一种基于PSO算法的锅炉结渣程度预测方法及相关装置制造方法及图纸

技术编号:34566486 阅读:48 留言:0更新日期:2022-08-17 12:56
本申请公开了一种基于PSO算法的锅炉结渣程度预测方法及相关装置,方法包括:基于预置PSO算法,根据锅炉结渣训练数据集对初始模糊神经网络模型进行网络参数优化训练,得到优化预测模型,预置PSO算法包括非线性惯性权重;通过预设隶属度函数根据结渣相关数据进行结渣程度划分,得到结渣隶属度值,结渣相关数据包括硅铝比、软化温度、硅比、酸碱比、综合指数和无因次炉膛最高温度;将结渣隶属度值输入优化预测模型中进行结渣预测,得到结渣预测结果。本申请提供了一种基于高效可行的锅炉结渣程度预测技术方案,缓解了锅炉积灰结渣较严重的技术问题。技术问题。技术问题。

【技术实现步骤摘要】
一种基于PSO算法的锅炉结渣程度预测方法及相关装置


[0001]本申请涉及燃煤锅炉
,尤其涉及一种基于PSO算法的锅炉结渣程度预测方法及相关装置。

技术介绍

[0002]目前,煤炭能源在我国能源构架中仍占据接近60%,其主导地位在未来较长的一段时间内很难改变,并且我国用于发电、工业生产和生活取暖等方面的锅炉燃煤消耗量要占到燃煤总开采量的50%以上,而我国燃煤电厂动力用煤主要以含灰量较多的劣质煤为主,这使得燃煤电厂锅炉受热面的积灰结渣问题尤为严重,进一步制约了我国现役和未来燃煤电厂深度调峰的发展。近年来,随着燃煤电厂锅炉容量的增加以及燃煤机组调峰角色的转变,燃煤电厂锅炉积灰结渣问题尤为明显。

技术实现思路

[0003]本申请提供了一种基于PSO算法的锅炉结渣程度预测方法及相关装置,用于提供一种基于高效可行的锅炉结渣程度预测技术方案,缓解锅炉积灰结渣较严重的技术问题。
[0004]有鉴于此,本申请第一方面提供了一种基于PSO算法的锅炉结渣程度预测方法,包括:
[0005]基于预置PSO算法,根据锅炉结渣训练数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PSO算法的锅炉结渣程度预测方法,其特征在于,包括:基于预置PSO算法,根据锅炉结渣训练数据集对初始模糊神经网络模型进行网络参数优化训练,得到优化预测模型,所述预置PSO算法包括非线性惯性权重;通过预设隶属度函数根据结渣相关数据进行结渣程度划分,得到结渣隶属度值,所述结渣相关数据包括硅铝比、软化温度、硅比、酸碱比、综合指数和无因次炉膛最高温度;将所述结渣隶属度值输入所述优化预测模型中进行结渣预测,得到结渣预测结果。2.根据权利要求1所述的基于PSO算法的锅炉结渣程度预测方法,其特征在于,所述基于预置PSO算法,根据锅炉结渣训练数据集对初始模糊神经网络模型进行网络参数优化训练,得到优化预测模型,包括:初始化粒子群相关参数,所述粒子群相关参数包括初始粒子群速度和初始粒子群位置;将所述锅炉结渣训练数据集的均方误差作为预置PSO算法的适应度函数,并计算得到初始适应度值;基于非线性惯性权重调整所述初始粒子群速度和初始粒子群位置,得到更新粒子群速度和更新粒子群位置;根据基于所述更新粒子群速度和所述更新粒子群位置优化的预置PSO算法对初始模糊神经网络模型进行网络参数迭代优化训练,得到优化预测模型。3.根据权利要求1所述的基于PSO算法的锅炉结渣程度预测方法,其特征在于,所述非线性惯性权重表达为:其中,w
min
为非线性惯性权重最小值,w
max
为非线性惯性权重最大值,t为当前迭代次数,t
max
为最大迭代次数,a,b均为调整参数。4.根据权利要求1所述的基于PSO算法的锅炉结渣程度预测方法,其特征在于,所述将所述结渣隶属度值输入所述优化预测模型中进行结渣预测,得到结渣预测结果,之后还包括:根据所述结渣预测结果对燃煤电厂锅炉容量和燃煤机组方案进行优化。5.一种基于PSO算法的锅炉结渣程度预测装置,其特征在于,包括:优化训练模块,用于基于预置PSO算法,根据锅炉结渣训练数据集对初始模糊神经网络模型进行网络参数优化训练,得到优化预测模型,所述预置PSO算法包...

【专利技术属性】
技术研发人员:李德波陈智豪陈兆立
申请(专利权)人:南方电网电力科技股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1