一种煤质挥发分、固定碳在线检测方法及系统的制作方法
【专利摘要】本发明公开了一种固定碳及挥发分在线检测方法，具体为：在线检测待测煤的元素C、H、O、N、S的质量含量，将检测出的元素质量含量作为预先构建好的固定碳及挥发分预测模型的输入，输出得到待测煤的固定碳、挥发分质量含量；所述固定碳及挥发分预测模型预先按照如下方式训练得到：收集样本煤质数据，选择支持向量机作为构建模型方法，选择遗传算法作为寻优算法，以样本煤质的元素C、H、O、N、S的质量含量作为预测模型的输入，以样本煤质的固定碳、挥发分的质量含量作为预测模型的输出，训练得到固定碳及挥发分预测模型。本发明实现对煤的固定碳及挥发分在线检测，操作简单，有利于锅炉的在线调整优化。
【专利说明】
一种煤质挥发分、固定碳在线检测方法及系统
技术领域
[0001] 本发明属于煤质工业分析测量技术领域，具体涉及一种煤质固定碳、挥发分在线 检测方法及系统。
【背景技术】
[0002] 在线监测煤质变化以实时调整锅炉运行燃烧，减少锅炉运行问题对于当下火电厂 而言成为必不可少的环节。而火电厂传统的煤质检测方法采用离线取样分析，由专业技术 人员拿到实验室进行化验检测。传统检测方法耗时长，分析滞后，难以有效地实时指导锅炉 优化运行。因此，煤质在线检测技术变得十分必要，在线分析实时性强，时刻掌握煤质变化 情况，对于锅炉的优化运行带来有力帮助。
[0003] 锅炉燃烧优化主要关注煤的工业分析数据，包括煤的水分、灰分、挥发分、固定碳、 发热量，然而现在诸多在线分析技术，只能对煤的元素分析、水分、灰分进行在线检测，目前 还没有对煤的挥发分、固定碳进行直接检测的在线检测方法装置，因此提出一种在线检测 固定碳、挥发分在线检测方法极有意义，而在此基础上建立煤质在线分析技术的锅炉复杂 煤种条件下的燃烧优化控制系统，对于锅炉的燃烧加以实时优化控制、使锅炉能在一个最 佳的状态下运行特别有价值和意义。
【发明内容】
[0004] 针对现有技术存在的不足或进一步需求，本发明公开了一种固定碳及挥发分在线 检测方法及系统，其目的在于，实现对煤的固定碳及挥发分在线检测，有利于锅炉的在线调 整优化。
[0005] 为实现本发明技术目的，本发明采用如下技术方案：
[0006] -种固定碳及挥发分在线检测方法，具体为:在线检测待测煤的元素C、H、0、N、S的 质量含量，将检测出的元素质量含量作为固定碳及挥发分预测模型的输入，输出得到待测 煤的固定碳、挥发分质量含量；
[0007] 所述固定碳及挥发分预测模型预先按照如下方式训练得到：收集样本煤质数据， 选择支持向量机作为构建模型方法，选择遗传算法作为寻优算法，以样本煤质的元素C、H、 〇、N、S的质量含量作为预测模型的输入，以样本煤质的固定碳、挥发分的质量含量作为预测 模型的输出，训练得到固定碳及挥发分预测模型。
[0008] 总体而言，本发明具有以下技术效果：
[0009] 本发明通过构建固定碳、挥发分预测模型，利用这个模型在煤进入炉膛之前在线 得到它的固定碳、挥发分数据，最大的特点是在于它的实时性，通过元素分析在线检测装置 检测出煤的(：、!1、0、15元素含量，通过这个模型立刻就能预测出挥发分、固定碳数据，对于 锅炉运行的实时调整带来极大帮助。
【附图说明】
[0010] 图1是构建固定碳、挥发分预测模型流程示意图；
[0011] 图2是固定碳预测训练集拟合示意图；
[0012] 图3是固定碳预测测试集拟合示意图；
[0013] 图4是挥发分预测训练集拟合示意图；
[0014] 图5是挥发分预测测试集拟合示意图；
[0015] 图6是挥发分预测相对误差分布范围示意图；
[0016] 图7是固定碳预测相对误差分布范围示意图；
[0017] 图8是煤的工业分析在线检测流程示意图。
【具体实施方式】
[0018] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并 不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要 彼此之间未构成冲突就可以相互组合。
[0019] 一、构建预测固定碳及挥发分模型
