一种基于人工神经网络的锅炉效率在线计算方法及系统与流程

文档序号:19740894发布日期:2020-01-18 05:12阅读:238来源:国知局
一种基于人工神经网络的锅炉效率在线计算方法及系统与流程

本发明涉及锅炉能源动力技术领域,尤其涉及一种基于人工神经网络的锅炉效率在线计算方法及系统。



背景技术:

锅炉在工业发展中有着不可替代的作用。锅炉在运行中需要进行不断地调整和优化,以到达节能减排和可持续发展的要求。对锅炉运行的调整就需要对锅炉燃烧进行调整,锅炉效率是评价调整后锅炉性能的一个重要指标。传统的计算方法为美国asme标准或者我国的gb计算方法,大多采用反平衡法。反平衡法计算锅炉效率所需数据较多,计算过程比较复杂,在日常的工作中使用起来不太方便。



技术实现要素:

本发明所要解决的技术问题是针对上述现有技术的不足,提供一种基于人工神经网络的锅炉效率在线计算方法及系统。

本发明解决上述技术问题的技术方案如下:一种基于人工神经网络的锅炉效率在线计算方法,包括如下步骤:

采集锅炉全负荷正常运行工况下的历史数据信息,并对所述历史数据信息进行归一化处理;

将归一化后的所述历史数据信息作为人工神经网络的输入变量,归一化后的锅炉效率作为人工神经网络的输出变量,构建基于人工神经网络的锅炉效率计算模型;

将所述历史数据信息作为训练样本,并调用神经网络模块对所述锅炉效率计算模型进行训练;

将锅炉全负荷正常运行工况的实时数据信息输入训练后的所述锅炉效率计算模型,训练后的所述锅炉效率计算模型根据所述实时数据信息计算锅炉的效率并输出。

本发明的有益效果是:本发明的基于人工神经网络的锅炉效率在线计算方法,以热平衡法为基础,深入分析影响锅炉效率的主要因素,通过人工神经网络这种机器学习算法,建立基于人工神经网络的锅炉效率计算模型,通过对模型的训练得到基于人工神经网络的计算模型,便于在线计算中实时调用,从而在线计算锅炉效率以及热力系统的经济性,计算过程简单,使用方便。

在上述技术方案的基础上,本发明还可以做如下改进:

进一步:所述历史数据信息至少包括锅炉负荷、总给煤量、总风量、汽包压力、炉膛负压、二次热风温度、炉膛出口氧量、排烟温度、飞灰含碳量和炉渣含碳量中的一个或多个,所述历史数据信息还包括锅炉效率;所述实时数据信息对应至少包括锅炉负荷、总给煤量、总风量、汽包压力、炉膛负压、二次热风温度、炉膛出口氧量、排烟温度、飞灰含碳量和炉渣含碳量中的一个或多个。

上述进一步方案的有益效果是:通过选取影响锅炉效率的多个参数信息作为人工神经网络的输入变量,同时将锅炉的效率作为人工神经网络的输出变量,这样可以使得人工神经网络模型更能反映出锅炉的历史数据信息与锅炉效率之间的非线性关系,便于准确在线计算锅炉的效率。

进一步:所述对所述历史数据信息进行归一化处理的具体公式为:

其中,x表示分别为归一化前的值,x'表示归一化后的值;ymax表示归一化范围的最大值,ymin表示归一化范围的最小值,x'∈[-1,1]。

上述进一步方案的有益效果是:由于采集的多个历史数据信息的中的输入变量和输出变量之间的单位并不统一,数量级也存在差异,需要利用归一化原理将其转换为无量纲量,以消除其单位和量纲的差异,并在后续模型输出预测结果时再反归一化即可得到精确的检测结果。

进一步:在对所述锅炉效率计算模型进行训练后,还包括如下步骤:

