微油点火预警方法
【专利摘要】一种微油点火预警方法，包括：获取微油点火过程的若干组控制数据；利用所述控制数据形成神经网络的初始权值分布；利用神经网络算法获得不同控制数据的适应度，并根据不同的适应度缩减控制数据的种类；将缩减后的控制数据经过遗传算法处理获得最优值；将所述最优值经过神经网络算法处理获得输出结果；将所述输出结果与预设的安全阈值进行比较，所述输出结果大于预设的安全阈值时，发出警报。本发明能有效地分析和预测微油点火时系统的运行情况，对潜在威胁进行预警。
【专利说明】微油点火预警方法
【技术领域】
[0001]本发明涉及工业控制领域，特别涉及一种燃煤锅炉的微油点火预警方法。
【背景技术】
[0002]我国是能源消费大国，也是石油进口大国，在2002年我国已是世界第二大能源消费国，到2020年我国可能会替代美国成为世界头号能源消费国。从长三角的“电荒”到涉及东北、华东、华南、西南等地区的“煤荒”与“缺油”现象都说明:资源对中国经济发展的制约作用开始显现。从我国石油供需情况看，工业用油约占石油消费量的一半，其中燃料油占工业用油的35%左右。火力发电厂是燃料油的消费大户，通常情况下，火力发电厂燃煤锅炉的启、停、以及低负荷稳燃都是采用燃烧柴油或重油的方法。
[0003]随着竞争的日益加剧，各大火力发电厂通过各种技术改进以提高企业竞争力，同时兼顾节能环保的策略。大型火电机组微油点火相关技术的改进成为了重点研究内容之一。目前各火力大电厂采用微油点火热控系统对微油点火进行控制，其主要包括微油点火程序、系统保护逻辑及与集散控制系统(distributed control systems,DCS)连接三部分，用于实现微油量气化直接点燃煤粉过程的启停控制与过程参数(压力、温度、风速等)的采集与监测，以及安全保护与联锁，保证锅炉安全、稳定、可靠运行，确保系统安全。虽然系统功能较为完善，但无法有效对微油点火的运行情况进行提前预警。
【发明内容】
[0004]本发明解决的问题是提供一种微油点火预警方法，能有效地分析和预测系统的运行情况，对潜在威胁进行预警。
[0005]为解决上述问题，本发明提供了一种微油点火预警方法，包括:获取微油点火过程的若干组控制数据；利用所述控制数据形成神经网络的初始权值分布；利用神经网络算法获得不同控制数据的适应度，并根据不同的适应度缩减控制数据的种类；将缩减后的控制数据经过遗传算法处理获得最优值；将所述最优值经过神经网络算法处理获得输出结果；将所述输出结果与预设的安全阈值进行比较，所述输出结果大于预设的安全阈值时，发出警报。
[0006]可选的，所述若干组控制数据包括当前微油点火过程测得的控制数据和之前的若干次微油点火过程测得的控制数据。
[0007]可选的，所述控制数据的种类包括锅炉的压力、锅炉的温度、风速、煤粉大小和煤粉温度。
[0008]可选的，利用所述控制数据形成神经网络的初始权值分布的具体步骤包括:当控制数据有m个种类时，用数列
【权利要求】
1.一种微油点火预警方法，其特征在于，包括: 获取微油点火过程的若干组控制数据； 利用所述控制数据形成神经网络的初始权值分布； 利用神经网络算法获得不同控制数据的适应度，并根据不同的适应度缩减控制数据的种类； 将缩减后的控制数据经过遗传算法处理获得最优值； 将所述最优值经过神经网络算法处理获得输出结果； 将所述输出结果与预设的安全阈值进行比较，所述输出结果大于预设的安全阈值时，发出警报。
2.如权利要求1所述的微油点火预警方法，其特征在于，所述若干组控制数据包括当前微油点火过程测得的控制数据和之前的若干次微油点火过程测得的控制数据。
3.如权利要求1所述的微油点火预警方法，其特征在于，所述控制数据的种类包括锅炉的压力、锅炉的温度、风速、煤粉大小和煤粉温度。
4.如权利要求1所述的微油点火预警方法，其特征在于，利用所述控制数据形成神经网络的初始权 值分布的具体步骤包括:当控制数据有m个种类时，用数列X={Xi，X2，…XJ表示每一种的控制数据，且当每一种控制数据包括n组数据时，Xi=U1, X2,…xn},所述X1~Xn作为神经网络的初始权值分布。
5.如权利要求4所述的微油点火预警方法，其特征在于，获得每一种控制数据的适应度后，当本次微油点火的平均适应度大于之前若干次微油点火最好的平均适应度，按照适应度大小对控制数据进行排序，去除适应度最小的至少一种控制数据，从而缩减了控制数据的种类，使得控制数据的种类数量缩减为m’。
6.如权利要求5所述的微油点火预警方法，其特征在于，所述适应度的函数为其中fit为某一种控制数据的适应度，E为对应的控制数据通过神经网络的输出
1 + E误差值。
7.如权利要求5所述的微油点火预警方法，其特征在于，所述遗传算法包括选择、交叉、变异三个步骤，所述选择步骤包括:如果m’种控制数据中的第i种控制数据的适应度值
—Iiti为fib则其被选中概率为Pi—fnt ’随机选取两种控制数据比较被选中概率，保留被选
1=1中概率较大的一种控制数据，然后再随机选择两种控制数据，进行同样的操作，最终保留下两种控制数据作为父代个体；所述交叉步骤包括:以一定的交叉概率对父代个体进行交叉操作，其中在交叉步骤之前，需要将[O，I]之间的均匀分布随机数与交叉概率进行比较，如果均匀分布随机数大于交叉概率，则将保留下来的两个父代个体进行交叉操作，否则不进行交叉操作，进行变异步骤；所述变异步骤包括:利用选择均匀变异，对交叉结果对应的控制数据以一定的变异概率Pm进行替换，获得最优值。
8.如权利要求7所述的微油点火预警方法，其特征在于，所述交叉概率的取值范围为0.5~0.8，所述变异概率的取值范围为0.001~0.01。
9.如权利要求7所述的微油点火预警方法，其特征在于，所述利用神经网络算法将所述最优值计算获得输出结果的方法包括:当某一种类的控制数据的最优值为
10.如权利要求1所述的微油点火预警方法，其特征在于，所述神经网络为误差反向传播神经网络。
【文档编号】G06N3/02GK103646168SQ201310608525
【公开日】2014年3月19日 申请日期:2013年11月26日 优先权日:2013年11月26日
【发明者】熊建国, 许翀寰, 方磊, 严雨帆, 范淑江, 张明, 陈浩, 王茂贵, 谢毅, 张利, 陈庭贵, 王冰, 刘东升 申请人:浙江工商大学