專利名稱：一種生物質(zhì)爐燃燒優(yōu)化的建模方法
技術(shù)領(lǐng)域：
本發(fā)明屬于信息控制技術(shù)領(lǐng)域，涉及一種生物質(zhì)爐燃燒優(yōu)化的建模方法。
背景技術(shù)：
生物質(zhì)爐燃燒優(yōu)化的方法是節(jié)能減排的重要技術(shù)手段，其目標(biāo)是在一定的負(fù)荷(生物質(zhì)燃料給料速度)條件下，通過調(diào)整生物質(zhì)爐配風(fēng)的運行參數(shù)而獲得高效率、低污染排放的運行狀態(tài)。生物質(zhì)爐的配風(fēng)參數(shù)的搭配對生物質(zhì)爐燃燒狀態(tài)有直接的影響，不同的配風(fēng)、氧量等操作參數(shù)的配置會直接導(dǎo)致不同的燃燒效率及污染氣體的排放量。對于給定 的生物質(zhì)爐，在一定的負(fù)荷條件下，針對不同的燃燒狀態(tài)特征指標(biāo)，存在一種最優(yōu)的配風(fēng)方案，能夠使相應(yīng)燃燒狀態(tài)的特征指標(biāo)最優(yōu)化，但是，生物質(zhì)爐的操作參數(shù)間有著復(fù)雜的耦合關(guān)系，要找到最優(yōu)的操作參數(shù)的配置并不容易。生物質(zhì)爐燃燒特性建模是生物質(zhì)爐燃燒優(yōu)化中的關(guān)鍵問題，目前還沒有很好的得到解決。實際中生物質(zhì)爐的燃燒優(yōu)化主要是靠工作人員經(jīng)驗運行，往往只是維持生物質(zhì)爐的燃燒，因此實際運行中的參數(shù)配置還存在較大的提升空間。

發(fā)明內(nèi)容
本發(fā)明的目標(biāo)是針對生物質(zhì)爐燃燒優(yōu)化中的瓶頸問題，提出一種兼顧模型預(yù)測精度與泛化能力的建模方法。本發(fā)明具體是首先采集生物質(zhì)爐的燃燒情況數(shù)據(jù)，進行建模數(shù)據(jù)的選擇和適當(dāng)?shù)念A(yù)處理，以保證模型的預(yù)測能力和泛化能力，最終應(yīng)用相應(yīng)的建模算法和優(yōu)化算法建立生物質(zhì)爐的燃燒特性模型。該方法通過數(shù)據(jù)選擇和預(yù)處理保證了模型的預(yù)測精度和泛化能力。本發(fā)明的技術(shù)方案是通過生物質(zhì)爐燃燒數(shù)據(jù)采集、建模，數(shù)據(jù)樣本的選擇和預(yù)處理、建立生物質(zhì)爐的燃燒特性模型，確立的一種生物質(zhì)爐燃燒優(yōu)化的建模方法，利用該方法可建立的較為精確和泛化能力較強的生物質(zhì)爐燃燒優(yōu)化特性模型。本發(fā)明方法的步驟包括
步驟(I).采集生物質(zhì)爐運行參數(shù)及相關(guān)的表征生物質(zhì)爐燃燒狀態(tài)的特征指標(biāo)，建立數(shù)據(jù)庫；具體的生物質(zhì)爐運行參數(shù)通過生物質(zhì)爐實時運行數(shù)據(jù)庫獲取，或直接通過儀器設(shè)備測量采集。一般生物質(zhì)爐所然用的生物質(zhì)燃料種類(來源和工業(yè)分析數(shù)據(jù)不同)有限，因此，對于給定的生物質(zhì)爐可燃用η (η ^ I)種不同的生物質(zhì)燃料(生物質(zhì)燃料的原料和來源不同)，不同種類的燃料要分開采集數(shù)據(jù)，以便有針對性的分別建模。所述的生物質(zhì)爐運行參數(shù)數(shù)據(jù)包括生物質(zhì)燃料的工業(yè)分析指標(biāo)、一次風(fēng)速、二次風(fēng)速、氧量、燃盡風(fēng)速、生物質(zhì)燃料給料速度；所述的表征生物質(zhì)爐燃燒狀態(tài)的特征指標(biāo)的數(shù)據(jù)包括煙氣中的NOx濃度和生物質(zhì)爐燃燒效率，其獲得的方法為成熟技術(shù)；
