多燃料燃烧性能参数的预测方法、模型训练方法及设备技术

本发明专利技术提供多燃料燃烧性能参数的预测方法、模型训练方法及设备，该方法包括：获取待测多燃料掺混样品的预设特征参数组合的数据；将预设特征参数组合的数据输入到经过训练的燃煤性能预测模型中，以获得待测多燃料掺混样品的可燃性指数和综合燃烧特性指数；其中，燃煤性能预测模型为基于以训练样本的预设特征参数组合的数据、第一可燃性指数、第一综合燃烧特性指数以及预设损失函数，对预先构建的神经网络进行训练得到的；预设特征参数组合包括待测多燃料掺混样品的低位发热量、水分、灰分、挥发分、固定碳、碳的占比、氢的占比、氧的占比、氮的占比、硫的占比中的至少两种。本发明专利技术可以准确地预测多燃料的燃烧特性。确地预测多燃料的燃烧特性。确地预测多燃料的燃烧特性。

【技术实现步骤摘要】
多燃料燃烧性能参数的预测方法、模型训练方法及设备


[0001]本专利技术涉及燃煤
，尤其涉及一种多燃料燃烧性能参数的预测方法、模型训练方法及设备。

技术介绍

[0002]随着煤炭相对短缺现象的日益严重，发电行业对资源丰富、可再生性强、有利于改善环境和可持续发展的生物质燃料的开发利用给予了极大的关注，积极发展生物质燃料，并有序发展生物质发电技术，成为目前的研究热点。
[0003]与传统的化石能源相比，生物质燃料含硫量和含氮量低，燃烧后硫氧化物和氮氧化物排放量低，是一种环境友好型燃料，燃烧后的烟气一般不需要装设脱硫设备。但是，生物质燃料的碱金属含量较高且灰熔点低，在炉内高温环境下可能呈现熔融状态，容易粘附在受热面表面。另外碱金属的硫酸盐和氯化物会侵蚀高温的金属壁面，可能致使管道壁面缩短使用寿命。因此必须控制生物质燃料的掺烧比例。
[0004]但由于生物质燃料种类较多，且每种生物质燃料的性质都存在差别，目前的分析手段经常出现数据缺失、滞后等情况，无法合理地确定燃煤与生物质燃料、可燃固体废弃物燃料的最优比例，无法满足锅炉的运行要求。然而，目前确定燃料的燃烧特性的方法无法准确的预测多燃料的燃烧特性，因此，亟需一种可以预测多燃料燃烧特性的方法，便于在多燃料混合燃烧之前，即可以根据燃料的燃烧特性调节燃煤与生物质燃料、及可燃固体废弃物燃料之间的比例。

