一种基于神经网络的煤粉细度软测量方法
【技术领域】
[0001]本发明涉及一种煤粉细度R90软测量方法，特别是一种基于神经网络的煤粉细度软测量方法。
【背景技术】
[0002]煤粉细度R90在火力发电厂运行调整中具有重要的地位，是锅炉燃烧优化调整、提高锅炉效率的重要参考依据。
[0003]传统的基于现场取样的煤粉细度R90分析都要在现场取得煤粉进行化验分析，每天都要重复同样的工作，工作量大，而且煤粉取样技术要求高、污染环境，取样困难。开发一种无需人工干预的煤粉细度在线分析方法非常有必要。
[0004]目前在线检测煤粉细度R90的方法有微波测量法、激光脉动法、静电测量法，这些分析方法的仪器设备昂贵，现场安装数量多，而且受现场煤粉颗粒的冲刷和粘结在传感器的影响维护，数据准确度较差，使其在实际应用中受到很大的限制。
[0005]神经网络是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。
[0006]煤粉细度R90的检测涉及非线性参数的测量，因此通过神经网络的方法，从磨煤机运行参数、分离器特性参数、煤质工业分析到煤粉细度R90的非线性映射模型的建立有效地控制了由于煤粉细度R90数据缺少而给锅炉运行、燃烧优化调整带来的困难。
【发明内容】
[0007]本发明的目的是提供一种基于神经网络的煤粉细度软测量方法。
[0008]本发明采用以下技术方案实现:一种基于神经网络的煤粉细度软测量方法，其特征在于:包括以下步骤:步骤SOl:根据磨煤机类型，获取该磨煤机进口、出口相关数据，将获得的数据样本分为训练样本和测试样本；步骤S02:建立煤粉细度R90的人工神经网络模型；步骤S03:确定所述人工网络模型的训练精度或最大训练次数；步骤S04:利用训练样本对所述人工网络模型进行训练直至满足训练精度要求或对模型的训练已达到最大训练次数后，停止对模型的训练并执行步骤S05 ;步骤S05:将测试样本加载到煤粉细度R90的人工神经网络模型并进行测试；步骤S06:若测试的结果显示模型已满足精度和泛化能力两方面的要求，则模型训练成功，否则返回步骤S03。
[0009]在本发明一实施例中，所述磨煤机相关数据包括:磨煤机进口一次风量，磨煤机进口一次风温，磨煤机给煤量，磨煤机出口风粉温度、磨煤机运行电流，磨煤机分离器挡板开度或旋转分离器转速，原煤空干基水分，原煤空干基挥发分，原煤空干基灰分及原煤可磨性指数HGI。
[0010]在本发明一实施例中，所述人工神经网络包括输入层、隐层及输出层；所述输入层为所述磨煤机相关数据；所述隐层为含一定数量的神经元节点；所述输出层为只有一个输出神经元节点即输出磨煤机出口煤粉细度R90。
[0011]本发明通过神经网络的方法，从磨煤机运行参数、分离器特性参数、煤质工业分析到煤粉细度R90的非线性映射模型的建立有效地控制了由于煤粉细度R90数据缺少而给锅炉运行、燃烧优化调整带来的困难。
【附图说明】
[0012]图1为本发明的流程框图。
【具体实施方式】
[0013]图1为本发明的流程图，本发明主要步骤为:步骤SOl:根据磨煤机类型，获取该磨煤机相关出口数据，将获得的数据样本分为训练样本和测试样本；步骤S02:建立煤粉细度R90的人工神经网络模型；步骤S03:确定所述人工网络模型的训练精度或最大训练次数；步骤S04:利用训练样本对所述人工网络模型进行训练直至满足训练精度要求或对模型的训练已达到最大训练次数后，停止对模型的训练并执行步骤S05 ;步骤S05:将测试样本加载到煤粉细度R90的人工神经网络模型并进行测试；步骤S06:若测试的结果显示模型已满足精度和泛化能力两方面的要求，则模型训练成功，否则返回步骤S03。
[0014]步骤SOl还包括以下步骤:首先收集磨煤机进出口参数(包括进口一次风量、进口一次风温、给煤量及出口风粉温度、磨煤机运行电流)和磨煤机分离器挡板开度或旋转分离器转速；再取样得到原煤样和煤粉样进行原煤工业分析，得到原煤空干基水分、空干基挥发分、空干基灰分、原煤可磨性指数HGI与相应的磨煤机出口煤粉细度R90的数据样本；其次将数据样本分为训练样本和测试样本。