步驟(2).對數(shù)據(jù)庫中的數(shù)據(jù)進行選擇和預(yù)處理，并分別用最小二乘支持向量機和徑向基神經(jīng)網(wǎng)絡(luò)(RBF網(wǎng)絡(luò))針對不同的燃料，建立生物質(zhì)爐運行操作參數(shù)與燃燒狀態(tài)的特征指標(biāo)間的燃燒模型，因此，針對于η種生物質(zhì)燃料，分別建立η個模型。具體方法是
由于生物質(zhì)爐燃料變化有限，因此分別針對不同燃料的燃燒情況，在數(shù)據(jù)庫中進行數(shù)據(jù)選擇，選擇出建模用的樣本數(shù)據(jù)，選擇時遵循以下原則①分布均勻，即在模型的輸入量的拓?fù)浣Y(jié)構(gòu)空間上分布是均勻的，所選數(shù)據(jù)的輸入量不是密集的集中在一個點上，能夠均勻的占有一個空間；②數(shù)量均等，即在拓?fù)浣Y(jié)構(gòu)中位于不同點的數(shù)據(jù)的樣本量，應(yīng)該相差不大于數(shù)據(jù)最少點的樣本數(shù)據(jù)量的10 %，這樣不會使某個點的數(shù)據(jù)量很多，而其他點的數(shù)據(jù)量很少，以保證建模質(zhì)量；
對選擇出的數(shù)據(jù)進行建模前的預(yù)處理，通過單位的變換或乘系數(shù)的方法，使各輸入量及相應(yīng)輸出量的數(shù)據(jù)處于數(shù)量級相差小于I個的狀態(tài)，再對輸入量進行歸一化處理；
應(yīng)用預(yù)處理好的數(shù)據(jù)，首先采用最小二乘支持向量機算法，針對一種燃料建模，最小二乘支持向量機算法所建模型泛化能力較強，然后再應(yīng)用徑向基神經(jīng)網(wǎng)絡(luò)建模，徑向基神經(jīng)網(wǎng)絡(luò)所建模型經(jīng)驗風(fēng)險較小，最后將最小二乘支持向量機模型和徑向基神經(jīng)網(wǎng)絡(luò)模型進行組合形成最終的針對于一種燃料的燃燒優(yōu)化模型；用于建模的輸入?yún)?shù)及表征生物質(zhì)爐燃燒狀態(tài)的特征指標(biāo)的輸出參數(shù)表示為
[XiJl ,其中I.表示第j組作為輸入數(shù)據(jù)的生物質(zhì)爐運行參數(shù)向量，$表示第^組作為輸
出參數(shù)的表征生物質(zhì)爐燃燒狀態(tài)特征的參數(shù)、為樣本數(shù)量，以實際運行數(shù)據(jù)為基礎(chǔ)建立運行操作參數(shù)與生物質(zhì)爐不同燃燒狀態(tài)指標(biāo)間的模型；
首先，采用最小二乘支持向量機算法建模，核函數(shù)選為徑向基函數(shù)
權(quán)利要求
1.ー種生物質(zhì)爐燃燒優(yōu)化的建模方法，其特征在于該方法的具體步驟是 步驟(I).采集生物質(zhì)爐運行參數(shù)及相關(guān)的表征生物質(zhì)爐燃燒狀態(tài)的特征指標(biāo)，建立數(shù)據(jù)庫； 所述的生物質(zhì)爐運行參數(shù)數(shù)據(jù)包括生物質(zhì)燃料的エ業(yè)分析指標(biāo)、一次風(fēng)速、二次風(fēng)速、氧量、燃盡風(fēng)速、生物質(zhì)燃料給料速度；生物質(zhì)爐運行參數(shù)通過生物質(zhì)爐運行數(shù)據(jù)庫獲取，或直接通過儀器測量采集，不同的生物質(zhì)燃料分開采集數(shù)據(jù)，分別建模； 所述的表征生物質(zhì)爐燃燒狀態(tài)的特征指標(biāo)的數(shù)據(jù)包括煙氣的NOx濃度和生物質(zhì)爐燃燒效率； 步驟(2).