一種基于粒子群算法的鍋爐燃燒優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于智能工業(yè)領(lǐng)域，尤其是設(shè)及一種基于粒子群算法的鍋爐燃燒優(yōu)化方 法。
【背景技術(shù)】
[0002] 在中國(guó)，國(guó)家四分之S的電力來自于火力發(fā)電，即煤炭燃燒。由于大多數(shù)鍋爐是舊 式鍋爐，導(dǎo)致燃燒效率低而且排放大。隨著國(guó)家對(duì)環(huán)境保護(hù)問題的關(guān)注，節(jié)能減排是當(dāng)下鍋 爐燃燒的主要目標(biāo)，考慮到成本問題，在不更新鍋爐的情況下，利用鍋爐燃燒優(yōu)化的方法節(jié) 能減排被證明是一種有效的方法。但是現(xiàn)有的方法對(duì)提高鍋爐燃燒效率和降低碳氧化合物 排放的效果并不是很理想，還存在優(yōu)化時(shí)間長(zhǎng)、優(yōu)化效果差等問題。為解決運(yùn)一問題，本發(fā) 明提出了 一種基于粒子群算法的鍋爐燃燒優(yōu)化方法，能夠?qū)﹀仩t燃燒快速優(yōu)化，而且具有 更高的準(zhǔn)確性和更強(qiáng)的泛化能力，W達(dá)到提高鍋爐燃燒效率和降低氮氧化合物排放的需 求。同時(shí)本方法采用基于最小二乘支持向量機(jī)的方法建立鍋爐燃燒模型，克服了鍋爐燃燒 模型精確度不足的問題，尤其適用于復(fù)雜的模型建立。
[0003] 對(duì)現(xiàn)有的文獻(xiàn)檢索發(fā)現(xiàn)，鍋爐燃燒優(yōu)化方法都是利用遺傳算法來提高鍋爐燃燒效 率和降低氮氧化合物排放，遺傳算法雖然具有捜索能力強(qiáng)和擴(kuò)展性強(qiáng)的優(yōu)點(diǎn)，但算法復(fù)雜、 優(yōu)化時(shí)間長(zhǎng)而且容易陷入局部最優(yōu)解。Ken在Proceedings of the 3ist International Technical Conference on Coal Utilization & Fuel Systems上面發(fā)表的Nox 血issions Achieved on a 500MW 切clone-Fired Boiler，W500WM的鍋爐為研究對(duì)象，利 用遺傳算法優(yōu)化Nox的排放，不僅優(yōu)化時(shí)間長(zhǎng)，而且優(yōu)化效果不明顯；Dharmarakan W 666麗 的鍋爐為對(duì)象，利用遺傳算法來改善Nox排放，效果只有8%。所W，提出新的粒子群算法來 優(yōu)化鍋爐燃燒。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于粒子群算 法的鍋爐燃燒優(yōu)化方法。
[0005] 本發(fā)明的目的可W通過W下技術(shù)方案來實(shí)現(xiàn)：
[0006] -種基于粒子群算法的鍋爐燃燒優(yōu)化方法，其特征在于，包括W下步驟：
[0007] 1)鍋爐燃燒數(shù)據(jù)預(yù)處理；
[0008] 2)建模參數(shù)確認(rèn)；
[0009] 3)鍋爐燃燒模型建立；
[0010] 4)鍋爐燃燒效率計(jì)算；
[0011] 5)基于粒子群算法對(duì)鍋爐燃燒進(jìn)行優(yōu)化，通過改變?nèi)剂蠀?shù)和配風(fēng)參數(shù)來改變?nèi)?燒效率和排放量，對(duì)鍋爐燃燒進(jìn)行優(yōu)化。
[0012] 所述的鍋爐燃燒數(shù)據(jù)預(yù)處理具體為:在不同的鍋爐燃燒功率下提取間隔時(shí)間超過 SOmin的鍋爐燃燒數(shù)據(jù)，再通過歸一化函數(shù)對(duì)數(shù)據(jù)進(jìn)行歸一化處理。
[0013] 所述的建模參數(shù)確認(rèn)具體為:利用基于最小二乘的支持向量機(jī)方法建立鍋爐燃燒 模型前，應(yīng)先確定核函數(shù)及其寬度Gamma和懲罰因子C，通過改變各參數(shù)變量發(fā)掘參數(shù)影響 因素，先改變其中一個(gè)參數(shù)，順次改變其他參數(shù)，從而得到最優(yōu)效果。