[0015]人工神经网络包括了输入层、隐层和输出层。在本发明具体实施例中，网络的输入层为:磨煤机进口一次风量、磨煤机进口一次风温、磨煤机给煤量、磨煤机出口风粉温度、磨煤机运行电流、磨煤机分离器挡板开度或旋转分离器转速、原煤空干基水分、原煤空干基挥发分、原煤空干基灰分、原煤可磨性指数HGI，是一个十维的输入向量；网络的隐层是含一定数量的神经元节点；网络的输出层只有一个输出神经元节点即输出磨煤机出口煤粉细度R90。
[0016]基于神经网络的软测量方法主要利用磨煤机进出口参数(磨煤机进口一次风量、磨煤机进口一次风温、磨煤机给煤量、磨煤机出口风粉温度)和磨煤机分离器挡板开度或旋转分离器转速，取样得到原煤样和煤粉样进行原煤工业分析(空干基水分、空干基挥发分、空干基灰分)、原煤可磨性指数HG1、煤粉细度R90等可准确测定的数值进行神经网络建模分析。本发明无需人工干预，节省大量人力且比仪表设备采样化验分析得到的数据更加准确。
[0017]以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。
【主权项】
1.一种基于神经网络的煤粉细度软测量方法，其特征在于:包括以下步骤: 步骤SOl:根据磨煤机类型，获取该磨煤机进口、出口相关数据，将获得的数据样本分为训练样本和测试样本； 步骤S02:建立煤粉细度R90的人工神经网络模型； 步骤S03:确定所述人工网络模型的训练精度或最大训练次数； 步骤S04:利用训练样本对所述人工网络模型进行训练直至满足训练精度要求或对模型的训练已达到最大训练次数后，停止对模型的训练并执行步骤S05 ; 步骤S05:将测试样本加载到煤粉细度R90的人工神经网络模型并进行测试； 步骤S06:若测试的结果显示模型已满足精度和泛化能力两方面的要求，则模型训练成功，否则返回步骤S03。
2.根据权利要求1所述的基于神经网络的煤粉细度软测量方法，其特征在于:所述步骤SOl中所述磨煤机相关数据包括:磨煤机进口一次风量，磨煤机进口一次风温，磨煤机给煤量，磨煤机出口风粉温度、磨煤机运行电流，磨煤机分离器挡板开度或旋转分离器转速，原煤空干基水分，原煤空干基挥发分，原煤空干基灰分及原煤可磨性指数HGI。
3.根据权利要求1所述的基于神经网络的煤粉细度软测量方法，其特征在于:所述人工神经网络包括输入层、隐层及输出层；所述输入层为所述磨煤机相关数据；所述隐层为含一定数量的神经元节点；所述输出层为只有一个输出神经元节点即输出磨煤机出口煤粉细度R90。
【专利摘要】本发明涉及一种基于神经网络的煤粉细度软测量方法，其特征在于：包括以下步骤：步骤S01：根据磨煤机类型，获取该磨煤机进口、出口相关数据，将所述数据样本分为训练样本和测试样本；步骤S02：建立煤粉细度R90的人工神经网络模型；步骤S03：确定训练精度或最大训练次数；步骤S04：利用训练样本对人工网络模型进行训练直至满足训练精度要求或对模型的训练已达到最大训练次数后，停止对模型的训练；步骤S05：将测试样本加载人工神经网络模型并进行测试；步骤S06：如果测试的结果显示模型已满足精度和泛化能力两方面的要求，则模型训练成功。本发明解决了由于电厂煤粉取样困难和煤粉细度R90分析缺少而带来的问题。
【IPC分类】G06N3-02, G01N15-02, G06K9-62
【公开号】CN104634706
【申请号】CN201510033857
【发明人】陈献春, 陈宇, 卢熠, 蒋孝科, 林阿平, 王寅
【申请人】国家电网公司, 国网福建省电力有限公司, 国网福建省电力有限公司电力科学研究院, 福建中试所电力调整试验有限责任公司
【公开日】2015年5月20日
【申请日】2015年1月23日