System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及生物质燃料的测定和分析,特别涉及一种基于多成分参数分析的生物质燃料热值测定方法和系统。
技术介绍
1、生物质燃烧炉所采用的生物质燃料,其原料主要包括秸秆、麦秸、稻草、木屑和木质颗粒、玉米芯等。这些生物质燃料主要由纤维素、半纤维素和木质素等有机物质组成。生物质燃料的加工工序主要包括切碎、压缩和干燥等。切碎是将原料进行粉碎或切割,以增加燃烧表面积;压缩是将原料进行压缩,以提高燃烧密度和能量密度,干燥是将原料中的水分含量降低,以提高燃烧效率。总之,通过对生物质燃料的加工和利用,生物质燃烧炉可以实现高效燃烧,减少能源浪费和环境污染,达到节能环保的效果。
2、生物质燃料的热值是指单位质量燃料所释放的热能。准确测定生物质燃料自身的热值,对生物质燃烧炉的工作有以下几个方面的作用:(1)选择搭配合适的燃料类型和质量,以满足燃烧炉的热能需求;(2)评估生物质燃料的质量,为燃料质量把控、采购定价提供客观合理的依据;(3)燃料的热值是燃烧炉燃烧过程中的重要参数之一,准确测定燃料的热值可以帮助控制燃烧炉的燃烧过程,包括燃料供给控制、空气供给控制、燃烧温度控制、燃烧过程监测等方面,以便确保燃料的充分燃烧,避免燃烧不完全和产生有害气体;(4)燃料的热值对燃烧炉的设计和选型也有影响。准确测定燃料的热值可以提供设计和选型的依据,确保燃烧炉能够适应燃料的热值和燃烧特性,提高设备的可靠性和效率。
3、现有技术中,生物质燃料的热值测定方法包括:燃烧热值法、氧弹热量计法、差热法等。但由于生物质燃料的组成成分各异,物化特性参差不齐,
技术实现思路
1、鉴于上述问题,本专利技术提出一种基于多成分参数分析的生物质燃料热值测定方法和系统。本专利技术通过采集包含生物质燃料热值及其多成分参数的样本数据,基于构建和训练深度学习神经网络,获得生物质燃料热值及其多成分参数的关系模型,进而实现基于实际待测生物质燃料的多成分参数,测定生物质燃料的热值。
2、本专利技术的一种基于多成分参数分析的生物质燃料热值测定方法,其特征在于,包括以下步骤:
3、采集生物质燃料样本;
4、建立生物质燃料样本库,具体包括:测量所述生物质燃料样本的热值及其多种成分参数的样本数据,每个样品数据应包含生物质燃料的测定热值及其多成分参数向量;并且,通过测量所述生物质燃料样本的多种成分参数,构建只包含多成分参数向量的样本数据;
5、构建深度学习神经网络模型,用于模拟生物质燃料热值与其多成分参数向量之间的关系;所述深度学习神经网络模型具体包括一个监督学习网络和一个无监督学习网络;所述监督学习网络将多成分参数向量联合为矩阵作为该监督学习网络的输入层输入值,该监督学习网络的输出层的输出值为子样本集合的包含的热值组合的热值队列;所述无监督学习网络的输入层输入样本数据中多成分参数向量联合的矩阵,输出层输出无监督样本数据特征量;
6、生物质燃料的热值测定和结果输出。
7、优选的是,对于采集的每个生物质燃料样本,以上测量获得的每个样本的热值及其成分参数表示为:
8、
9、其中为第n份生物质燃料样本的热值,各自表示该生物质燃料样本的水分、挥发分、灰分、碳含量、氮含量、硫含量的所述成分参数,则分别表示水分、挥发分、灰分、碳含量、氮含量、硫含量的成分参数对应热值的回归系数。
