专利名称：一种基于改进支持向量机的锅炉飞灰含碳量软测量方法
技术领域：
本发明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。
背景技术：
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程的求解，其收敛速度快，但正规化参数集和核参数集的确定暂无明确的方法，受人为因素影响较大。现有的这些改进支持向量机建模法都没有明确地提出惩罚系数和核参数的确定方法，严重受人为因素的影响，很难保证模型测量精度。

发明内容
本发明所要解决的技术问题，就是提供一种基于改进支持向量机的锅炉飞灰含碳量软测量方法，可实现实时测量锅炉飞灰中的碳含量，同时还具有精度高、泛化能力好等优点。解决上述技术问题，本发明采用如下技术方案一种基于改进支持向量机的锅炉飞灰含碳量软测量方法，包括以下步骤阶段一模型建立阶段St印I、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和归一化预处理，将处理过的数据作为训练集数据；Step2、采用粒子群算法对训练集数据进行训练，寻找支持向量机的最优参数；St印3、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锅炉飞灰含碳量软测量模型，同时可以得到模型的支持向量集；St印4、若时间为整点，执行St印5，否则执行St印7 ；St印5、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；
Step6、将Step5所得数据与Step3所得支持向量集组合,作为新的训练集,返回Step2 ；阶段二 飞灰含碳量测量阶段Step7、在线实时获取各辅助变量数据，对各辅助变量进行误差和归一化预处理；St印8、将St印7得到的数据输入步骤St印3得到的锅炉飞灰含碳量软测量模型，对模型输出值进行反归一化处理，得到锅炉飞灰含碳量值并输出。所述的Stepl中的辅助变量包含总燃料量、总风量、烟气含氧量3个参数，给煤率5个参数，磨煤机通风量6个参数，燃烧器摆角，燃尽风挡板开度，二次风门开度(AAlF) 6个参数共24个参数；主导变量为锅炉飞灰含碳量。所述的St印I中的误差处理包括粗大误差和随机误差的处理。 粗大误差的处理遵循拉依达准则，其数学方法表述如下设样本数据为yi，y2，…，yn，平均值为;；,偏差为V; 二J',-叉(i = 1，2，…，η)，按照Bessel公式计算出标准偏差= / --1 I =\\Σχ......('Σχ； η I/( -4)1
I J IL · U=i 7 」/ J .
I如果某一样本数据yk的偏差vk(l彡k彡η)满足| vk | > 3 σ，则认为数据不合理，应予剔除；随机误差的处理采用五点线性平滑法设某一辅助变量样本数据为{ X !, X 2，...，xj , Xi = S^ni,式中Si为真值，Iii为噪声，则经五点线性平滑处理后的数据为
qqqfΛ ^ Σα-xUr = Σ 4+ U = Σ H + Σ Λ,, 二 Si + Ilf
广--qi /r- -q
Qa2 +9^ I --1 Sr7式中{aj是一组权重值，满足④(r= -q,…，0，…，q);其中q
oq + IZiJ -tj 3
=5 ;所述的Stepl中的归一化处理将原始数据标度变换至[-1，I]区间，方法如下设某一辅助变量的采样数据为X= Ix1, X2，…，Xi,…，XnI则标准化后的数据X’为I =2x—-:--I
max( .V) - min( X)
-a所述的Step2具体包括以下步骤S2-1、初始化粒子种群设定迭代次数为200、粒子个数为20，并随机产生一组粒子的初始位置和速度；S2-2、适应度评估采用适应度函数—爲f进行适应度评估，其中，f (xi)、
^ I-1
Ii分别为预测值和实际值；S2-3、若粒子的当前适应度值优于先前的最好位置pbest，则将其替换为当前的最好位置pbest ;若粒子的当前适应度值优于全局所经历的最好位置gbest,则将gbest替换为最好粒子的当前位置；S2-4、根据下式更新粒子的速度和位置Vi = w^Vj+c^rand O * (pBest [i] -Xi) +c2*Rand O * (pBest [g] -Xi)
Xi = Xj+Vj其中C1, C2为常数，称为学习因子；rand()和Rand O是
上的随机数，w是惯性权重，用于控制前一速度对当前速度的影响；Xi为粒子位置，Vi为粒子速度；pBest[i]为个体最优解pbest ；pBest[g]为全局最优解gbest ；S2-5、若达到迭代次数，则停止迭代，输出最优解；否则跳转至S2-2。所述的St印3为支持向量机满足经验风险最小化原则，即使得Rreg最小化
权利要求
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持向量机的锅炉飞灰含碳量软测量方法，其特征在于所述的Stepl中的辅助变量包含总燃料量、总风量、烟气含氧量3个参数，给煤率5个参数，磨煤机通风量6个参数，燃烧器摆角，燃尽风挡板开度，二次风门开度(AAlF) 6个参数共24个参数；主导变量为锅炉飞灰含碳量。
3.根据权利要求2所述的基于改进支持向量机的锅炉飞灰含碳量软测量方法，其特征在于所述的Stepl中的误差处理包括粗大误差和随机误差的处理； 粗大误差的处理遵循拉依达准则，其数学方法表述如下设样本数据为y” I2,…，yn，平均值为f 偏差为V, = j,-凡(i = I, 2,…，η),按照Bessel公式计算出标准偏差
4.根据权利要求3所述的基于改进支持向量机的锅炉飞灰含碳量软测量方法，其特征在于所述的Step2具体包括以下步骤 S2-1、初始化粒子种群设定迭代次数为200、粒子个数为20，并随机产生一组粒子的初始位置和速度； S2-2、适应度评估采用适应度函数进行适应度评估，其中
5.根据权利要求4所述的基于改进支持向量机的锅炉飞灰含碳量软测量方法，其特征在于所述的Step3为 支持向量机满足经验风险最小化原则，即使得Rms最小化
全文摘要
本发明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。
文档编号G01N33/00GK102778538SQ20121023472
公开日2012年11月14日 申请日期2012年7月6日 优先权日2012年7月6日
发明者叶向前, 方彦军, 李昕, 贺瑶 申请人:广东电网公司电力科学研究院, 武汉大学