技术实现思路

[0005]本专利技术实施例提供了一种多燃料燃烧性能参数的预测方法、模型训练方法及设备，以解决目前无法准确预测多燃料燃烧特性的问题。
[0006]第一方面，本专利技术实施例提供了一种多燃料燃烧性能参数的预测方法，包括：
[0007]获取待测多燃料掺混样品的预设特征参数组合的数据；
[0008]将预设特征参数组合的数据输入到经过训练的燃煤性能预测模型中，以获得待测多燃料掺混样品的可燃性指数和综合燃烧特性指数；
[0009]其中，燃煤性能预测模型为基于以训练样本的预设特征参数组合的数据、第一可燃性指数、第一综合燃烧特性指数以及预设损失函数，对预先构建的神经网络进行训练得到的；预设特征参数组合包括待测多燃料掺混样品的低位发热量、水分、灰分、挥发分、固定碳、碳的占比、氢的占比、氧的占比、氮的占比、硫的占比中的至少两种，第一可燃性指数和第一综合燃烧特性指数为基于训练样本的重量与温度变化曲线得到的。
[0010]在一种可能的实现方式中，训练样本包括燃煤、多种生物质燃料、以及多种可燃性固体废弃物燃料按照多种不同的混合比例混合而成的多种实验样品；
[0011]每种实验样品的预设特征参数组合的数据为基于工业分析和元素分析得到的，每种实验样品的第一可燃性指数和第一综合燃烧特性指数为基于该实验样品的重量与温度
变化曲线得到的；
[0012]燃煤性能预测模型为基于每种实验样品的预设特征参数组合的数据、第二可燃性指数、第二综合燃烧特性指数、第一可燃性指数、第一综合燃烧特性指数以及预设损失函数通过多次训练得到的；其中，第二可燃性指数和第二综合燃烧特性指数为每种实验样品的预设特征参数组合的数据输入到预先构建的神经网络中得到的。
[0013]在一种可能的实现方式中，重量与温度变化曲线包括热重曲线和热重微分曲线；
[0014]每种实验样品的第一可燃性指数为通过该种实验样品的热重曲线和热重微分曲线确定的最大燃烧速率和着火温度得到的；
[0015]每种实验样品的第一综合燃烧特性指数为通过该种实验样品的热重曲线和热重微分曲线确定的最大燃烧速率、着火温度、燃尽温度和平均燃烧速率得到的。
[0016]在一种可能的实现方式中，获取待测多燃料掺混样品的预设特征参数组合的数据，包括：
[0017]对待测多燃料掺混样品分别进行工业分析和元素分析，得到待测多燃料掺混样品的预设特征参数组合的数据；
[0018]对预设特征参数组合的数据进行标准化处理。
[0019]在一种可能的实现方式中，待测多燃料掺混样品包括原料煤、生物质燃料或可燃固体废弃物燃料中的至少两种燃料。
[0020]第二方面，本专利技术实施例提供了一种多燃料燃烧性能参数的预测模型的训练方法，包括：
[0021]获取训练样本的预设特征参数组合的数据、第一可燃性指数和第一综合燃烧特性指数；其中，预设特征参数组合包括待测多燃料掺混样品的低位发热量、水分、灰分、挥发分、固定碳、碳的占比、氢的占比、氧的占比、氮的占比、硫的占比中的至少两种，第一可燃性指数和第一综合燃烧特性指数为基于训练样本的重量与温度变化曲线得到的；
[0022]基于预设特征参数组合的数据、第一可燃性指数、第一综合燃烧特性指数以及预设损失函数，对预先构建的神经网络进行训练，得到训练好的燃煤性能预测模型。
[0023]在一种可能的实现方式中，训练样本包括燃煤、多种生物质燃料、以及多种可燃性固体废弃物燃料按照多种不同的混合比例混合而成的多种实验样品；
[0024]每种实验样品的预设特征参数组合的数据为基于工业分析和元素分析得到的，每种实验样品的第一可燃性指数和第一综合燃烧特性指数为基于该实验样品的重量与温度变化曲线得到的；
[0025]基于预设特征参数组合的数据、第一可燃性指数、第一综合燃烧特性指数以及预设损失函数，对预先构建的神经网络进行训练，包括：
[0026]将每种实验样品的预设特征参数组合的数据输入到预先构建的神经网络中，得到第二可燃性指数和第二综合燃烧特性指数；
