专利名称：一种多孔介质燃烧器燃烧优化的建模方法
技术领域：
本发明属于信息控制技术领域，涉及到模式识别及回归技术，特别是涉及一种多孔介质燃烧器燃烧优化的建模方法。
背景技术：
多孔介质燃烧器燃烧优化的方法是节能减排的重要技术手段，其目标是在一定的负荷条件下，通过调整多孔介质燃烧器配风、给燃气等运行参数而获得高效率、低污染排放的运行状态。多孔介质燃烧器的配风、给燃气等运行参数的搭配对多孔介质燃烧器燃烧状态有直接的影响，不同的配风、给燃气及氧量等操作参数的配置会直接导致不同的燃烧效率及污染气体的排放量的情况。对于给定的多孔介质燃烧器，在一定的负荷条件下，针对不同的燃烧状态特征指标，存在一种最优的操作参数配置方案，能够使相应燃烧状态的特征指标最优化，但是，多孔介质燃烧器的操作参数间有着复杂的耦合关系，要找到最优的操作参数的配置并不容易。多孔介质燃烧器燃烧特性建模是多孔介质燃烧器燃烧优化中的关键问题，目前还没有很好的得到解决。实际中多孔介质燃烧器的燃烧优化主要是靠工作人员进行摸索调试，此种方法费时、费力而且效果有限，往往只是维持多孔介质燃烧器的燃烧，因此实际运行中的参数配置还存在较大的提升空间。通过数据挖掘，在大量不同的运行参数组合中，应用机器学习的方法，挖掘出运行参数与多孔介质燃烧器燃烧状态的特征指标间的关系模型，再结合优化算法进行多孔介质燃烧器的燃烧优化是非常有潜力的方法。如何使该方法真正达到多孔介质燃烧器燃烧生产实际的要求，是困扰工程技术人员的难题，主要难题是，如何提高模型的预测和泛化能力， 使之达到兼顾各项指标的更精确的燃烧优化的效果。
发明内容
本发明的目标是针对多孔介质燃烧器燃烧优化中的瓶颈问题，提出一种兼顾模型预测精度与泛化能力的建模方法。本发明具体是首先采集多孔介质燃烧器的燃烧情况数据，进行建模数据的选择和适当的预处理，以保证模型的预测能力和泛化能力，最终应用相应的建模算法和优化算法建立多孔介质燃烧器的燃烧特性模型。该方法通过数据选择和预处理保证了模型的预测精度和泛化能力。本发明的技术方案是通过多孔介质燃烧器燃烧数据采集、建模，数据样本的选择和预处理、建立多孔介质燃烧器的燃烧特性模型，确立的一种多孔介质燃烧器燃烧优化的建模方法，利用该方法可建立的较为精确和泛化能力较强的多孔介质燃烧器燃烧优化特性模型。本发明方法的步骤包括步骤(1)采集多孔介质燃烧器运行参数及相关的表征多孔介质燃烧器燃烧状态的特征指标，建立实时数据库；具体的多孔介质燃烧器运行参数通过多孔介质燃烧器实时运行数据库获取，或直接通过仪器设备测量采集。所述的多孔介质燃烧器运行参数数据包括一次风速、二次风速、氧量、燃气速度及燃气工业分析指标；所述的表征多孔介质燃烧器燃烧状态的特征指标的数据包括尾部烟气的NO浓度和多孔介质燃烧器燃烧效率，其获得的方法为成熟技术。步骤( 对数据库中的数据进行选择和预处理，并分别用支持向量机和神经网络针对不同的燃料，建立多孔介质燃烧器运行操作参数与燃烧状态的特征指标间的燃烧模型，具体方法是由于多孔介质燃烧器是针对气体燃料的燃烧器，所以其燃料变化有限(一般多孔介质燃烧器燃料为2-3种气体燃料)，因此针对不同燃料的燃烧情况，在数据库中进行数据选择，选择出建模用的样本数据，选择时遵循以下原则①分布均勻，即在模型的输入量的拓扑结构空间上分布是均勻的，所选数据的输入量不是密集的集中在一个点或几个点上， 能够均勻的占有一个空间；②数量均等，即在拓扑结构中位于不同点的数据的样本量应该相等或相近，不会使某个点的数据量很多，而其他点的数据量很少；对选择出的数据进行建模前的预处理，通过单位的变换或乘系数的方法，使各输入量及相应输出量的数据处于相同或相近的数量级，再对输入量进行归一化处理；应用预处理好的数据，首先采用支持向量机算法针对一种燃料建模，支持向量机算法所建模型泛化能力较强，然后再应用神经网络建模，神经网络所建模型经验风险较小， 最后将支持向量机模型和神经网络模型进行组合形成最终的燃烧优化模型；用于建模的输
