一种基于神经网络的磨煤机煤质预测方法技术

本发明专利技术公开了一种基于神经网络的磨煤机煤质预测方法，包括，根据磨煤机运行和锅炉燃烧机理对采集的磨煤机数据进行分析、整理和清洗；基于神经网络多层感知机建立预测模型，导入清洗后的所述磨煤机数据进行模型训练；将训练好的所述预测模型与DCS系统实时连接，在线计算磨煤机运行煤种，根据计算结果判断磨煤机实时运行煤质。本发明专利技术方法利用大数据分析神经网络多层感知机对大量的煤种运行参数进行分析建模，能够准确分析出各参数对煤种成分(热值、水分、挥发分、灰分、硫分)的影响权重，精确计算出磨煤机当前运行煤种成分，无需投入大量硬件和软件改造设备，安装系统，省时省力。省时省力。省时省力。

【技术实现步骤摘要】
一种基于神经网络的磨煤机煤质预测方法


[0001]本专利技术涉及大数据分析和磨煤机煤质计算的
，尤其涉及一种基于神经网络的磨煤机煤质预测方法。

技术介绍

[0002]火电厂由于经济运行的需求,均采用配煤掺烧的方法进行锅炉燃烧,每台磨煤机配烧的煤种都有可能不同,同一台磨煤机通常每8个小时会更换煤种,这就对磨煤机设备安全和运行及锅炉燃烧和调整带来很大的困难,主要是因为煤质的不确定性引起,煤质变化而运行调整操作不变,极易产生爆燃、超温、锅炉结焦、调节滞后等问题。
[0003]在线煤质分析仪通常用核技术、激光、次红外等技术进行探测分析，每种技术各有利弊。有的种、煤检测指标少，受环境、煤流高低等因素影响较大，实测精度较低，实际推广效果不好；有的探测仪必须装有中子放射源，存在放射性安全风险；有的分析仪体积庞大，现场安装不便，检测滞后等。普遍的问题都是价格不菲(如要实时检测磨煤机煤种，需要在每台給煤机上装一台测量装置，按6台计算，价格近千万元)，同时需要费时费力安装，一般都不是很实用。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述现有存在的问题，提出了本专利技术。
[0006]因此，本专利技术提供了一种基于神经网络的磨煤机煤质预测方法，能够解决磨煤机煤质预测不准确、机器安装更换经济费用昂贵的问题。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：包括，根据磨煤机运行和锅炉燃烧机理对采集的磨煤机数据进行分析、整理和清洗；基于神经网络多层感知机建立预测模型，导入清洗后的所述磨煤机数据进行模型训练；将训练好的所述预测模型与DCS系统实时连接，在线计算磨煤机运行煤种，根据计算结果判断磨煤机实时运行煤质。
[0008]作为本专利技术所述的基于神经网络的磨煤机煤质预测方法的一种优选方案，其中：所述神经网络多层感知机包括，第一层、第二层和第三层；所述第一层包括，输入层；所述第二层包括，两层隐藏层；所述第三层包括，输出层。
[0009]作为本专利技术所述的基于神经网络的磨煤机煤质预测方法的一种优选方案，其中：所述预测模型包括，
[0010]Z2＝XW1[0011]a2＝tanh(z2)
[0012]z3＝a2w2[0013]其中，
[0014][0015][0016][0017][0018][0019]作为本专利技术所述的基于神经网络的磨煤机煤质预测方法的一种优选方案，其中：还包括，
[0020]a3＝Relu(z3)
[0021]z4＝a3W3[0022]Y＝sigmoid(z4)
[0023]其中，
[0024][0025][0026][0027]作为本专利技术所述的基于神经网络的磨煤机煤质预测方法的一种优选方案，其中：所述第一层、所述第二层和所述第三层均包括激活函数；所述第一层的激活函数包括，双区正切函数；所述第二层的激活函数包括，Relu函数；所述第三层的激活函数包括，Sigmoid函数。
[0028]作为本专利技术所述的基于神经网络的磨煤机煤质预测方法的一种优选方案，其中：包括，利用接口实时获取所述DCS系统中的运行参数；基于Python语言编程训练完成的所述预测模型，在所述DCS系统中外挂一台计算机，将编程好的所述预测模型的运行代码导入所述计算机中；通过接口与所述DCS系统通讯，实时读取所述预测模型汇总所需的运行参数，并将实时计算出的当前磨煤机运行煤质回写至所述DCS系统中。
[0029]作为本专利技术所述的基于神经网络的磨煤机煤质预测方法的一种优选方案，其中：所述运行参数包括，给煤机的煤量反馈、磨煤机的一次风进口温度、磨煤机的进口风量、磨煤机的进口风压、磨煤机至锅炉1角进口风速、磨煤机至锅炉2角进口风速、磨煤机至锅炉3角进口风速、磨煤机至锅炉4角进口风速、磨煤机磨碗差压、磨煤机石子煤落料管温度和磨煤机电流。
