本申请提出了一种基于RBF神经网络的多点式流量计的校正方法和装置，该方法包括：将一次风机频率、送风机频率、引风机频率和机组负荷作为RBF神经网络的输入量，将烟气量校正系数作为RBF神经网络的输出量，获取涵盖火电机组多个工况的输入输出数据集；将输入输出数据集作为训练数据集，对预设的RBF神经网络进行训练，调整RBF神经网络的参数；获取实时的输入量和多点式流量计测量的实时烟气流量，将实时的输入量输入训练完成的RBF神经网络计算实时的烟气量校正系数；将实时烟气流量乘以实时的烟气量校正系数，获得校正后的烟气流量测量值。该方法通过对原有的多点式流量计的测量结果进行校正，提高了多点式流量计测量结果的准确性。确性。确性。
【技术实现步骤摘要】
基于RBF神经网络的多点式流量计的校正方法和装置
[0001]本申请涉及烟气监测
，尤其涉及一种基于RBF神经网络的多点式流量计的校正方法和装置。
技术介绍
[0002]目前，火力发电仍是主要的发电形式之一，火电厂数量众多，导致污染物排放量巨大，为实现节能减排，需要对污染物排放量进行控制。其中，对烟气中各种污染物进行在线监测是控制污染物排放的有效手段，烟气中各种污染物排放量一般通过污染物浓度与烟气流量相乘进行计算。目前，烟气中各种污染物的浓度测量技术已十分成熟，但烟气流量监测仍需改善。
[0003]相关技术中，烟气流量测量应用比较广泛的是多点式流量计，许多火力发电厂安装了多点式流量计。多点式流量计是在大风道截面上采用等截面多点测量流速的方式，具体是将许多个测点等截面有机地组装在一起，正压侧与正压侧相连，负压侧与负压侧相连，正、负压侧各引出一根总的引压管，分别与差压变送器的正、负端相连，测得截面的平均流速，然后计算出烟气流量。
[0004]然而，在中大型火电机组中，烟道的截面的形状多为矩形，个别管道截面形状为圆形，且普遍为紧凑型布置，烟道系统中存在大量的弯管、变径管、汇流管和节流挡板门等结构，烟道内的流场呈现明显的紊流特征，并存在大量分离及旋涡，烟道内的流动均匀性较差，且随工况变化而变化。因此，上述方式的多点式流量计的测量结果与实际情况误差较大，测量的准确性较低。
技术实现思路
[0005]本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
[0006]为此，本申请的第一个目的在于提出一种基于RBF神经网络的多点式流量计的校正方法，该方法仅需对原有的多点式流量计设备增加校正环节，基于RBF神经网络计算校正系数进行校正，即可得到更加精确的测量结果。
[0007]本申请的第二个目的在于提出一种基于RBF神经网络的多点式流量计的校正装置。
[0008]本申请的第三个目的在于提出一种非临时性计算机可读存储介质。
[0009]为达上述目的，本申请的第一方面实施例在于提出一种基于RBF神经网络的多点式流量计的校正方法，该方法包括以下步骤：
[0010]将一次风机频率、送风机频率、引风机频率和机组负荷作为RBF神经网络的输入量，将烟气量校正系数作为所述RBF神经网络的输出量，获取涵盖火电机组多个工况的输入输出数据集；
[0011]将所述输入输出数据集作为训练数据集，对预设的所述RBF神经网络进行训练，调整所述RBF神经网络的参数；
[0012]获取实时的输入量和多点式流量计测量的实时烟气流量，将所述实时的输入量输入训练完成的RBF神经网络计算实时的烟气量校正系数；
[0013]将所述实时烟气流量乘以所述实时的烟气量校正系数，获得校正后的烟气流量测量值。
[0014]可选地，在本申请的一个实施例中，获取涵盖火电机组多个工况的输入输出数据集，包括：在同一工况下，通过人工测量和多点式流量计测量两种方式同时测量烟气流量；通过计算测量时间内的平均值，分别获取当前工况下所述人工测量和所述多点式流量计测量的测量结果；将所述人工测量的测量结果作为真实值，计算所述人工测量的测量结果与所述多点式流量计测量的测量结果的比值，将所述比值作为所述当前工况下所述RBF神经网络的输出量，并从所述火电机组的分散控制系统DCS中获取所述当前工况下所述RBF神经网络的输入量；切换至不同的工况，并重复进行烟气流量测量对比试验和读取每个工况下的输入量。
[0015]可选地，在本申请的一个实施例中，RBF神经网络包括输入层、隐含层和输出层，通过以下公式表示所述隐含层中i个节点的输出：
[0016][0017]其中，i是隐含层中任一节点，u
i
是隐含层第i个节点的输出，是输入样本向量，高斯函数的中心向量，σ
i
是标准化常数。
[0018]可选地，在本申请的一个实施例中，通过以下公式表示所述输出层的输出：
[0019][0020]其中，y是RBF神经网络的输出，w
i
是隐含层到输出层的加权系数。
[0021]可选地，在本申请的一个实施例中，对预设的所述RBF神经网络进行训练，包括：
[0022]优化以下公式表示的目标函数：
[0023][0024]其中，N是样本数量，t
p