将训练后的锅炉效率计算模型进行存储,并在接收到在线计算命令时调取,以根据锅炉全负荷正常运行工况的实时数据信息计算锅炉的效率。

上述进一步方案的有益效果是:通过对所述锅炉效率计算模型进行存储,可以方便实时在线检测锅炉的计算效率,调用非常方便。

本发明还提供了一种基于人工神经网络的锅炉效率在线计算系统,包括采集模块、预处理模块、构建模块、训练模块和处理模块;

所述采集模块,用于采集锅炉全负荷正常运行工况下的历史数据信息;

所述预处理模块,用于对所述历史数据信息进行归一化处理;

所述构建模块,用于将归一化后的所述历史数据信息作为人工神经网络的输入变量,归一化后的锅炉效率作为人工神经网络的输出变量,构建基于人工神经网络的锅炉效率计算模型;

所述训练模块,用于将所述历史数据信息作为训练样本,并调用神经网络模块对所述锅炉效率计算模型进行训练;

所述处理模块,用于将锅炉全负荷正常运行工况的实时数据信息输入训练后的所述锅炉效率计算模型,训练后的所述锅炉效率计算模型根据所述实时数据信息计算锅炉的效率并输出。

本发明的有益效果是:本发明的基于人工神经网络的锅炉效率在线计算系统,以热平衡法为基础,深入分析影响锅炉效率的主要因素,通过人工神经网络这种机器学习算法,建立基于人工神经网络的锅炉效率计算模型,通过对模型的训练得到基于人工神经网络的计算模型,便于在线计算中实时调用,从而在线计算锅炉效率以及热力系统的经济性,计算过程简单,使用方便。

在上述技术方案的基础上,本发明还可以做如下改进:

进一步:所述历史数据信息至少包括锅炉负荷、总给煤量、总风量、汽包压力、炉膛负压、二次热风温度、炉膛出口氧量、排烟温度、飞灰含碳量和炉渣含碳量中的一个或多个,所述历史数据信息还包括锅炉效率;所述实时数据信息对应至少包括锅炉负荷、总给煤量、总风量、汽包压力、炉膛负压、二次热风温度、炉膛出口氧量、排烟温度、飞灰含碳量和炉渣含碳量中的一个或多个。

上述进一步方案的有益效果是:通过选取影响锅炉效率的多个参数信息作为人工神经网络的输入变量,同时将锅炉的效率作为人工神经网络的输出变量,这样可以使得人工神经网络模型更能反映出锅炉的历史数据信息与锅炉效率之间的非线性关系,便于准确在线计算锅炉的效率。

进一步:所述预处理模块对所述历史数据信息进行归一化处理的具体公式为:

其中,x表示分别为归一化前的值,x'表示归一化后的值;ymax表示归一化范围的最大值,ymin表示归一化范围的最小值,x'∈[-1,1]。

上述进一步方案的有益效果是:由于采集的多个历史数据信息的中的输入变量和输出变量之间的单位并不统一,数量级也存在差异,需要利用归一化原理将其转换为无量纲量,以消除其单位和量纲的差异,并在后续模型输出预测结果时再反归一化即可得到精确的检测结果。

进一步:所述的基于人工神经网络的锅炉效率在线计算系统还包括存储模块,用于将训练后的锅炉效率计算模型进行存储,并在接收到在线计算命令时调取,以便训练后的锅炉效率计算模块根据锅炉全负荷正常运行工况的实时数据信息计算锅炉的效率。

上述进一步方案的有益效果是:通过对所述锅炉效率计算模型进行存储,可以方便实时在线检测锅炉的计算效率,调用非常方便。

本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,用于执行所述的方法。

本发明还提供了一种基于人工神经网络的锅炉效率在线计算终端,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述方法的步骤。

附图说明

图1为本发明的基于人工神经网络的锅炉效率在线计算方法流程示意图;

图2为本发明的基于人工神经网络的锅炉效率在线计算原理示意图;

图3为本发明的基于人工神经网络的锅炉效率在线计算系统结构示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。

