基于含噪數(shù)據(jù)的電站鍋爐數(shù)據(jù)驅(qū)動建模方法研究.pdf

1、我國火電機組占發(fā)電裝機容量的75％左右，隨著經(jīng)濟發(fā)展對電力需求的增加和社會對環(huán)境質(zhì)量的日益關注，提高電站鍋爐的燃燒效率、降低其污染排放愈來愈重要。電站鍋爐是一個復雜大系統(tǒng)，其中包含燃料燃燒、工質(zhì)流動與換熱等物理化學過程，難以用精確數(shù)學模型描述，對系統(tǒng)的優(yōu)化運行造成了困難。鍋爐工作過程中一些重要參數(shù)，如飛灰含炭量、煙氣含氧量、風粉濃度和氮氧化物含量等都能反映鍋爐燃燒效率，但由于燃燒系統(tǒng)復雜、關聯(lián)性強，加上技術或經(jīng)濟的原因，很難通過直接測量

2、獲取這些參數(shù)值，通過機組運行過程中積累的數(shù)據(jù)，建立這些關鍵參量的軟測量模型是一種有效方法。
　　本文以煙氣含氧量模型為例，研究了數(shù)據(jù)驅(qū)動的軟測量建模方法，來解決難以測量的問題。鍋爐工作過程中由于受到外界干擾或內(nèi)部設備振動等影響，數(shù)據(jù)易受到噪聲污染，本文對含噪數(shù)據(jù)進行小波去噪處理，建立基于最小二乘支持向量機（least square support vector machine,LS-SVM）軟測量模型，并將粒子群算法應用在 LS-

3、SVM參數(shù)優(yōu)化上，進而優(yōu)化模型提高測量精度和泛化能力。本文的主要工作如下：
　　通過分析比較幾種常用小波去噪方法，提出了利用小波收縮閾值的去噪方法，分析了閾值函數(shù)、分解層數(shù)、小波基和閾值選取方式對去噪效果的影響，并對鍋爐工作現(xiàn)場采集的數(shù)據(jù)進行仿真分析，結(jié)果表明小波收縮閾值法可有效去除噪聲。
　　結(jié)合電站鍋爐工作過程，以煙氣含氧量為例，建立基于最小二乘支持向量機的煙氣含氧量軟測量模型，考慮到數(shù)據(jù)噪聲對 LS-SVM模型精度的影

4、響，將小波收縮閾值去噪方法用于對采集到樣本數(shù)據(jù)的處理，并建立 LS-SVM模型，并對數(shù)據(jù)去噪前后建模效果進行了對比分析，仿真結(jié)果表明小波閾值去噪和 LS-SVM相結(jié)合能夠提高模型精度。
　　模型參數(shù)是影響模型性能的一個重要因素，本文利用一種改進的粒子群算法（improvedparticle swarm optimization,IPSO）對LS-SVM的參數(shù)進行優(yōu)化，仿真結(jié)果表明改進的 PSO算法較標準 PSO算法可提高優(yōu)化效率；