一种基于改进支持向量机的锅炉飞灰含碳量软测量方法技术

技术编号:7974286 阅读:213 留言:0更新日期:2012-11-15 07:06
本发明专利技术提供了一种基于改进支持向量机的锅炉飞灰含碳量软测量方法,方法基于粒子群算法对支持向量回归进行参数寻优,选取了影响回归模型有效性的两个参数,首先通过传感器采集相关辅助变量的值,并进行数据预处理,根据过去6小时的历史数据辨识出支持向量回归模型的两个主要参数以确定飞灰含碳量软测量模型,并根据历史数据的更新每小时更新一次软测量模型,将实时测量的辅助变量值输入建立好的软测量模型即可得到飞灰含碳量输出值。本发明专利技术方法可用于实时测量火电厂锅炉燃烧过程产生飞灰中的未燃尽碳含量,可实现实时测量飞灰中的碳含量,同时还具有精度高、计算耗时少、适用范围广等优点。

【技术实现步骤摘要】

本专利技术涉及一种锅炉飞灰含碳量的测量方法,尤其是涉及一种基于改进支持向量机的飞灰含碳量软测量方法。
技术介绍
锅炉是火力发电厂的燃烧设备,锅炉运行的安全性和经济性在很大程度上决定整个火电厂运作的安全性和经济性。锅炉烟气中的碳含量是锅炉运行好坏的判断依据和降低煤炭消耗的重要指标,是锅炉燃烧优劣的评判依据。锅炉飞灰含碳量的实时监测有利于及时调整燃烧工况,提高锅炉燃烧控制水平,从而降低发电成本,提高机组的经济性。如果能实现锅炉飞灰含碳量在线测量,操作人员可以随时调整运行模式,将锅炉飞灰中的碳含量控制在最佳范围内,从而尽量提高燃烧效率,提高机组运行水平,对提高电厂经济效益具有 现实意义。影响锅炉飞灰含碳量的因素较复杂,预测和控制都很困难。针对锅炉飞灰含碳量的诸多影响因素耦合性强、非线性强的特点,科研人员提出基于支持向量机的锅炉飞灰含碳量软测量方法,对锅炉飞灰含碳量特性进行建模预测。为解决支持向量机受学习参数影响严重的问题,有人提出了结合寻优算法的支持向量建模,采用大范围遍历搜索算法进行参数寻优,此法需消耗大量时间,不适合在线建模;有人提出基于最小二乘的支持向量建模,将优化问题转化为线性方本文档来自技高网...

【技术保护点】
一种基于改进支持向量机的锅炉飞灰含碳量软测量方法,包括以下步骤:Step1、获取辅助变量和主导变量过去6小时的历史数据,分别对辅助变量和主导变量数据进行误差处理和归一化处理,将处理过的数据作为训练集;Step2、采用粒子群算法对训练集数据进行训练,寻找支持向量机法的最优参数;Step3、利用最优参数以及经过预处理的辅助变量和主导变量数据,采用支持向量机法建立飞灰含碳量软测量模型,同时可以得到所述模型的支持向量集;Step4、若时间为整点,执行Step5,否则执行Step7;Step5、获取辅助变量和主导变量过去1小时的历史数据,分别对辅助变量和主导变量数据进行误差处理和归一化处理,处理方法与S...

【技术特征摘要】
1.一种基于改进支持向量机的锅炉飞灰含碳量软测量方法,包括以下步骤 Stepl、获取辅助变量和主导变量过去6小时的历史数据,分别对辅助变量和主导变量数据进行误差处理和归一化处理,将处理过的数据作为训练集; Step2、采用粒子群算法对训练集数据进行训练,寻找支持向量机法的最优参数; Step3、利用最优参数以及经过预处理的辅助变量和主导变量数据,采用支持向量机法建立飞灰含碳量软测量模型,同时可以得到所述模型的支持向量集; St印4、若时间为整点,执行St印5,否则执行St印7 ; Step5、获取辅助变量和主导变量过去I小时的历史数据,分别对辅助变量和主导变量数据进行误差处理和归一化处理,处理方法与St印I相同; Step6、将St印5所得数据与St印3所得支持向量集组合,作为新的训练集,返回Step2 ; Step7、在线实时获取各辅助变量数据,对各辅助变量进行误差处理和归一化处理,处理方法与Stepl相同; StepS、将St印7得到的数据输入步骤St印3得到的飞灰含碳量软测量模型,对模型输出值进行反归一化处理,得到飞灰含碳量值并输出。2.根据权利要求I所述的一种基于改进支...

【专利技术属性】
技术研发人员:叶向前贺瑶李昕方彦军
申请(专利权)人:广东电网公司电力科学研究院武汉大学
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