[0030]作为本专利技术所述的基于神经网络的磨煤机煤质预测方法的一种优选方案，其中：还包括，磨煤机煤粉一次风管壁温度1、磨煤机煤粉一次风管壁温度2、磨煤机煤粉一次风管壁温度3、磨煤机煤粉一次风管壁温度4、磨煤机热一次风调节挡板阀位、磨煤机旋转分离器速度反馈、磨煤机旋转分离器电流、磨煤机出口风粉温度、磨煤机出口风粉压力1、磨煤机出口风粉压力2、磨煤机冷一次风调节挡板阀位、密封风磨碗差压、总风量、总燃料量、发电机有功功率和凝汽器进口循环水温度。
[0031]作为本专利技术所述的基于神经网络的磨煤机煤质预测方法的一种优选方案，其中：所述运行参数即为分析、整理清洗后的所述磨煤机数据；根据加仓煤种和所述运行参数，人工判断出磨煤机当前运行每一种煤种的时间并整理出50至100种煤种；将所述运行参数根
据整理出的时间段导出，进行时标对齐差值计算，并标注相应煤种的热值、水分、挥发分、灰分、硫分。
[0032]本专利技术的有益效果：本专利技术方法利用大数据分析神经网络多层感知机对大量的煤种运行参数进行分析建模，能够准确分析出各参数对煤种成分(热值、水分、挥发分、灰分、硫分)的影响权重，精确计算出磨煤机当前运行煤种成分，无需投入大量硬件和软件改造设备，安装系统，省时省力；另一方面，本专利技术计算出磨煤机当前运行煤种成分后，能根据煤种变化信息迅速改变控制策略，预防磨煤机爆燃，锅炉结焦、超温和环保超标，大大提高了机组安全、经济、环保性能，为打造“智慧电厂”奠定基础。
附图说明
[0033]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0034]图1为本专利技术一个实施例所述的基于神经网络的磨煤机煤质预测方法的流程示意图；
[0035]图2为本专利技术一个实施例所述的基于神经网络的磨煤机煤质预测方法的神经网络多层感知机网络拓扑结构示意图；
[0036]图3为本专利技术一个实施例所述的基于神经网络的磨煤机煤质预测方法的隐藏层节点示意图；
[0037]图4为本专利技术一个实施例所述的基于神经网络的磨煤机煤质预测方法的双区正切函数示意图；
[0038]图5为本专利技术一个实施例所述的基于神经网络的磨煤机煤质预测方法的Relu函数示意图；
[0039]图6为本专利技术一个实施例所述的基于神经网络的磨煤机煤质预测方法的Sigmoid函数示意图；
[0040]图7为本专利技术一个实施例所述的基于神经网络的磨煤机煤质预测方法的个案处理摘要数据示意图；
[0041]图8为本专利技术一个实施例所述的基于神经网络的磨煤机煤质预测方法的模型处理摘要中因变量为灰分的示意图；
[0042]图9为本专利技术一个实施例所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的磨煤机煤质预测方法，其特征在于：包括，根据磨煤机运行和锅炉燃烧机理对采集的磨煤机数据进行分析、整理和清洗；基于神经网络多层感知机建立预测模型，导入清洗后的所述磨煤机数据进行模型训练；将训练好的所述预测模型与DCS系统实时连接，在线计算磨煤机运行煤种，根据计算结果判断磨煤机实时运行煤质。2.根据权利要求1所述的基于神经网络的磨煤机煤质预测方法，其特征在于：所述神经网络多层感知机包括，第一层、第二层和第三层；所述第一层包括，输入层；所述第二层包括，两层隐藏层；所述第三层包括，输出层。3.根据权利要求1或2所述的基于神经网络的磨煤机煤质预测方法，其特征在于：所述预测模型包括，Z2＝XW1a2＝tanh(z2)z3＝a2w2其中，其中，其中，其中，其中，其中，4.根据权利要求3所述的基于神经网络的磨煤机煤质预测方法，其特征在于：还包括，a3＝Relu(z3)z4＝a3W3Y＝sigmoid(z4)其中，其中，其中，其中，5.根据权利要求2所述的基于神经网络的磨煤机煤质预测方法，其特征在于：所述第一层、所述第二层和所述第三层均包括激活函数；所述第一层的激活函数包括，双区正切函数；所述第二层的激活函数包括，Relu函数；所述第三层的激活函数包括，Sigmoid函数。
6.根据权利要求4所述的基于神经网络的磨煤机煤质预测方法，其特征在于：包括，利用接口实时获取所述DCS系统中的运行参数；基于Python语言编程训练完成的所述预测模型，在所述DCS系...

【专利技术属性】
技术研发人员：周立仁，陈思勤，陈慕欧，孙天逸，钟秀敏，王学海，陈佳伟，陈慧贤，郭建辉，黄春艳，吴善森，
申请(专利权)人：华能国际电力股份有限公司上海石洞口第二电厂，
类型：发明
国别省市：