一种锅炉热效率的在线计算方法
【专利说明】一种锅炉热效率的在线计算方法 【技术领域】
[0001] 本发明涉及锅炉技术领域，特别是电站锅炉性能在线监控监测的技术领域。 【【背景技术】】
[0002] 锅炉热效率是衡量锅炉出力的最重要指标。目前，锅炉热效率的计算方法可以分 为两类：1、反平衡计算方法：国家标准《GB10184-88电站锅炉性能试验规程》公开了煤粉锅 炉热效率的计算方法
，其中，Qr-一单位燃料的锅炉输入 热量;Q2-一单位燃料的排烟热损失热量;Q3-一单位燃料的可燃气体未完全燃烧的损失热 量;Q4-一单位燃料的固体未完全燃烧热损失热量;Q5-一单位燃料的锅炉散热损失热量； Q6 单位燃料的灰渔物理显热损失热量;2、正平衡计算方法：
-，其中，Qi为单 位燃料的锅炉有效利用热量，一般通过蒸汽焓增与蒸汽流量的乘积来表征。
[0003] 目前有锅炉热效率计算方法的相关专利申请，如CN200810053039,燃煤锅炉热效 率在线检测，通过数据采集与数据处理来获得锅炉热效率，但是并没有表明计算方法； CN201010564627,煤粉锅炉热效率和煤质数据实时监测方法，通过数据采集系统，得到热效 率反平衡计算的各个数据，代入公式计算得到锅炉效率，但是所需要的数据变量非常多，一 般在30个以上，计算较为复杂;CN201210193799, 一种基于煤质数据库的锅炉热效率在线监 测方法，通过假定锅炉效率，辨识出燃煤热值，寻求燃煤发热量和燃煤成分之间的映射关 系，然后进行反平衡计算，再与假定的锅炉效率对比，进行迭代运算;CN201310335778,循环 流化床锅炉热效率预测系统及方法，其中，锅炉热效率的预测公式为：
^，其中心心为与煤种有关的 计算系数;Aar为燃煤的收到基灰分含量百分数;Qar,ne3t, P为燃煤的收到基低位发热量 为t时刻过量空气系数的预测值；为t时刻排烟温差的预测值；;为t时刻飞灰含碳 量百分数的预测值;qx为循环流化床锅炉除排烟热损失与固体未完全燃烧损失外的其他少 量热损失含量百分数的经验值，取1%。本发明考虑到锅炉热效率在线计算所需的实时性要 求，通过支持向量机(SVM)建立排烟温度与飞灰含碳量的模型，然后通过简化的热效率计算 公式来获得锅炉热效率，所需变量少，建模时间短，拟合精度与预测精度都较高，满足工业 需求。 【
【发明内容】
】
[0004] 本发明的目的就是解决现有技术中的问题，提出一种锅炉热效率的在线计算方 法，不仅减少了热效率计算所需的变量数，减小了模型复杂度与建模时间，而且具有较高的 拟合精度与预测精度，为电厂锅炉的性能监控监测提供了数据支持。
[0005] 为实现上述目的，本发明提出了一种锅炉热效率的在线计算方法，是在基于基于 支持向量机(SVM)对排烟温度与飞灰含碳量建模的基础上，利用简化的热效率计算公式来 获得锅炉热效率，具体步骤包括：
[0006] (a)数据预处理:利用3〇准则剔除从集散控制系统(DCS)上采集的具有粗大误差的 数据；
[0007] (b)参量模型建立:利用支持向量机(SVM)分别建立以排烟温度、飞灰含碳量为目 标的软测量模型；
[0008] (c)热效率计算:利用简化的热效率公式结合关键参量来在线预测计算锅炉热效 率；
[0009] (d)误差分析:对拟合与预测获得的锅炉热效率进行误差分析，校正模型参数。
[0010] 作为优选，所述(b)步骤中，参量模型的自变量包括燃煤热值、锅炉负荷、总风量、 给煤量、引风量、燃煤特性，燃煤特性包括应用基灰分、碳含量、氢含量、氮含量。
[0011] 作为优化，所述(b)步骤中，支持向量机(SVM)的参数是通过交叉验证的方式选择 获得的。
[0012] 作为优选，所述(c)步骤中，简化的锅炉热效率计算的变量有烟气氧含量、应用基 灰分、燃煤热值、参考温度，以及关键参量模型的输出，关键参量包括排烟温度、飞灰含碳量 预测值。
[0013] 本发明的有益效果：
[0014] 本发明通过支持向量机(SVM)建立了以排烟温度与飞灰含碳量为目标的软测量模 型，并在此基础上，利用简化的热效率计算公式在线获得锅炉热效率，在获得较高的拟合精 度与预测精度的同时，降低了建模时间与复杂度，为电厂锅炉的性能监控监测提供了数据 支持，满足了工业需要，对运行生产具有指导意义。 【【具体实施方式】】
[0015] 本发明一种锅炉热效率的在线计算方法，具体步骤包括：
[0016] 步骤一、利用3〇准则剔除从集散控制系统(DCS)上采集的具有粗大误差的数据； [0017]步骤二、利用支持向量机(SVM)分别建立以排烟温度、飞灰含碳量为目标的软测量 丰旲型；
[0018] 步骤三、利用简化的热效率公式结合关键参量(排烟温度、飞灰含碳量预测值)来 在线预测计算锅炉热效率；
[0019] 步骤四、对拟合与预测获得的锅炉热效率进行误差分析，校正模型参数。