10、优选的是,测量各种类型成分的成分参数,通过以下方法进行:(1)水分:采用干燥法或烘箱法测量;(2)挥发分:采用热解法或热重法测量;(3)灰分:采用灰烬法或烘箱法测量;(4)碳、氮、硫含量:采用元素分析法测量。
11、优选的是,以向量表示第n份生物质燃料样本的多成分参数向量,每个样品数据应包含生物质燃料的测定热值及其多成分参数向量,即表示为 ,n为生物质燃料样本库的样本容量。
12、优选的是,对生物质燃料样本的热值及其多种成分参数所组成的样本数据,进行预处理,包括:数据清洗、缺失值处理和数据标准化。
13、优选的是,该监督学习网络表示为:;对于所述的生物质燃料样本库的样本数据,将其随机划分为个子样本集合,表示为 ;将每个子样本集合所含的多成分参数向量联合为矩阵,作为该监督学习网络的输入层输入值,该监督学习网络的输出层的输出值为子样本集合的包含的热值组合的热值队列,通过训练确定该监督学习网络的神经网络参数。
14、优选的是,无监督学习网络表示为:;对于所述的生物质燃料样本库中只包含多成分参数向量的样本数据,将其随机划分为 个子样本集合,表示为,其中表示这些样本数据中多成分参数向量联合的矩阵;表示基于样本数据多成分参数向量联合的矩阵输入无监督学习网络所得的无监督样本数据特征量;进而,计算无监督样本数据特征量和监督学习网络的热值队列二者之间的logits值:,其中是无监督样本数据特征量的第维,是热值队列的第个队列值,表示向量内积运算;根据该logits值计算本子样本集合的infonce损失函数:,其中为一个预置常数;对于总的个子样本集合,infonce损失函数: ,由此训练无监督学习网络的神经网络参数,获得最优化的神经网络参数。
15、优选的是,最终获得的该无监督学习网络,基于待测生物质燃料的多成分参数向量,输出生物质燃料的特征量,再将以上多成分参量输入监督学习网络的输入层,监督学习网络的输出层输出热值队列,继续求 ,从而确定热值队列中内积值最大的热值作为待测生物质燃料的热值。
16、优选的是,基于测定的生物质燃料的热值,控制燃烧炉的燃烧过程,包括燃料供给控制、空气供给控制、燃烧温度控制、燃烧过程监测。
17、进而,本专利技术还提供了一种基于多成分参数分析的生物质燃料热值测定系统,包括以下组成部分:
18、采样测量设备,用于采集生物质燃料样本,并测量所述生物质燃料样本的热值及其多种成分参数,作为样本数据存入生物质燃料样本库;
19、深度学习神经网络模型单元,用于模拟生物质燃料热值与其多成分参数向量之间的关系,通过向该模型输入待测生物质燃料的多成分参数向量,输出待测生物质燃料的热值;
20、热值测定单元,对于待测的生物质燃料,通过所述采样测量设备测量所述生物质燃料样本的多成分参数向量,输入所述深度学习神经网络模型单元,得到预测的待测生物质燃料的热值,将预测的热值输出。
21、本专利技术的有益效果包括:(1)提高生物质燃料热值的测定准确性和效率:通过对生物质燃料的多成分参数进行综合分析,可以更准确地反映生物质燃料的热值,从而提高热值测定的准确性。同时,利用深度学习神经网络模型,可以快速地预测出生物质燃料的热值,提高了热值测定的效率。(2)适用于多种生物质燃料:由于本专利技术基于多成分参数分析的生物质燃料热值测定方法,本文档来自技高网...
