i<max(ai,bi);
[0086] (3)W菱形Τι的四个顶点连同点Μ的坐标作为惩罚系数-核系数的五个组合，分 别代入模型进行训练；
[0087] (4)通过训练误差公式计算各点所对应的误差值ei,θ2,…，e;，令e=min{ei,θ2,… ，ej (i = 1，2,…，5);
[008引 妨假设误差最小值为e时，所对应点的点为Mz(曰2,b2)，且点Mz所在菱形Τ1的对 角线的长度为1，则W点M2为中必，按照步骤②的方法，绘制另一个菱形Τ2,其中曰2<1/2， b2<l/2 ；
[0089] (6)W菱形T2的四个顶点坐标为惩罚系数-核系数的四个组合，分别代入模型进 行训练，计算各自的训练误差，并且与M2点的误差进行对比；
[0090] (7)若四个点的误差皆大于M2点的误差则改变菱形的对角线长度，重新绘制菱形， 重复W上（2)-(6)步骤；若四个点的误差中有小于M2点的，则W新的点为中必重复W上步 骤（5)和化），如此往复，直至满足预设误差范围；
[0091] 5)煤耗率预测及经济性分析
[0092] 将待测试样本输入训练好的模型进行预测，并且按照按照电力行业的要求，将预 测结果折算为标准煤煤耗率，根据电力行业煤耗率评价标准对该测试样本的经济性优劣进 行评判。
[0093]本发明基于偏最小二乘算法和非线性回归向量机的火电厂煤耗率经济性分析方 法，和众多国内外煤耗率分析模型相比，该禪合模型预测精度更高，预测偏差满足工程要 求，因此所建模型有实际工程应用价值。具有科学合理，适用性强，便于掌握，分析准确等优 点。
【附图说明】
[0094] 图1为本发明所搭建的数据采集系统图；
[0095] 图中；mD-W插入型润街流量仪，2AKS-LDC智能插入式电磁流量计，3赛摩巧5 耐压称重给煤机煤量测点，4PPM-T322B压力变送器，5FS-5C防堵型免吹扫风量测量装置， 6PDM-520微型精密电阻真空计，7红外测温仪IS-CF1400AD，8BTS6800-SP负压变送装置， 9WSSXP-401双金属温度计，10XP-3180含氧量检测仪，11研华PCI1710数据采集卡，12IBM X3800服务器，13火电厂煤耗率经济性分析系统。
[0096] 图2为本发明所搭建的模型对部分测试样本的预测结果图；
[0097]图3为本发明所搭建的模型对入炉煤种渗烧比例经济性评价图。
【具体实施方式】
[0098] 下面结合附图和实施例对本发明进一步说明。
[0099] 本发明的一种火电厂煤耗率经济性分析方法，它包含如下步骤：
[0100] 1)启动火电厂数据采集系统，并通过皿-W插入型润街流量仪1测得火电机组主 蒸汽温度；通过AKS-LDC智能插入式电磁流量计2测得锅炉给水量，并通过赛摩F55耐压 称重给煤机测点3测得入炉煤量，将该单元机组所有给煤机的煤量求和得入炉总煤量，之 后用锅炉给水流量除W入炉总煤量，得出水煤比（俗称煤水比）；采用PPM-T322B压力变送 器4测得再热蒸汽压力；采用FS-5C防堵型免吹扫风量测量装置5测得入炉总风量；采用 PDM-520微型精密电阻真空计6测得凝汽器真空度；采用IS-CF1400AD红外测温仪7测得锅 炉的干渣温度；采用BTS6800-SP负压变送装置8测得锅炉炉膛负压；采用WSSXP-401双金 属温度计9测得再热器蒸汽的温度；采用XP-3180含氧量检测仪10测得锅炉尾部烟气含氧 量。通过现场的功率表读取该火电机组实时发电功率，将通过赛摩F55耐压称重给煤机测 点3测得的入炉总煤量除W该火电机组实时发电功率，即可得该单元机组实时煤耗率。将 该单元机组实时煤耗率连同步骤1中通过研华PCI1710数据采集卡11所采集到的10个参 数，都输送至IBMX3800服务器12,启动火电厂煤耗率经济性分析系统13。之后，W该10 个参数为输入，W实时煤耗率为输出，提取主成分，具体过程如下：
[0101] 2)主成分的提取
[0102] ①数据标准化
[0103]为了抽取主成分，首先将自变量矩阵
[0104] X= (Xij)nXm (1)
[0105] 式中，η表示所选取的训练样本用量，组；
[0106]m表示所选取的热工参量维数，在此m=1, 2,…，10 ;
[0107]i= 1,2,···,η；
[010引 j= 1, 2,…，m
[0109] 和因变量矩阵
[0110] Υ= (yij)nxp (2)
[0111] 式中，η表示所选取的训练样本用量；
[0112] Ρ表示因变量维数，在此Ρ= 1 ;
[0113]i= 1, 2, ···,η；
[0114] j= 1,2,-,ρ
[0115]采用如下公式（3)、（4)进行标准化处理，使样本点的集合重必与坐标原点重合：
[011引式中，Ei、F汾别为X和Υ的标准化矩阵；
[011引E(Xi)、E(y)分别为X、Y的均值；
[0120] %、Sy分别为Χ、Υ的均方差；
[0121] ②第一个成分提取ti:
[0122] 采用如下公式（5)计算第1步的组合系数Wi:
[0123]
(?)
