基于數(shù)據(jù)驅(qū)動的灰渣含碳量軟測量方法研究.pdf

1、在鍋爐的實時運行中，灰渣含碳量直接反映了煤的利用率也是鍋爐熱效率的一個重要參考指標(biāo)。大多數(shù)中小型鍋爐運行中，由于受測量手段的限制，只能通過離線燃燒失重法測量灰渣含碳量的值，該方法耗時長、滯后大。難以應(yīng)用這個參數(shù)對鍋爐的燃燒進行及時的優(yōu)化調(diào)節(jié)。軟測量技術(shù)以其實時性強和建模方法多樣化等優(yōu)點成為解決這一問題的有效手段之一。鍋爐的燃燒是一個復(fù)雜的過程，灰渣含碳量與鍋爐的熱工參數(shù)和各個操作變量之間存在著非線性、強耦合的關(guān)系。
　　本文應(yīng)用較

2、常用的建模方法—多元逐步回歸法對灰渣含碳量進行軟測量建模，以此方法得到的灰渣含碳量模型是一種線性數(shù)學(xué)表達式，可以確定進入表達式的輔助變量及具體模型參數(shù)?；貧w模型把各個變量與灰渣含碳量之間的關(guān)系線性化，在特定的區(qū)段基本能反映灰渣含碳量的變化趨勢。當(dāng)灰渣含碳量超過該區(qū)間范圍時，該模型的泛化能力較差并無法較吻合的反應(yīng)灰渣含碳量的實際值。因此把灰渣含碳量與輔助變量之間的關(guān)系線性化是不合適的。神經(jīng)網(wǎng)絡(luò)具有良好的非線性問題處理能力、強大的自學(xué)習(xí)能力

3、，可以利用不同的權(quán)重值表述各個工藝參數(shù)的權(quán)重，但是對于建模過程人不可參與;模糊系統(tǒng)可以充分利用經(jīng)驗與知識，建模過程不再是一個“黑箱”過程。神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)之間有著顯著的互補優(yōu)勢，兩者結(jié)合形成的自適應(yīng)神經(jīng)模糊推理系統(tǒng)ANFIS(Adaptive Neural Fuzzy Inference System)兼?zhèn)淞藘烧叩膬?yōu)點，能夠利用語言信息與數(shù)值信息。利用ANFIS建立灰渣含碳量模型時，通過對自變量劃分不同數(shù)量的模糊語言，生成了全面性的規(guī)

4、則庫，并通過機理分析對隸屬度函數(shù)進行調(diào)節(jié)，使模型的精確度更高適用范圍更廣。通過對不同模型精確度的對比可知ANFIS模型的平均絕對誤差率比神經(jīng)網(wǎng)絡(luò)模型低2.22％，比多元逐步回歸模型低3.06％。因此ANFIS模型更適合對灰渣含碳量進行軟測量。將ANFIS建立的灰渣含碳量模型應(yīng)用到某大學(xué)的一臺熱水鍋爐上。根據(jù)灰渣含碳量的在線實時軟測量值優(yōu)化鍋爐的燃燒，灰渣含碳量平均下降了2.45％，提高了煤炭的利用率。因此灰渣含碳量的軟測量對鍋爐的燃燒提