如图1所示,一种基于人工神经网络的锅炉效率在线计算方法,包括如下步骤:

s1:采集锅炉全负荷正常运行工况下的历史数据信息,并对所述历史数据信息进行归一化处理;

s2:将归一化后的所述历史数据信息作为人工神经网络的输入变量,归一化后的锅炉效率作为人工神经网络的输出变量,构建基于人工神经网络的锅炉效率计算模型;

s3:将所述历史数据信息作为训练样本,并调用神经网络模块对所述锅炉效率计算模型进行训练;

s4:将锅炉全负荷正常运行工况的实时数据信息输入训练后的所述锅炉效率计算模型,训练后的所述锅炉效率计算模型根据所述实时数据信息计算锅炉的效率并输出。

本发明的基于人工神经网络的锅炉效率在线计算方法,以热平衡法为基础,深入分析影响锅炉效率的主要因素,通过人工神经网络这种机器学习算法,建立基于人工神经网络的锅炉效率计算模型,通过对模型的训练得到基于人工神经网络的计算模型,便于在线计算中实时调用,从而在线计算锅炉效率以及热力系统的经济性,计算过程简单,使用方便。

在本发明提供的一个或多个实施例中,所述历史数据信息至少包括锅炉负荷、总给煤量、总风量、汽包压力、炉膛负压、二次热风温度、炉膛出口氧量、排烟温度、飞灰含碳量和炉渣含碳量中的一个或多个,所述历史数据信息还包括锅炉效率;所述实时数据信息对应至少包括锅炉负荷、总给煤量、总风量、汽包压力、炉膛负压、二次热风温度、炉膛出口氧量、排烟温度、飞灰含碳量和炉渣含碳量中的一个或多个。通过选取影响锅炉效率的多个参数信息作为人工神经网络的输入变量,同时将锅炉的效率作为人工神经网络的输出变量,这样可以使得人工神经网络模型更能反映出锅炉的历史数据信息与锅炉效率之间的非线性关系,便于准确在线计算锅炉的效率。

在本发明的实施例中,在采集所述历史数据信息后,还对所述历史数据信息进行校验剔除处理。具体地,当所述历史数据信息中任一数据信息与对应工况下的预设标准范围的偏差超过预设偏差阈值时,表明该数据信息出现异常,需要将该数据信息剔除,这样可以避免由于系统偏差等因素造成检测结果进度降低,进一步保证所述历史数据信息的精确性以及最终计算锅炉效率的精确性。

在本发明提供的一个或多个实施例中,在对所述历史数据信息进行校验剔除处理后,再对校验剔除处理后的所述历史数据信息进行归一化处理,所述对所述历史数据信息进行归一化处理的具体公式为:

其中,x表示分别为归一化前的值,x'表示归一化后的值;ymax表示归一化范围的最大值,ymin表示归一化范围的最小值,x'∈[-1,1]。

由于采集的多个历史数据信息的中的输入变量和输出变量之间的单位并不统一,数量级也存在差异,需要利用归一化原理将其转换为无量纲量,以消除其单位和量纲的差异,并在后续模型输出预测结果时再反归一化即可得到精确的检测结果。

人工神经网络是由大量模拟生物神经元的人工神经元广泛互联而成的网络,由于其对任意非线性函数的拟合能力和良好的泛化能力,以及对复杂问题具有自学和自适应能力,在非线性系统建模方面得到了广泛的研究和应用。

而锅炉燃烧系统恰好是一个多变量、非线性、强耦合的复杂系统,采用常规方法建模具有相当大的难度,由于神经网路具有很强的非线性映射能力,故采用人工神经网络对燃烧过程建模,并在线计算锅炉效率,其原理图如图2所示。

在本发明中,调用神经网络模块对所述锅炉效率计算模型进行训练时,优先调用事先处理函数premnmx(),事后处理postmnmx();网络权值初始化函数init();网络创建函数newff();网络训练函数train();网络仿真函数sim();隐含层神经元采用sigmoid型传递函数,并且在隐含层中设置20个神经(节点),而输出层神经元采用purelin型传递函数;训练函数采用trainbr函数,依据levenberg-marquardt优化理论对网络的权值和阀值进行调整,训练步长为10,训练精度10-5,对所述锅炉效率计算模型进行训练,直到训练结束(一般通过总步长和训练步长来确定,本发明中训练总步数不少于5000,训练样本数不少于与2000组)。