[0020] 支持向量机(SVM)使用非线性映射函数将低维空间中不可分的样本集映射到高维 空间，在高维空间中采用线性学习方法来解决样本的分类和回归问题，在小样本、非线性及 高维样本问题上表现出优良特性，使其得到广泛应用。
[0021] SVM回归问题就是在给定一个输入样本X的条件下，通过机器学习得到对应的输出 y。其数学描述为:给定输入数据样本集（(xi，yi)，（X2，y2)... (xi，yi))，设样本集中样本被选 择概率为P(Xi，yi)，对输入样本的输出进行损失评估的函数为c(xi，yi，f)，其中ε为不敏感 度，f为输入样本与输出样本间的映射函数。
[0022]
[0023] SVM寻找适当的映射函数f，使得式(3.7)样本集损失函数取最小值：
[0024] R[f( · )]=Jc(xi,yi,f)dP(xi,yi)
[0025] 其中，非线性支持向量机回归算法为：
[0026] 若样本的输入与输出满足非线性关系，我们需要找到一个非线性函数！KX)，将原 始样本映射到高维空间中，从而将低维空间中非线性的问题转化为高维空间中的线性问 题。假设非线性回归函数为：
[0027] f (x) =w · Ψ (x)+b
[0028] 非线性情形对应的优化问题可以表示为：
[0029]
[0030] 类比线性支持向量机回归算法，求解上述优化问题可以得出
[0031]
[0032]则非线性估计函数为：
[0033]
[0034] 定义Mercer核函数K(Xi，Xj) =iKXi)TiKXj)，得到非线性回归估计函数为：
[0035] 1.-L
[0036] 在实际应用中，核函数的选择对于软测量模型的影响非常大，径向基核函数KUi， Xj) = exp(_ |Xi-Xj 12/2σ2)为目前使用最广泛的核函数。
[0037]简化的热效率计算公式主要为：
[0038]干烟气热损失
；水分热损失：
未燃碳热损失
锅炉散热损失：
|其中，9b 为送风机出口温度;CPG为干烟气平均比热;Wma为空气的绝对湿度;Η为水蒸气焓;Hb为饱和蒸 汽对应的焓值;η为飞灰比率;Qn为锅炉的最大出力;C为表面系数;q为平均热流密度;h为负 荷系数。
[0039] 本发明工作过程：
[0040]本发明通过支持向量机(SVM)建立了以排烟温度与飞灰含碳量为目标的软测量模 型，并在此基础上，利用简化的热效率计算公式在线获得锅炉热效率，在获得较高的拟合精 度与预测精度的同时，降低了建模时间与复杂度，为电厂锅炉的性能监控监测提供了数据 支持，满足了工业需要，对运行生产具有指导意义。
[0041]上述实施例是对本发明的说明，不是对本发明的限定，任何对本发明简单变换后 的方案均属于本发明的保护范围。
【主权项】
1. 一种锅炉热效率的在线计算方法，其特征在于:所述计算方法是在基于基于支持向 量机(SVM)对排烟温度与飞灰含碳量建模的基础上，利用简化的热效率计算公式来获得锅 炉热效率，具体步骤包括： (a) 数据预处理：利用3〇准则剔除从集散控制系统（DCS)上采集的具有粗大误差的数 据； (b) 参量模型建立:利用支持向量机（SVM)分别建立以排烟温度、飞灰含碳量为目标的 软测量模型； (c) 热效率计算:利用简化的热效率公式结合关键参量来在线预测计算锅炉热效率； (d) 误差分析:对拟合与预测获得的锅炉热效率进行误差分析，校正模型参数。2. 如权利要求1所述的一种锅炉热效率的在线计算方法，其特征在于:所述(b)步骤中， 参量模型的自变量包括燃煤热值、锅炉负荷、总风量、给煤量、引风量、燃煤特性，燃煤特性 包括应用基灰分、碳含量、氢含量、氮含量。3. 如权利要求1所述的一种锅炉热效率的在线计算方法，其特征在于:所述(b)步骤中， 支持向量机(SVM)的参数是通过交叉验证的方式选择获得的。4. 如权利要求1所述的一种锅炉热效率的在线计算方法，其特征在于:所述(c)步骤中， 简化的锅炉热效率计算的变量有烟气氧含量、应用基灰分、燃煤热值、参考温度，以及关键 参量模型的输出，关键参量包括排烟温度、飞灰含碳量预测值。
【专利摘要】本发明公开了一种锅炉热效率的在线计算方法，具体步骤包括：(a)数据预处理；(b)参量模型建立：利用支持向量机(SVM)分别建立以排烟温度、飞灰含碳量为目标的软测量模型；(c)热效率计算：利用简化的热效率公式结合关键参量来在线预测计算锅炉热效率；(d)误差分析。本发明通过支持向量机(SVM)建立了以排烟温度与飞灰含碳量为目标的软测量模型，并在此基础上，利用简化的热效率计算公式在线获得锅炉热效率，在获得较高的拟合精度与预测精度的同时，降低了建模时间与复杂度，为电厂锅炉的性能监控监测提供了数据支持，满足了工业需要，对运行生产具有指导意义。
【IPC分类】G06K9/62, G06F19/00
【公开号】CN105468932
【申请号】CN201610013743
【发明人】夏继英
【申请人】夏继英
【公开日】2016年4月6日
【申请日】2016年1月6日