[0014] 所述的鍋爐燃燒模型建立具體為:根據(jù)步驟1)和步驟2)得到的數(shù)據(jù)和建模參數(shù)， 確定燃燒模型結(jié)構(gòu)，可知輸入變量和輸出變量的個(gè)數(shù)，利用最小二乘支持向量機(jī)的方法對(duì) 輸出變量煙氣溫度Tpy、飛灰濃度C化和Nox排放量進(jìn)行測(cè)量，由于優(yōu)化的目標(biāo)是鍋爐的燃燒 效率，利用簡(jiǎn)化公式計(jì)算出鍋爐的燃燒效率并建立預(yù)測(cè)模型
[0015] 所述的鍋爐燃燒效率計(jì)算具體為：由于鍋爐燃燒效率計(jì)算的復(fù)雜性，通過找到燃 燒效率與四個(gè)因素變量之間的關(guān)系，得到鍋爐燃燒的簡(jiǎn)化算法，其中四個(gè)因素變量分別與 過氧量a、煙氣溫度Tpy、主燃煤量D和環(huán)境溫度Ta。
[0016] 所述的鍋爐燃燒優(yōu)化具體為:首先輸入變量對(duì)輸出變量進(jìn)行訓(xùn)練和預(yù)測(cè)，然后通 過粒子群算法進(jìn)行優(yōu)化，得到相應(yīng)的控制參數(shù)，反饋回輸入變量，進(jìn)而得到更好地鍋爐燃燒 效果。
[0017] 與傳統(tǒng)的應(yīng)用遺傳算法進(jìn)行鍋爐燃燒優(yōu)化方法進(jìn)行比較，通過粒子群算法優(yōu)化鍋 爐燃燒，可W獲得更高的鍋爐燃燒效率和更低的Nox排放量，還擁有收斂速度快，泛化能力 強(qiáng)等特點(diǎn)。
【附圖說明】
[001引圖1為本發(fā)明方法流程圖。
[0019 ]圖2為本發(fā)明鍋爐燃燒模型。
[0020]圖3為本發(fā)明效率簡(jiǎn)化運(yùn)算流程圖。
[0021 ]圖4為本發(fā)明燃燒優(yōu)化流程圖。
【具體實(shí)施方式】
[0022] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例是本發(fā)明的一部分實(shí)施例，而不是全部實(shí)施例?；诒景l(fā) 明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí) 施例，都應(yīng)屬于本發(fā)明保護(hù)的范圍。
[0023] 本發(fā)明方法流程圖如圖1所示。本例選用最大功率600MW的六角雙層鍋爐。具體實(shí) 施步驟如下：
[0024] (1)處理鍋爐燃燒數(shù)據(jù)：
[0025] 為滿足實(shí)驗(yàn)數(shù)據(jù)的一般性和隨機(jī)性，讓鍋爐在200MW到600MW的區(qū)間內(nèi)工作，每 SOmin選取一組數(shù)據(jù)，共收集100組數(shù)據(jù)，其中，90組為模型的訓(xùn)練數(shù)據(jù)，10組為模型的預(yù)測(cè) 數(shù)據(jù)。收集數(shù)據(jù)完成后，對(duì)其進(jìn)行歸一化操作，歸一化函數(shù)為mapstd函數(shù)，將數(shù)據(jù)歸一化到 [0，1 ]之間，相比較與mapm i nmaX函數(shù)，maP S t d函數(shù)歸一化后的數(shù)據(jù)更加規(guī)整。矛Ij用的公式 為：
[0026] pn= (x-min)/ (max-min)
[0027] (2)確定建模參數(shù)：
[0028] 在用最小二乘支持向量機(jī)方法對(duì)鍋爐燃燒模型建模之前，應(yīng)先確定建模所需的參 數(shù)，即核函數(shù)及其寬度Gamma和懲戒因子c，核函數(shù)的選擇尤其重要，在本方法中，采用的核 函數(shù)為基于小波理論的尺度核函數(shù)，其形式為：
[0030] 其中d為預(yù)先設(shè)置的參數(shù)，所W本實(shí)驗(yàn)只需要確定a的大小和懲戒因子C，先改變C 的大小，達(dá)到最佳效果后改變a的大小，達(dá)到最佳預(yù)測(cè)結(jié)果。