【技术保护点】
1.一种基于多成分参数分析的生物质燃料热值测定方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于多成分参数分析的生物质燃料热值测定方法,其特征在于,对于采集的每个生物质燃料样本,以上测量获得的每个样本的热值及其成分参数表示为:
3.根据权利要求2所述的基于多成分参数分析的生物质燃料热值测定方法,其特征在于,测量各种类型成分的成分参数,通过以下方法进行:(1)水分:采用干燥法或烘箱法测量;(2)挥发分:采用热解法或热重法测量;(3)灰分:采用灰烬法或烘箱法测量;(4)碳、氮、硫含量:采用元素分析法测量。
4.根据权利要求3所述的基于多成分参数分析的生物质燃料热值测定方法,其特征在于,以向量表示第n份生物质燃料样本的多成分参数向量,每个样品数据应包含生物质燃料的测定热值及其多成分参数向量,即表示为 ,N为生物质燃料样本库的样本容量。
5.根据权利要求4所述的基于多成分参数分析的生物质燃料热值测定方法,其特征在于,对生物质燃料样本的热值及其多种成分参数所组成的样本数据,进行预处理,包括:数据清洗、缺失值处理和数据标准化。
>6.根据权利要求5所述的基于多成分参数分析的生物质燃料热值测定方法,其特征在于,该监督学习网络表示为:;对于所述的生物质燃料样本库的样本数据,将其随机划分为个子样本集合,表示为 ;将每个子样本集合所含的多成分参数向量联合为矩阵,作为该监督学习网络的输入层输入值,该监督学习网络的输出层的输出值为子样本集合的包含的热值组合的热值队列,通过训练确定该监督学习网络的神经网络参数。
7.根据权利要求6所述的基于多成分参数分析的生物质燃料热值测定方法,其特征在于,无监督学习网络表示为:;对于所述的生物质燃料样本库中只包含多成分参数向量的样本数据,将其随机划分为 个子样本集合,表示为,其中表示这些样本数据中多成分参数向量联合的矩阵;表示基于样本数据多成分参数向量联合的矩阵输入无监督学习网络所得的无监督样本数据特征量;进而,计算无监督样本数据特征量和监督学习网络的热值队列二者之间的logits值:,其中是无监督样本数据特征量的第维,是热值队列的第个队列值,表示向量内积运算;根据该logits值计算本子样本集合的InfoNCE损失函数:,其中为一个预置常数;对于总的个子样本集合,InfoNCE损失函数: ,由此训练无监督学习网络的神经网络参数,获得最优化的神经网络参数。
8.根据权利要求7所述的基于多成分参数分析的生物质燃料热值测定方法,其特征在于,最终获得的该无监督学习网络,基于待测生物质燃料的多成分参数向量,输出生物质燃料的特征量,再将以上多成分参量输入监督学习网络的输入层,监督学习网络的输出层输出热值队列,继续求 ,从而确定热值队列中内积值最大的热值作为待测生物质燃料的热值。
9.根据权利要求8所述的基于多成分参数分析的生物质燃料热值测定方法,其特征在于,基于测定的生物质燃料的热值,控制燃烧炉的燃烧过程,包括燃料供给控制、空气供给控制、燃烧温度控制、燃烧过程监测。
10.一种基于多成分参数分析的生物质燃料热值测定系统,其特征在于,包括以下组成部分:
...【技术特征摘要】
1.一种基于多成分参数分析的生物质燃料热值测定方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于多成分参数分析的生物质燃料热值测定方法,其特征在于,对于采集的每个生物质燃料样本,以上测量获得的每个样本的热值及其成分参数表示为:
3.根据权利要求2所述的基于多成分参数分析的生物质燃料热值测定方法,其特征在于,测量各种类型成分的成分参数,通过以下方法进行:(1)水分:采用干燥法或烘箱法测量;(2)挥发分:采用热解法或热重法测量;(3)灰分:采用灰烬法或烘箱法测量;(4)碳、氮、硫含量:采用元素分析法测量。
4.根据权利要求3所述的基于多成分参数分析的生物质燃料热值测定方法,其特征在于,以向量表示第n份生物质燃料样本的多成分参数向量,每个样品数据应包含生物质燃料的测定热值及其多成分参数向量,即表示为 ,n为生物质燃料样本库的样本容量。
5.根据权利要求4所述的基于多成分参数分析的生物质燃料热值测定方法,其特征在于,对生物质燃料样本的热值及其多种成分参数所组成的样本数据,进行预处理,包括:数据清洗、缺失值处理和数据标准化。
6.根据权利要求5所述的基于多成分参数分析的生物质燃料热值测定方法,其特征在于,该监督学习网络表示为:;对于所述的生物质燃料样本库的样本数据,将其随机划分为个子样本集合,表示为 ;将每个子样本集合所含的多成分参数向量联合为矩阵,作为该监督学习网络的输入层输入值,该监督学习网络的输出层的输出值为子样本集合的包含的热值组合的热值队列,通过训练确定该监督学习网...
【专利技术属性】
技术研发人员:陈天宁,盛谦益,吴永铃,樊峰鸣,杜丽娟,雷智超,
申请(专利权)人:北京奥科瑞丰新能源股份有限公司,
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。