为输出量的期望值，y
p
为输出量的实际值；
[0025]通过以下公式对所述w
i
的值进行学习：
[0026][0027]其中，η为学习速率，0<η<1。
[0028]可选地，在本申请的一个实施例中，获取多点式流量计测量的实时烟气流量，包括：与所述火电机组的烟气在线监测系统CEMS建立通讯连接，从所述在线监测系统CEMS中读取所述多点式流量计测量的实时烟气流量。
[0029]为达上述目的，本申请的第二方面实施例还提出了一种基于RBF神经网络的多点式流量计的校正装置，包括以下模块:
[0030]获取模块，用于将一次风机频率、送风机频率、引风机频率和机组负荷作为RBF神经网络的输入量，将烟气量校正系数作为所述RBF神经网络的输出量，获取涵盖火电机组多
个工况的输入输出数据集；
[0031]训练模块，用于将所述输入输出数据集作为训练数据集，对预设的所述RBF神经网络进行训练，调整所述RBF神经网络的参数；
[0032]第一计算模块，用于获取实时的输入量和多点式流量计测量的实时烟气流量，将所述实时的输入量输入训练完成的RBF神经网络计算实时的烟气量校正系数；
[0033]第二计算模块，用于将所述实时烟气流量乘以所述实时的烟气量校正系数，获得校正后的烟气流量测量值。
[0034]可选地，在本申请的一个实施例中，获取模块，具体用于：在同一工况下，通过人工测量和多点式流量计测量两种方式同时测量烟气流量；通过计算测量时间内的平均值，分别获取当前工况下所述人工测量和所述多点式流量计测量的测量结果；将所述人工测量的测量结果作为真实值，计算所述人工测量的测量结果与所述多点式流量计测量的测量结果的比值，将所述比值作为所述当前工况下所述RBF神经网络的输出量，并从所述火电机组的分散控制系统DCS中获取所述当前工况下所述RBF神经网络的输入量；切换至不同的工况，并重复进行烟气流量测量对比试验和读取每个工况下的输入量。
[0035]可选地，在本申请的一个实施例中，第一计算模块，具体用于：与所述火电机组的烟气在线监测系统CEMS建立通讯连接，从所述在线监测系统CEMS中读取所述多点式流量计测量的实时烟气流量。
[0036]为了实现上述实施例，本申请第三方面实施例还提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中的基于RBF神经网络的多点式流量计的校正方法。
[0037]本申请的实施例提供的技术方案至少带来以下有益效果：本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于RBF神经网络的多点式流量计的校正方法，其特征在于，包括以下步骤：将一次风机频率、送风机频率、引风机频率和机组负荷作为RBF神经网络的输入量，将烟气量校正系数作为所述RBF神经网络的输出量，获取涵盖火电机组多个工况的输入输出数据集；将所述输入输出数据集作为训练数据集，对预设的所述RBF神经网络进行训练，调整所述RBF神经网络的参数；获取实时的输入量和多点式流量计测量的实时烟气流量，将所述实时的输入量输入训练完成的RBF神经网络计算实时的烟气量校正系数；将所述实时烟气流量乘以所述实时的烟气量校正系数，获得校正后的烟气流量测量值。2.根据权利要求1所述的校正方法，其特征在于，所述获取涵盖火电机组多个工况的输入输出数据集，包括：在同一工况下，通过人工测量和多点式流量计测量两种方式同时测量烟气流量；通过计算测量时间内的平均值，分别获取当前工况下所述人工测量和所述多点式流量计测量的测量结果；将所述人工测量的测量结果作为真实值，计算所述人工测量的测量结果与所述多点式流量计测量的测量结果的比值，将所述比值作为所述当前工况下所述RBF神经网络的输出量，并从所述火电机组的分散控制系统DCS中获取所述当前工况下所述RBF神经网络的输入量；切换至不同的工况，并重复进行烟气流量测量对比试验和读取每个工况下的输入量。3.根据权利要求1所述的校正方法，其特征在于，所述RBF神经网络包括输入层、隐含层和输出层，通过以下公式表示所述隐含层中i个节点的输出：其中，i是隐含层中任一节点，u
i
是隐含层第i个节点的输出，是输入样本向量，高斯函数的中心向量，σ
i
是标准化常数。4.根据权利要求3所述的校正方法，其特征在于，通过以下公式表示所述输出层的输出：其中，y是RBF神经网络的输出，w
i
是隐含层到输出层的加权系数。5.根据权利要求4所述的校正方法，其特征在于，对预设的所述RBF神经网络进行训练，包括：优化以下公式表示的目标函数：其中，N是样本数量，t
p
为输出量的期望值，y
p
为输出量的实际值；
通过以下公式对所述w
...
【专利技术属性】
技术研发人员：白永岗，周科，王志超，鲁晓宇，李明皓，张波，向小凤，
申请(专利权)人：西安热工研究院有限公司，
类型：发明
国别省市：
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。