本发明涉及原煤全水分领域，特别是涉及一种基于神经网络的原煤全水分软测量方法。
背景技术：
原煤全水分Mt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。
传统的基于现场取样的原煤全水分Mt分析都要在现场取得原煤进行化验分析，每天都要重复同样的工作，工作量大，而且原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原煤全水分Mt在线分析方法非常有必要。
目前在线检测原煤全水分Mt的方法有微波分析法、热平衡法。微波分析方法的仪器设备昂贵，现场安装数量多，而且受现场原煤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。热平衡法受制于其他测量参数和磨煤机散热等外界影响因素，计算误差较大。
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。
原煤全水分Mt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、大气参数到原煤全水分Mt的非线性映射模型的建立有效地控制了由于原煤全水分Mt数据缺少而给锅炉安全经济运行、燃烧优化调整带来的困难。
技术实现要素：
有鉴于此，本发明的目的是提供一种基于神经网络的原煤全水分软测量方法，从磨煤机运行参数、大气参数到原煤全水分Mt的非线性映射模型的建立有效地控制了由于原煤全水分Mt数据缺少而给锅炉安全经济运行、燃烧优化调整带来的困难。
本发明采用以下方案实现一种基于神经网络的原煤全水分软测量方法，包括以下步骤：
步骤S01：根据一种类型磨煤机，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：建立原煤全水分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：将测试样本加载到原煤全水分Mt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。
进一步地，所述步骤S01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、大气温度、大气相对湿度。
进一步地，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进口原煤全水分Mt。
与现有技术相比，本发明通过神经网络的方法，从磨煤机运行参数、大气参数到原煤全水分Mt的非线性映射模型的建立有效地控制了由于原煤全水分Mt数据缺少而给锅炉安全经济运行、燃烧优化调整带来的困难。
附图说明
图1为本发明的流程框图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
本实施例提供一种基于神经网络的原煤全水分软测量方法，如图1所示，包括以下步骤：
步骤S01：根据一种类型磨煤机，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：建立原煤全水分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：将测试样本加载到原煤全水分Mt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。
在本实施例中，所述步骤S01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、大气温度、大气相对湿度。
在本实施例中，步骤S01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）；收集大气温度、大气湿度参数；再取样得到原煤样和煤粉样进行原煤工业分析，得到相应的磨煤机进口原煤全水分Mt和煤粉水分Mpc的数据样本；其次将数据样本分为训练样本和测试样本。
在本实施例中，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进口原煤全水分Mt。
在本实施例中，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、大气温度、大气湿度，是一个七维的输入向量；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进口原煤全水分Mt。
在本实施例中，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）和大气温度、大气湿度，取样得到原煤样和煤粉样进行原煤工业分析（磨煤机进口原煤全水分Mt和煤粉水分Mpc）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。
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。