燃煤锅炉内硫化氢的质量浓度预测方法、装置及终端制造方法及图纸

本发明专利技术提供一种燃煤锅炉炉内硫化氢的质量浓度预测方法、装置及终端，该方法包括：获取燃煤锅炉的燃烧参数；其中，燃烧参数包括给煤量、一次风量、二次风挡板开度和燃煤硫分质量分数；将燃烧参数输入经过训练的预测模型，得到燃煤锅炉炉内硫化氢的质量浓度的预测结果；预测模型为基于狼群算法优化的BP神经网络模型。本发明专利技术使用狼群算法优化的BP神经网络模型对燃煤锅炉炉内硫化氢的质量浓度进行预测，可以提高预测效率和准确性。以提高预测效率和准确性。以提高预测效率和准确性。

【技术实现步骤摘要】
燃煤锅炉内硫化氢的质量浓度预测方法、装置及终端


[0001]本专利技术涉及锅炉安全
，尤其涉及一种燃煤锅炉炉内硫化氢的质量浓度预测方法、装置、终端及存储介质。

技术介绍

[0002]近年来，为了进一步降低电厂污染物的排放，抑制燃煤锅炉燃烧所产生的氮氧化合物，众多电厂采用分级燃烧的方法，以此达到还原氮氧化合物的目的。然而，该方法虽然在一定程度上可以改善锅炉氮氧化合物排放量，但炉内较强的还原性气氛容易让煤中的硫成分生成硫化氢气体，硫化氢浓度过高会导致水冷壁的高温腐蚀，因此有必要确定锅炉内的硫化氢浓度，以对其进行控制。
[0003]由于实际炉膛燃烧过程具有复杂性，对炉膛内尤其是近壁处硫化氢等参数的预测较为困难，目前有研究使用神经网络对硫化氢的浓度进行预测，然而神经网络存在收敛速度慢、容易陷入局部最优的缺陷，导致对锅炉内硫化氢参数的预测结果效率低且准确定差。

技术实现思路

[0004]本专利技术提供了一种燃煤锅炉炉内硫化氢的质量浓度预测方法、装置、终端及存储介质，以解决提高锅炉内硫化氢的质量浓度预测效率和准确性的问题。...

【技术保护点】

【技术特征摘要】
1.一种燃煤锅炉炉内硫化氢的质量浓度预测方法，其特征在于，包括：获取燃煤锅炉的燃烧参数；其中，所述燃烧参数包括给煤量、一次风量、二次风挡板开度和燃煤硫分质量分数；将所述燃烧参数输入经过训练的预测模型，得到所述燃煤锅炉炉内硫化氢的质量浓度的预测结果；所述预测模型为基于狼群算法优化的BP神经网络模型。2.根据权利要求1所述的燃煤锅炉炉内硫化氢的质量浓度预测方法，其特征在于，在将所述燃烧参数输入经过训练的预测模型，得到预测结果之前，所述方法还包括：建立初始的预测模型；基于狼群算法、训练样本集和优化样本集对所述初始的预测模型进行训练，以得到经过训练的预测模型。3.根据权利要求2所述的燃煤锅炉炉内硫化氢的质量浓度预测方法，其特征在于，所述基于狼群算法、训练样本集和优化样本集对所述初始的预测模型进行训练，以得到经过训练的预测模型包括：基于训练样本集对所述初始的预测模型进行训练，得到预测模型的初始权值和初始阈值；采用狼群算法对所述初始权值和所述初始阈值进行迭代优化，以得到目标权值和目标阈值；其中，所述狼群算法的待优化项为所述初始权值和所述初始阈值，目标函数为预测模型对训练样本进行预测得到的硫化氢的质量浓度与所述训练样本的真实硫化氢的质量浓度之差的倒数，优化目标为所述目标函数最大；基于所述优化样本集对采用所述目标权值和目标阈值的预测模型进行训练，以得到经过训练的预测模型。4.根据权利要求3所述的燃煤锅炉炉内硫化氢的质量浓度预测方法，其特征在于，所述采用狼群算法对所述初始的预测模型中的权值和阈值进行迭代优化，以得到目标权值和目标阈值包括：生成预设数量个具有随机位置的个体，得到初始狼群，每个个体的位置表示一组权值和阈值；计算每个个体的目标函数值，并选取目标函数最大的个体作为头狼，选取除头狼以外目标函数值最大的S_num个个体作为探狼，以及将剩余个体作为猛狼；其中，S_num表示预设的探狼数量；令各个探狼执行游走行为，直至全部探狼中的某个探狼的目标函数值大于头狼的目标函数值或游走次数达到预设的最大游走次数；令各个猛狼向猎物奔袭，若奔袭过程中全部猛狼中的某个猛狼的目标函数值大于头狼的目标函数值，则令该猛狼替代头狼，并发起召唤行为；令符合围攻条件的猛狼执行围攻行为；所述围攻条件为：与头狼的距离小于预设距离；按照胜者为王的规则更新头狼位置；按照强者生存的规则更新狼群位置；判断头狼的目标函数值是否大于预设阈值或狼群更新次数是否达到预设值；若是，则将头狼的位置作为目标权值和目标阈值；否则，跳转至“计算每个个体的目标函数值，并选取目标函数最大的个体作为头狼，选
取除头狼...

【专利技术属性】
技术研发人员：李路江，刘志强，王天龙，贾永会，闫慧博，戴喜庆，
申请(专利权)人：国网河北省电力有限公司电力科学研究院国家电网有限公司，
类型：发明
国别省市：