[0027]基于每种实验样品的预设特征参数组合的数据、第二可燃性指数、第二综合燃烧特性指数、第一可燃性指数、第一综合燃烧特性指数以及预设损失函数，对预先构建的神经网络进行训练，并基于预设的性能评估模型对多个候选的经过训练的神经网络进行测试，确定燃煤性能预测模型。
[0028]在一种可能的实现方式中，重量与温度变化曲线包括热重曲线和热重微分曲线；
[0029]基于热重曲线和热重微分曲线确定每种实验样品的最大燃烧速率、峰值温度、着火温度、燃尽温度和平均燃烧速率；
[0030]基于最大燃烧速率、峰值温度、着火温度、燃尽温度和平均燃烧速率，分别确定每种实验样品的可燃性指数和综合燃烧特性指数。
[0031]第三方面，本专利技术实施例提供了一种多燃料燃烧性能参数的预测装置，包括：
[0032]获取数据模块，用于获取待测多燃料掺混样品的预设特征参数组合的数据；
[0033]预测性能模块，用于将预设特征参数组合的数据输入到经过训练的燃煤性能预测模型中，以获得待测多燃料掺混样品的可燃性指数和综合燃烧特性指数；
[0034]其中，燃煤性能预测模型为基于以训练样本的预设特征参数组合的数据、第一可燃性指数、第一综合燃烧特性指数以及预设损失函数，对预先构建的神经网络进行训练得到的；预设特征参数组合包括待测多燃料掺混样品的低位发热量、水分、灰分、挥发分、固定碳、碳的占比、氢的占比、氧的占比、氮的占比、硫的占比中的至少两种，第一可燃性指数和第一综合燃烧本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多燃料燃烧性能参数的预测方法，其特征在于，包括：获取待测多燃料掺混样品的预设特征参数组合的数据；将所述预设特征参数组合的数据输入到经过训练的燃煤性能预测模型中，以获得所述待测多燃料掺混样品的可燃性指数和综合燃烧特性指数；其中，所述燃煤性能预测模型为基于以训练样本的预设特征参数组合的数据、第一可燃性指数、第一综合燃烧特性指数以及预设损失函数，对预先构建的神经网络进行训练得到的；所述预设特征参数组合包括待测多燃料掺混样品的低位发热量、水分、灰分、挥发分、固定碳、碳的占比、氢的占比、氧的占比、氮的占比、硫的占比中的至少两种，所述第一可燃性指数和第一综合燃烧特性指数为基于所述训练样本的重量与温度变化曲线得到的。2.如权利要求1所述的预测方法，其特征在于，所述训练样本包括燃煤、多种生物质燃料、以及多种可燃性固体废弃物燃料按照多种不同的混合比例混合而成的多种实验样品；每种所述实验样品的预设特征参数组合的数据为基于工业分析和元素分析得到的，每种所述实验样品的第一可燃性指数和第一综合燃烧特性指数为基于该实验样品的重量与温度变化曲线得到的；所述燃煤性能预测模型为基于每种所述实验样品的预设特征参数组合的数据、第二可燃性指数、第二综合燃烧特性指数、第一可燃性指数、第一综合燃烧特性指数以及所述预设损失函数通过多次训练得到的；其中，所述第二可燃性指数和所述第二综合燃烧特性指数为每种所述实验样品的预设特征参数组合的数据输入到预先构建的神经网络中得到的。3.如权利要求2所述的预测方法，其特征在于，所述重量与温度变化曲线包括热重曲线和热重微分曲线；每种所述实验样品的第一可燃性指数为通过该种所述实验样品的热重曲线和热重微分曲线确定的最大燃烧速率和着火温度得到的；每种所述实验样品的第一综合燃烧特性指数为通过该种所述实验样品的热重曲线和热重微分曲线确定的最大燃烧速率、着火温度、燃尽温度和平均燃烧速率得到的。4.如权利要求1所述的预测方法，其特征在于，所述获取待测多燃料掺混样品的预设特征参数组合的数据，包括：对待测多燃料掺混样品分别进行工业分析和元素分析，得到所述待测多燃料掺混样品的预设特征参数组合的数据；对所述预设特征参数组合的数据进行标准化处理。5.如权利要求1至4任一项所述的预测方法，其特征在于，所述待测多燃料掺混样品包括原料煤、生物质燃料或可燃固体废弃物燃料中的至少两种燃料。6.一种多燃料燃烧性能参...

【专利技术属性】
技术研发人员：唐广通，马辉，马登卿，闫慧博，贾永会，王天龙，
申请(专利权)人：国网河北能源技术服务有限公司国家电网有限公司，
类型：发明
国别省市：