[0031] (3)鍋爐燃燒建模：
[0032] 首先確定鍋爐燃燒模型結(jié)構(gòu)，如圖2所示，其中Load為鍋爐的功率，Q為鍋爐的總煤 量，(6(02)為鍋爐頂部的過氧含量，F(xiàn)1-F6為一層給風(fēng)量，G1-G6為給煤量，S1-S6為二層給風(fēng) 量，共21個(gè)輸入變量。根據(jù)21個(gè)輸入變量，用最小二乘支持向量機(jī)化S-SVM)的方法建立預(yù)測(cè) 模型，其中最小二乘法的理論依據(jù)如下：
[0033] 1)定義集合挺.，.馬拾，.? e及'"，其中i為集合系數(shù)，并規(guī)定yie{-l,l}，根據(jù)化pn化的 原始分離模型，并引入隨機(jī)變量C，得到：
[0034] [>'朽'如0 + /，阿-知= k..，W， 1 = 1,..., N
[0035] 2)為了將優(yōu)化問題的不等式形式轉(zhuǎn)換成等式形式，引入核函數(shù)，化簡(jiǎn)得到： 「0 巧 T&1「〇1
[0036] W , = 山o+r%la」時(shí)
[0037] 根據(jù)上述原理，得到=個(gè)預(yù)測(cè)模型，根據(jù)真實(shí)數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)的對(duì)比可W發(fā)現(xiàn)，最 小二乘支持向量機(jī)方法對(duì)于模型的預(yù)測(cè)有較高的準(zhǔn)確性。
[0038] (4)鍋爐燃燒效率計(jì)算：
[0039] 由于優(yōu)化的目標(biāo)是鍋爐燃燒效率，在(3)的基礎(chǔ)上，通過簡(jiǎn)化公式和鍋爐燃燒模型 結(jié)構(gòu)計(jì)算得到鍋爐燃燒效率預(yù)測(cè)模型，通過數(shù)據(jù)處理和實(shí)驗(yàn)，得到鍋爐燃燒效率公式如下：
[0041] 可W簡(jiǎn)化成與四個(gè)數(shù)據(jù)過氧量a、煙氣溫度Tpy、主燃煤量D和環(huán)境溫度Ta有關(guān)的公 式，效率簡(jiǎn)化運(yùn)算流程如圖3。
[0042] (5)鍋爐燃燒優(yōu)化：
[0043] 確定鍋爐燃燒優(yōu)化過程，即通過改變?nèi)剂蠀?shù)和配風(fēng)參數(shù)來改變?nèi)紵屎团欧?量，實(shí)現(xiàn)的過程如下：
[0044] 輸入變量對(duì)輸出變量進(jìn)行訓(xùn)練和預(yù)測(cè)，然后通過粒子群算法進(jìn)行優(yōu)化，得到相應(yīng) 的控制參數(shù)，反饋回輸入變量，進(jìn)而得到更好地鍋爐燃燒效果，燃燒優(yōu)化流程如圖4所示。
[0045] (6)實(shí)驗(yàn)數(shù)據(jù)效果對(duì)比：
[0046] 本方法為基于粒子群算法的鍋爐燃燒優(yōu)化方法。與傳統(tǒng)的應(yīng)用遺傳算法進(jìn)行鍋爐 燃燒優(yōu)化方法進(jìn)行比較，可W更有效的看出優(yōu)化效果，表1為鍋爐燃燒效率優(yōu)化對(duì)比數(shù)據(jù)和 Nox排放優(yōu)化對(duì)比數(shù)據(jù)，通過實(shí)驗(yàn)數(shù)據(jù)可W看出，通過粒子群算法優(yōu)化鍋爐燃燒，可W獲得 更高的鍋爐燃燒效率和更低的Nox排放量，還擁有收斂速度快，泛化能力強(qiáng)的特點(diǎn)。
[0047]表 1