在本发明提供的一个或多个实施例中,在对所述锅炉效率计算模型进行训练后,还包括如下步骤:

将训练后的锅炉效率计算模型进行存储,并在接收到在线计算命令时调取,以根据锅炉全负荷正常运行工况的实时数据信息计算锅炉的效率。

通过对所述锅炉效率计算模型进行存储,可以方便实时在线检测锅炉的计算效率,调用非常方便。

如图3所示,本发明还提供了一种基于人工神经网络的锅炉效率在线计算系统,包括采集模块、预处理模块、构建模块、训练模块和处理模块;

所述采集模块,用于采集锅炉全负荷正常运行工况下的历史数据信息;

所述预处理模块,用于对所述历史数据信息进行归一化处理;

所述构建模块,用于将归一化后的所述历史数据信息作为人工神经网络的输入变量,归一化后的锅炉效率作为人工神经网络的输出变量,构建基于人工神经网络的锅炉效率计算模型;

所述训练模块,用于将所述历史数据信息作为训练样本,并调用神经网络模块对所述锅炉效率计算模型进行训练;

所述处理模块,用于将锅炉全负荷正常运行工况的实时数据信息输入训练后的所述锅炉效率计算模型,训练后的所述锅炉效率计算模型根据所述实时数据信息计算锅炉的效率并输出。

本发明的基于人工神经网络的锅炉效率在线计算系统,以热平衡法为基础,深入分析影响锅炉效率的主要因素,通过人工神经网络这种机器学习算法,建立基于人工神经网络的锅炉效率计算模型,通过对模型的训练得到基于人工神经网络的计算模型,便于在线计算中实时调用,从而在线计算锅炉效率以及热力系统的经济性,计算过程简单,使用方便。

在本发明提供的一个或多个实施例中,所述历史数据信息至少包括锅炉负荷、总给煤量、总风量、汽包压力、炉膛负压、二次热风温度、炉膛出口氧量、排烟温度、飞灰含碳量和炉渣含碳量中的一个或多个,所述历史数据信息还包括锅炉效率;所述实时数据信息对应至少包括锅炉负荷、总给煤量、总风量、汽包压力、炉膛负压、二次热风温度、炉膛出口氧量、排烟温度、飞灰含碳量和炉渣含碳量中的一个或多个。通过选取影响锅炉效率的多个参数信息作为人工神经网络的输入变量,同时将锅炉的效率作为人工神经网络的输出变量,这样可以使得人工神经网络模型更能反映出锅炉的历史数据信息与锅炉效率之间的非线性关系,便于准确在线计算锅炉的效率。

在本发明提供的一个或多个实施例中,所述预处理模块对所述历史数据信息进行归一化处理的具体公式为:

其中,x表示分别为归一化前的值,x'表示归一化后的值;ymax表示归一化范围的最大值,ymin表示归一化范围的最小值,x'∈[-1,1]。

由于采集的多个历史数据信息的中的输入变量和输出变量之间的单位并不统一,数量级也存在差异,需要利用归一化原理将其转换为无量纲量,以消除其单位和量纲的差异,并在后续模型输出预测结果时再反归一化即可得到精确的检测结果。

在本发明提供的一个或多个实施例中,所述的基于人工神经网络的锅炉效率在线计算系统还包括存储模块,用于将训练后的锅炉效率计算模型进行存储,并在接收到在线计算命令时调取,以便训练后的锅炉效率计算模块根据锅炉全负荷正常运行工况的实时数据信息计算锅炉的效率。通过对所述锅炉效率计算模型进行存储,可以方便实时在线检测锅炉的计算效率,调用非常方便。

本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,用于执行所述的方法。

本发明还提供了一种基于人工神经网络的锅炉效率在线计算终端,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于:所述处理器执行所述计算机程序时实现所述方法的步骤。

以上所述仅为本发明的较佳实施例,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、改进等,均应包含在本发明的保护范围之内。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1