，y为实际输出，λ为正则项系数，在此预测中，λ取0.1；
最终对测试集输出氧浓度分布预测数据进行结果分析与...
【专利技术属性】
技术研发人员：崔宇佳，沈涛，夏良伟，于强，黄莺，马孝纯，杜宪涛，朱慧娟，姜文婷，张超，孙晶，
申请(专利权)人：哈尔滨锅炉厂有限责任公司，
类型：发明
国别省市：黑龙江;23
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。