[0124] 采用如下公式（6)提取第一个主成分ti:
[0125] ti=EiWi (6)
[0126] ⑨计算残差矩阵
[0127] 采用如下公式（7)、（8)计算残差矩阵：
[0130] 式中，
为回归系数，向量；
[01引]：Γι=FiTti/l|ti|I2,为回归系数，标量；
[0132] ④计算预报残差平方和PRESS
[0133] 采用如下公式（9)计算预测误差：
[0134]
[01对式中，为煤耗率真实值，g/kw·h;
[0136] yiw是在提取主成分t1的前提下，利用去掉第i个样本（i= 1，2. . . .η)的剩余 样本，求回归方程，然后把第i个样本点代入该回归方程所得到的方程预测值，g/kw·h;
[0137] ⑤利用残差矩阵E2、F2代替步骤②中的E1、Fi，重复步骤②⑨④，继续提取主成分；
[0138] ⑧采用直角坐标系绘制⑤中"每次循环所得到的预报残差平方和值一循环次 数"曲线图，通过该坐标图，确定使得预报残差平方和PRESS取最小值时所对应的循环次数， 也即最佳主成分提取个数q;
[0139] ⑦按照最佳主成分提取个数，提取q个主成分，构成一个qXη维的矩阵A;
[0140] 3)非线性回归向量机模型的搭建
[0141]W矩阵Aqx。为输入变量，W煤耗率为输出，搭建非线性回归向量机模型，具体过程 如下：
[0142] (a)核函数的选取
[0143] 在此，选择径向基核函数作为向量机的核函数，径向基核函数表达式为：
[0144]
(10)
[0145] 式中，
σ为核系数。
[014引 化）训练误差公式
[0147] 在采用样本对模型进行训练过程中，为保证模型的训练结束时间和训练误差最 小，采用平均相对误差，其计算公式为：
[014 引
m)
[0149] 式中，η为训练样本用量，组；
[0150] Yi为模型预测值，g/kw·h;
[OW] yio为实际煤耗率，g/kw·h;
[0152] (c)模型搭建步骤如下：
[0153] 模型预测输出表达式为：
[0154]
(。）
[015引式中，Ψ(x，Xi)为支持向量机核函数，此处为径向基核函数；
[015 引 α=及-!0' -6?) (13)
[0157]式中，α为由式（。）中的α1组成的矩阵向量；
[015引
（14)
[0159] 乂|||，-?= [1丄,
[0160] Β=Ω+Υ'1 (15)
[0161] 式中，I为单位向量；Υ为惩罚系数；矩阵向量Ω采用如下公式（16)计算得到：
[016引0k.j=Ψ(Xk，Xj)化，j二 1，2,…，η) (16)
[016引式中，￥(Xk，x，）为支持向量机核函数，此处为径向基核函数；η为训练样本用量，[0164]将公式（13)-(16)代入公式（12)得最终模型预测输出；
[01财4)模型的训练
[0166] 为了提高模型训练速度，快速准确地确定模型的惩罚系数、核系数最优组合，达到 模型的目标训练误差，在此，对惩罚系数和核系数进行寻优的过程中，采用W下具体步骤：
[0167] (1)在直角坐标系第一象