一種循環流化床鍋爐動態床溫預測系統及方法
【技術領域】
[0001] 本發明涉及到能源工程循環流化床鍋爐機組領域，特別地，涉及一種循環流化床 鍋爐動態床溫預測系統及方法。
【背景技術】
[0002] 循環流化床鍋爐具有爐內直接脫硫和可燃用劣質煤種等獨特優勢，是國內外發展 潔凈煤燃燒技術的重點，近年來在電力、供熱等行業中得到越來越廣泛的應用。循環流化床 鍋爐床溫是一個直接影響鍋爐能否安全連續運行的重要參數，同時也直接影響著鍋爐運行 中的脫硫效率及氮氧化物的生成量，燃燒過程中幾乎所有控制和調節都是在穩定床溫區域 條件下進行的。為響應電網側調頻等要求，鍋爐的負荷變動越來越頻繁，動態床溫信息尤為 重要，建立循環流化床鍋爐動態床溫的預測模型，對機組的安全、環保運行和控制系統優化 具有重要意義。
【發明內容】
[0003] 本發明的目的在于針對目前對動態床溫預測精度較低的不足，提供一種循環流 化床鍋爐動態床溫預測系統及方法，通過建立循環流化床鍋爐動態床溫的預測模型，充分 考慮在不同負荷段下循環流化床鍋爐機組的延遲、慣性和蓄熱差異，提高精度，對機組的安 全、環保運行和控制系統優化具有重要意義。
[0004] 為了實現以上目的，本發明采用的技術方案如下：
[0005] -種循環流化床鍋爐動態床溫預測系統，通過建立循環流化床鍋爐動態床溫的預 測模型，充分考慮在不同負荷段下循環流化床鍋爐機組的延遲、慣性和蓄熱差異，提高精 度，對鍋爐機組的安全、環保運行和控制系統進行優化，其特征在于，所述系統包括：
[0006] 最小二乘支持向量機建模模塊；
[0007] 數據選取與預處理模塊；
[0008] 動態階尋優模塊；
[0009] 動態床溫預測模塊及DCS系統與數據庫；
[0010] 所述DCS系統與數據庫與所述數據選取與所述預處理模塊、動態床溫預測模塊連 接，所述數據選取與預處理模塊與所述最小二乘支持向量機建模模塊，所述最小二乘支持 向量機建模模塊與所述動態床溫預測模塊雙向連接。
[0011] 優先地，所述最小二乘支持向量機建模模塊用于建立最小支持向量機算法床溫模 型；
[0012] 所述DCS系統與數據庫將機組運行的歷史數據傳輸給所述數據選取與預處理模 塊；所述DCS系統與數據庫將機組實時運行數據傳輸給所述動態床溫預測模塊；
[0013] 所述數據選取與預處理模塊對歷史數據處理，選取出的訓練數據；
[0014] 所述動態階尋優模塊對選取出的訓練數據進行處理，確定最佳動態階組；
[0015] 所述床溫動態預測模塊，根據所述最小二乘支持向量機建模模塊建立的最小支持 向量機算法床溫模型及機組實時運行數據預測動態床溫值。
[0016] -種循環流化鍋爐動態床溫預測方法，利用上述步驟1-2之一所述的一種循環流 化床鍋爐動態床溫預測系統，包括以下步驟：
[0017] 步驟1)利用所述最小二乘支持向量機建模模塊構建最小二乘支持向量機模型；
[0018] 步驟2)利用所述數據選取與預處理模塊，選取最小二乘支持向量機建模模塊中 最小二乘支持向量機算法訓練數據；
[0019] 步驟3)所述動態階尋優模塊根據步驟1)建立的最小二乘支持向量機模型，對所 述步驟2)確定的訓練數據中的動態階最優值進行選取；
[0020] 步驟4)所述動態床溫預測模塊根據步驟3)選取的最優動態階最優值與鍋爐實時 運行的輸入數據，預測出動態床溫值。
[0021] 優先地，所述步驟1)最小二乘支持向量機模型為：
[0022] y(k) =f[y(k- 1) ,......,y(k-p) ；Xi(k) ,......,x! (k-m)； x2 (k),......,x2 (k-n) ] (1)