[0049] W上所述，僅為本發(fā)明的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任何 熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明掲露的技術(shù)范圍內(nèi)，可輕易想到各種等效的修改或替 換，運(yùn)些修改或替換都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)W權(quán)利 要求的保護(hù)范圍為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種基于粒子群算法的鍋爐燃燒優(yōu)化方法，其特征在于，包括以下步驟： 1) 鍋爐燃燒數(shù)據(jù)預(yù)處理； 2) 建模參數(shù)確認(rèn)； 3) 鍋爐燃燒模型建立； 4) 鍋爐燃燒效率計(jì)算； 5) 基于粒子群算法對(duì)鍋爐燃燒進(jìn)行優(yōu)化，通過改變?nèi)剂蠀?shù)和配風(fēng)參數(shù)來改變?nèi)紵?率和排放量，對(duì)鍋爐燃燒進(jìn)行優(yōu)化。2. 根據(jù)權(quán)利要求1所述的鍋爐燃燒優(yōu)化方法，其特征在于，所述的鍋爐燃燒數(shù)據(jù)預(yù)處理 具體為:在不同的鍋爐燃燒功率下提取間隔時(shí)間超過30min的鍋爐燃燒數(shù)據(jù)，再通過歸一化 函數(shù)對(duì)數(shù)據(jù)進(jìn)行歸一化處理。3. 根據(jù)權(quán)利要求1所述的鍋爐燃燒優(yōu)化方法，其特征在于，所述的建模參數(shù)確認(rèn)具體 為:利用基于最小二乘的支持向量機(jī)方法建立鍋爐燃燒模型前，應(yīng)先確定核函數(shù)及其寬度 Ga_a和懲罰因子c，通過改變各參數(shù)變量發(fā)掘參數(shù)影響因素，先改變其中一個(gè)參數(shù)，順次改 變其他參數(shù)，從而得到最優(yōu)效果。4. 根據(jù)權(quán)利要求1所述的鍋爐燃燒優(yōu)化方法，其特征在于，所述的鍋爐燃燒模型建立具 體為:根據(jù)步驟1)和步驟2)得到的數(shù)據(jù)和建模參數(shù)，確定燃燒模型結(jié)構(gòu)，可知輸入變量和輸 出變量的個(gè)數(shù)，利用最小二乘支持向量機(jī)的方法對(duì)輸出變量煙氣溫度T Py、飛灰濃度Cfh和 Nox排放量進(jìn)行測(cè)量，由于優(yōu)化的目標(biāo)是鍋爐的燃燒效率，利用簡(jiǎn)化公式計(jì)算出鍋爐的燃燒 效率并建立預(yù)測(cè)模型。5. 根據(jù)權(quán)利要求1所述的鍋爐燃燒優(yōu)化方法，其特征在于，所述的鍋爐燃燒效率計(jì)算具 體為：由于鍋爐燃燒效率計(jì)算的復(fù)雜性，通過找到燃燒效率與四個(gè)因素變量之間的關(guān)系，得 到鍋爐燃燒的簡(jiǎn)化算法，其中四個(gè)因素變量分別與過氧量α、煙氣溫度T Py、主燃煤量D和環(huán)境 溫度Ta。6. 根據(jù)權(quán)利要求1所述的鍋爐燃燒優(yōu)化方法，其特征在于，所述的鍋爐燃燒優(yōu)化具體 為:首先輸入變量對(duì)輸出變量進(jìn)行訓(xùn)練和預(yù)測(cè)，然后通過粒子群算法進(jìn)行優(yōu)化，得到相應(yīng)的 控制參數(shù)，反饋回輸入變量，進(jìn)而得到更好地鍋爐燃燒效果。
【專利摘要】本發(fā)明涉及一種基于粒子群算法的鍋爐燃燒優(yōu)化方法，包括以下步驟：1)鍋爐燃燒數(shù)據(jù)預(yù)處理；2)建模參數(shù)確認(rèn)；3)鍋爐燃燒模型建立；4)鍋爐燃燒效率計(jì)算；5)基于粒子群算法對(duì)鍋爐燃燒進(jìn)行優(yōu)化，通過改變?nèi)剂蠀?shù)和配風(fēng)參數(shù)來改變?nèi)紵屎团欧帕?，?duì)鍋爐燃燒進(jìn)行優(yōu)化。與現(xiàn)有技術(shù)相比，本發(fā)明具有收斂速度快，泛化能力強(qiáng)等優(yōu)點(diǎn)。
【IPC分類】F23N5/00
【公開號(hào)】CN105605610
【申請(qǐng)?zhí)枴緾N201610019004
【發(fā)明人】張衛(wèi)東, 張義卓, 陳建良, 孫博, 傅桂元
【申請(qǐng)人】上海交通大學(xué)
【公開日】2016年5月25日
【申請(qǐng)日】2016年1月13日