對數(shù)據(jù)庫中的數(shù)據(jù)進行選擇和預(yù)處理，井分別用最小ニ乘支持向量機和徑向基神經(jīng)網(wǎng)絡(luò)針對不同的燃料，建立生物質(zhì)爐運行操作參數(shù)與燃燒狀態(tài)的特征指標(biāo)間的燃燒模型；針對于η種生物質(zhì)燃料，分別建立η個模型，具體方法是 分別針對不同燃料的燃燒情況，在數(shù)據(jù)庫中進行數(shù)據(jù)選擇，選擇出建模用的樣本數(shù)據(jù)，選擇時遵循以下原則 ①分布均勻，即在模型的輸入量的拓?fù)浣Y(jié)構(gòu)空間上分布是均勻的；②數(shù)量均等，即在拓?fù)浣Y(jié)構(gòu)中位于不同點的數(shù)據(jù)的樣本量，相差不大于數(shù)據(jù)最少點的樣本數(shù)據(jù)量的10 % ； 對選擇出的數(shù)據(jù)進行建模前的預(yù)處理，通過單位的變換或乘系數(shù)的方法，使各輸入量及相應(yīng)輸出量的數(shù)據(jù)處于數(shù)量級相差小于I個的狀態(tài)，再對輸入量進行歸一化處理； 應(yīng)用預(yù)處理好的數(shù)據(jù)，首先采用最小ニ乘支持向量機算法，針對ー種燃料建模，最小ニ乘支持向量機算法所建模型泛化能力較強，然后再應(yīng)用徑向基神經(jīng)網(wǎng)絡(luò)建模，徑向基神經(jīng)網(wǎng)絡(luò)所建模型經(jīng)驗風(fēng)險較小，最后將最小ニ乘支持向量機模型和徑向基神經(jīng)網(wǎng)絡(luò)模型進行組合形成最終的針對于ー種燃料的燃燒優(yōu)化模型；用于建模的輸入?yún)?shù)及表征生物質(zhì)爐燃燒狀態(tài)的特征指標(biāo)的輸出參數(shù)表示為{x.,y2},其中ろ表示第2組作為輸入數(shù)據(jù)的生物質(zhì)爐運行參數(shù)向量，Λ表示第$組作為輸出參數(shù)的表征生物質(zhì)爐燃燒狀態(tài)特征的參數(shù)，N為樣本數(shù)量，以實際運行數(shù)據(jù)為基礎(chǔ)建立運行操作參數(shù)與生物質(zhì)爐不同燃燒狀態(tài)指標(biāo)間的模型； 首先，采用最小ニ乘支持向量機算法建模，核函數(shù)選為徑向基函數(shù) Ibi - χ,-lfK(XirXj) = ·φ(τ ) = exp ("——]-!■丨—) σ為徑向基函數(shù)的寬度，該表示形式為標(biāo)準(zhǔn)形式；_)為映射函數(shù)，設(shè)所求的目標(biāo)函數(shù)為=,/⑷為模型輸出的鍋爐燃燒狀態(tài)的特征指標(biāo)預(yù)測值，w為權(quán)重系數(shù)向量， 為截距；引入松弛因子ξ'和IiW及允許擬合誤差ε，ξ%>0、IiSO,模型通過在約束
全文摘要
本發(fā)明涉及一種生物質(zhì)爐燃燒優(yōu)化的建模方法。本發(fā)明方法首先采集生物質(zhì)爐運行參數(shù)及相關(guān)的表征生物質(zhì)爐燃燒狀態(tài)的特征指標(biāo)，建立數(shù)據(jù)庫；然后分別用最小二乘支持向量機和徑向基神經(jīng)網(wǎng)絡(luò)針對不同的燃料，建立燃燒模型，確定最小二乘支持向量機模型和徑向基神經(jīng)網(wǎng)絡(luò)模型的組合比例，將最小二乘支持向量機模型與徑向基神經(jīng)網(wǎng)絡(luò)模型按確定的最優(yōu)的比例系數(shù)相結(jié)合，構(gòu)成組合模型，針對給定的生物質(zhì)爐的其它種生物質(zhì)燃料建模，將不同的生物質(zhì)燃料的燃燒優(yōu)化模型組合在一起，構(gòu)成一個生物質(zhì)爐燃燒優(yōu)化整體模型。本發(fā)明方法滿足了生物質(zhì)爐燃燒優(yōu)化中燃料有變化且燃料種類有限變化的實際要求，保證了生物質(zhì)爐燃燒優(yōu)化的準(zhǔn)確性和可行性。
文檔編號G06Q50/00GK102842066SQ20121024503
公開日2012年12月26日 申請日期2012年7月16日 優(yōu)先權(quán)日2012年7月16日
發(fā)明者王春林, 王建中, 楊慧敏, 鐘哲科, 劉俊 申請人:杭州電子科技大學(xué)