[0020] 收集煤质样本数据，将收集的数据进行归一化处理。选择支持向量机作为构建模 型方法，选择遗传算法作为寻优算法，以煤质的(：、!1、0、15的质量含量作为预测模型的输 入，以固定碳、挥发分的质量含量作为预测模型的输出，训练得到固定碳及挥发分预测模 型。
[0021] 图1给出本发明构建预测模型实例的流程图，该实例中采用支持向量机方法，以C、 H、0、N、S作为输入，以固定碳、挥发分作为输出。训练时随机选取70%的数据作为训练集，余 下30%的数据作为测试集。选用径向基函数作为核函数，应用遗传算法进行寻优，找到最优 的模型参数以确定模型。
[0022] 下面对实例进行模型误差分析。图2所示的是固定碳训练集预测值与实验值的拟 合图；图3所示的是固定碳测试集预测值与实际值的拟合图。图4所示的是挥发分训练集预 测值与实验值的拟合图；图5所示的是固定碳测试集预测值与实际值的拟合图，纵坐标表示 预测值，横坐标表示实验值，通过观察发现，拟合图中绝大部分点都集中在零误差线上，这 说明了构建的模型误差小，精确度较高。
[0023] 为了更加详尽地对误差进行分析，我们把预测值与实验值进行比较，把相对误差 的分布范围以图表的形式呈现出来，图6、图7分别表示挥发分预测、固定碳预测相对误差分 布柱状图，表1、表2以表格的形式更加直观地将挥发分预测、固定碳预测的相对误差分布呈 现出来。
[0025]表1挥发分预测
[0027] 表2固定碳预测
[0028] 由表1可以看出，在挥发分预测中，相对误差小于5%的，训练集所占比例为 70.07%，测试集为66.22% ;相对误差在5%与10%之间的，训练集所占比例为22.27 %，测 试集为24.77%;误差大于10%的，训练集为7.66%，测试集为9.03%。由误差结果分析可 知，挥发分预测模型准确度较高，相对误差较小，大部分误差集中在5%以下，由此说明，构 建的挥发分预测模型精确度是较高的
[0029] 由表2可以看出，在固定碳预测中，相对误差小于5%的，训练集所占比例为 85.71 %，测试集为80.87 % ;相对误差在5 %与10 %之间的，训练集所占比例为12.09 %，测 试集为15.48% ;误差大于10%的，训练集为2.2%，测试集为3.65%。相对误差主要集中在 10%以下，所占比例训练集与测试集均在95%以上。由误差分析可知，固定碳预测模型准确 度较高，相比于挥发分模效果还更好。
[0030] 二、引入预测模型应用于固定碳及挥发分在线检测
[0031] 图8给出固定碳及挥发分在线检测流程，利用已有装置在线检测煤的元素 C、H、0、 N、S，将(：、!1、0、15作为元素分析数据采集，引入构建好的预测模型，将元素分析数据作为预 测模型的输入，预测出固定碳、挥发分含量。
[0032] 在获取固定碳、挥发分含量后，还可利用现有装置检测出煤质水分、灰分，得到完 整的工业分析数据，根据该工业分析数据优化调整锅炉燃烧。
[0033]本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以 限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含 在本发明的保护范围之内。
【主权项】
1. 一种固定碳及挥发分在线检测方法，其特征在于，具体为:在线检测待测煤的元素 c、 H、0、N、S的质量含量，将检测出的元素质量含量作为固定碳及挥发分预测模型的输入，输出 得到待测煤的固定碳、挥发分质量含量； 所述固定碳及挥发分预测模型预先按照如下方式训练得到：收集样本煤质数据，选择 支持向量机作为构建模型方法，选择遗传算法作为寻优算法，以样本煤质的元素 C、H、0、N、S 的质量含量作为预测模型的输入，以样本煤质的固定碳、挥发分的质量含量作为预测模型 的输出，训练得到固定碳及挥发分预测模型。2. 根据权利要求1所述的一种固定碳及挥发分在线检测方法，其特征在于，所述构建预 测模型采用支持向量机方法。3. 根据权利要求1或2所述的一种固定碳及挥发分在线检测方法，其特征在于，所述训 练过程中采用的寻优算法为遗传算法。
【文档编号】G06K9/62GK106018731SQ201610310539
【公开日】2016年10月12日
【申请日】2016年5月12日
【发明人】张 成, 黎盛鸣, 谭鹏, 夏季, 张小培, 李鑫, 方庆艳, 陈刚
【申请人】华中科技大学