入参数及表征多孔介质燃烧器燃烧状态的特征指标的输出参数表示为 ，力丨，其中Xi表
示第i组作为输入数据的各燃烧器的运行参数，Ii表示第i组作为输出参数的表征反应多孔介质燃烧器的燃烧状态的特征指标的参数，N为样本数量，以实际运行数据为基础建立各燃烧器运行参数与燃烧状态的特征指标间的模型；首先采用支持向量机算法建模，核函数选为径向基函数
权利要求
1. 一种多孔介质燃烧器燃烧优化的建模方法，其特征在于该方法的步骤包括 (1)采集多孔介质燃烧器运行参数及相关的表征多孔介质燃烧器燃烧状态的特征指标，建立实时数据库；具体的多孔介质燃烧器运行参数通过多孔介质燃烧器实时运行数据库获取，或直接通过仪器设备测量采集；所述的多孔介质燃烧器运行参数数据包括一次风速、二次风速、氧量、燃气速度及燃气工业分析指标；所述的表征多孔介质燃烧器燃烧状态的特征指标的数据包括尾部烟气的 NO浓度和多孔介质燃烧器燃烧效率，其获得的方法为成熟技术；步骤( 对数据库中的数据进行选择和预处理，并分别用支持向量机和神经网络针对不同的燃料，建立多孔介质燃烧器运行操作参数与燃烧状态的特征指标间的燃烧模型，具体方法是由于多孔介质燃烧器是针对气体燃料的燃烧器，所以其燃料变化有限，其中多孔介质燃烧器燃料为2-3种气体燃料，因此针对不同燃料的燃烧情况，在数据库中进行数据选择， 选择出建模用的样本数据，选择时遵循以下原则①分布均勻，即在模型的输入量的拓扑结构空间上分布是均勻的，所选数据的输入量不是密集的集中在一个点或几个点上，能够均勻的占有一个空间；②数量均等，即在拓扑结构中位于不同点的数据的样本量应该相等或相近，不会使某个点的数据量很多，而其他点的数据量很少；对选择出的数据进行建模前的预处理，通过单位的变换或乘系数的方法，使各输入量及相应输出量的数据处于相同或相近的数量级，再对输入量进行归一化处理；应用预处理好的数据，首先采用支持向量机算法针对一种燃料建模，支持向量机算法所建模型泛化能力较强，然后再应用神经网络建模，神经网络所建模型经验风险较小，最后将支持向量机模型和神经网络模型进行组合形成最终的燃烧优化模型；用于建模的输入参数及表征多孔介质燃烧器燃烧状态的特征指标的输出参数表示为
全文摘要
本发明涉及一种多孔介质燃烧器燃烧优化的建模方法。本发明针对多孔介质燃烧器燃烧优化中的瓶颈问题，提出一种兼顾模型预测精度与泛化能力的建模方法。在建模前对建模数据进行了拓扑结构上分布均匀和数量均等的选择，并进行适当的预处理，以保证模型的预测能力和泛化能力，并针对不同燃料，分别应用支持向量机和径向机神经网络建立多孔介质燃烧器的燃烧特性模型，最终应用加权平均的方法将支持向量机和径向机神经网络模型集成，成为一个多孔介质燃烧器燃烧优化特性模型，其权重系数通过粒子群优化算法寻优获得，最终将不同燃料的燃烧优化模型组合构成一个整体模型。利用该方法可建立的较为精确和泛化能力较强的多孔介质燃烧器燃烧优化特性模型。
文档编号G06N3/02GK102184450SQ20111011554
公开日2011年9月14日 申请日期2011年5月5日 优先权日2011年5月5日
发明者俞天明, 吴鹏锋, 张日东, 王春林, 郑松 申请人:衢州远景资源再生科技有限公司