[0023] 構建所述最小二乘支持向量機模型中，采用高斯徑向基函數核，即
[0024] K(X，xj=exp(_ | |x_Xi| |2/ 〇 2)
[0025] 其中所述x(k)是模型的輸入量，所述xdk)，…，xjk-m)與所述x2(k)，…， x2(k-n)分別為循環流化床鍋爐中對應采樣時刻決定床溫的給煤量、一次風量；所述y(k) 為當前床溫輸出；所述y(k-1)，...，y(k-p)表示歷史床溫輸出，所述p、m、n分別代表歷史 床溫動態階次、一次風量動態階次和給煤量動態階次，所述〇為一個位置參數。
[0026] 優先地，構建所述最小二乘支持向量機模型，采用最小二乘支持向量算法，所述最 小二乘支持向量機算法和所述高斯徑向基函數核包含兩個未知參數c與〇，利用網格搜索 法和交叉驗證進行：
[0027] 步驟1. 1)設定c與〇的候選集為比較松散的網格{(cl，〇 1)，…，（cl，〇 1)}，以 網格中的節點進行交叉驗證，得到最小誤差所對應的網格節點；
[0028] 步驟1. 2)根據上述步驟1. 2)得到的網格節點構造新的網格，以網格中的節點為 參數進行檢驗，得到最優的〇與〇的值；
[0029] c的初始值取50,范圍為0~150, 〇的初始值取0. 5,范圍為0~4。
[0030] 優先地，所述步驟2)包括以下步驟：
[0031] 步驟2. 1)確定采樣時間ts，單位：秒，從所述DCS系統與數據庫獲取歷史數據，包 括時間點、機組負荷、給煤量、一次風量、床溫值；
[0032] 步驟2. 2)根據步驟2. 1)獲取的歷史數據，分負荷段建立所述最小二乘支持向量 機模型，分區范圍在30~100麗之間；
[0033] 步驟2. 3)根據上述步驟2. 2)分化區間，挑選不同負荷段下一定量的歷史運行數 據作為訓練數據。
[0034] 優先地，所述動態階尋優模塊利用均方根誤差對所述步驟2. 3)選取的訓練數據 中的動態階最優值進行選取，所述均方根誤差用來衡量觀測值同真值之間的偏差，它是觀 測值與真值偏差的平方和觀測次數n比值的平方根，即 剛廳=拾-
[0036] 優先地，為保證模型預測實時性，尋優部分離線進行，每個負荷段下均采用十進制 編碼的遺傳算法進行優化，如果尋優結果所述均方根誤差小于1，將尋優結果對應的P、m、n 值作為對應負荷段的動態階最優值，更新所述最小二乘支持向量機模型中對應負荷段的床 溫模型，否則從所述數據選取與預處理模塊中選取更多的訓練數據，繼續優化。
[0037] 優先地，所述p的范圍為0~300/ts，所述m的范圍為0~360/ts，所述n的范圍 為0~600/ts，間隔為1。
【附圖說明】
[0038] 圖1為本發明涉及一種循環流化床鍋爐動態床溫預測系統的結構圖。
【具體實施方式】
[0039] 為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對 本發明進行進一步詳細描述。應當理解，此處所描述的具體實施例僅用于解釋本發明，并不 用于限定本發明。
[0040] 相反，本發明涵蓋任何由權利要求定義的在本發明的精髓和范圍上做的替代、修 改、等效方法以及方案。進一步，為了使公眾對本發明有更好的了解，在下文對本發明的細 節描述中，詳盡描述了一些特定的細節部分。對本領域技術人員來說沒有這些細節部分的 描述也可以完全理解本發明。
[0041] 本發明涉及一種循環流化床鍋爐動態床溫預測系統及方法，所述一種循環流化床 鍋爐動態床溫預測系統，包括最小二乘支持向量機建模模塊、數據選取與預處理模塊、動態 階尋優模塊、動態床溫預測模塊、DCS系統與數據庫