CN104634706A - 一种基于神经网络的煤粉细度软测量方法 - Google Patents

一种基于神经网络的煤粉细度软测量方法 Download PDF

Info

Publication number
CN104634706A
CN104634706A CN201510033857.8A CN201510033857A CN104634706A CN 104634706 A CN104634706 A CN 104634706A CN 201510033857 A CN201510033857 A CN 201510033857A CN 104634706 A CN104634706 A CN 104634706A
Authority
CN
China
Prior art keywords
coal
training
model
fineness
neural network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510033857.8A
Other languages
English (en)
Inventor
陈献春
陈宇
卢熠
蒋孝科
林阿平
王寅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FUJIAN EPRI POWER COMMISSIONING Co Ltd
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
State Grid Fujian Electric Power Co Ltd
Original Assignee
FUJIAN EPRI POWER COMMISSIONING Co Ltd
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
State Grid Fujian Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by FUJIAN EPRI POWER COMMISSIONING Co Ltd, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd, State Grid Fujian Electric Power Co Ltd filed Critical FUJIAN EPRI POWER COMMISSIONING Co Ltd
Priority to CN201510033857.8A priority Critical patent/CN104634706A/zh
Publication of CN104634706A publication Critical patent/CN104634706A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Disintegrating Or Milling (AREA)
  • Crushing And Grinding (AREA)

Abstract

本发明涉及一种基于神经网络的煤粉细度软测量方法，其特征在于：包括以下步骤：步骤S01：根据磨煤机类型，获取该磨煤机进口、出口相关数据，将所述数据样本分为训练样本和测试样本；步骤S02：建立煤粉细度R90的人工神经网络模型；步骤S03：确定训练精度或最大训练次数；步骤S04：利用训练样本对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；步骤S05：将测试样本加载人工神经网络模型并进行测试；步骤S06：如果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。本发明解决了由于电厂煤粉取样困难和煤粉细度R90分析缺少而带来的问题。

Description

一种基于神经网络的煤粉细度软测量方法
技术领域
本发明涉及一种煤粉细度R90软测量方法，特别是一种基于神经网络的煤粉细度软测量方法。
背景技术
煤粉细度R90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煤粉细度R90分析都要在现场取得煤粉进行化验分析，每天都要重复同样的工作，工作量大，而且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煤粉细度在线分析方法非常有必要。
目前在线检测煤粉细度R90的方法有微波测量法、激光脉动法、静电测量法，这些分析方法的仪器设备昂贵，现场安装数量多，而且受现场煤粉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。
神经网络是一个非线性动力学***，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***所能实现的行为却是极其丰富多彩的。
煤粉细度R90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、分离器特性参数、煤质工业分析到煤粉细度R90的非线性映射模型的建立有效地控制了由于煤粉细度R90数据缺少而给锅炉运行、燃烧优化调整带来的困难。
发明内容
本发明的目的是提供一种基于神经网络的煤粉细度软测量方法。
本发明采用以下技术方案实现：一种基于神经网络的煤粉细度软测量方法，其特征在于：包括以下步骤：步骤S01：根据磨煤机类型，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：建立煤粉细度R90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：将测试样本加载到煤粉细度R90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。
在本发明一实施例中，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，磨煤机分离器挡板开度或旋转分离器转速，原煤空干基水分，原煤空干基挥发分，原煤空干基灰分及原煤可磨性指数HGI。
在本发明一实施例中，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出口煤粉细度R90。
本发明通过神经网络的方法，从磨煤机运行参数、分离器特性参数、煤质工业分析到煤粉细度R90的非线性映射模型的建立有效地控制了由于煤粉细度R90数据缺少而给锅炉运行、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
图1为本发明的流程图，本发明主要步骤为：步骤S01：根据磨煤机类型，获取该磨煤机相关出口数据，将获得的数据样本分为训练样本和测试样本；步骤S02：建立煤粉细度R90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：将测试样本加载到煤粉细度R90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。
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）和磨煤机分离器挡板开度或旋转分离器转速；再取样得到原煤样和煤粉样进行原煤工业分析，得到原煤空干基水分、空干基挥发分、空干基灰分、原煤可磨性指数HGI与相应的磨煤机出口煤粉细度R90的数据样本；其次将数据样本分为训练样本和测试样本。
人工神经网络包括了输入层、隐层和输出层。在本发明具体实施例中，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、磨煤机分离器挡板开度或旋转分离器转速、原煤空干基水分、原煤空干基挥发分、原煤空干基灰分、原煤可磨性指数HGI，是一个十维的输入向量；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出口煤粉细度R90。
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）和磨煤机分离器挡板开度或旋转分离器转速，取样得到原煤样和煤粉样进行原煤工业分析（空干基水分、空干基挥发分、空干基灰分）、原煤可磨性指数HGI、煤粉细度R90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。

Claims (3)

1. 一种基于神经网络的煤粉细度软测量方法，其特征在于：包括以下步骤：
步骤S01：根据磨煤机类型，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：建立煤粉细度R90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：将测试样本加载到煤粉细度R90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。
2.根据权利要求1所述的基于神经网络的煤粉细度软测量方法，其特征在于：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，磨煤机分离器挡板开度或旋转分离器转速，原煤空干基水分，原煤空干基挥发分，原煤空干基灰分及原煤可磨性指数HGI。
3.根据权利要求1所述的基于神经网络的煤粉细度软测量方法，其特征在于：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出口煤粉细度R90。
CN201510033857.8A 2015-01-23 2015-01-23 一种基于神经网络的煤粉细度软测量方法 Pending CN104634706A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510033857.8A CN104634706A (zh) 2015-01-23 2015-01-23 一种基于神经网络的煤粉细度软测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510033857.8A CN104634706A (zh) 2015-01-23 2015-01-23 一种基于神经网络的煤粉细度软测量方法

Publications (1)

Publication Number Publication Date
CN104634706A true CN104634706A (zh) 2015-05-20

Family

ID=53213700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510033857.8A Pending CN104634706A (zh) 2015-01-23 2015-01-23 一种基于神经网络的煤粉细度软测量方法

Country Status (1)

Country Link
CN (1) CN104634706A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106124373A (zh) * 2016-06-17 2016-11-16 中国大唐集团科学技术研究院有限公司华东分公司 一种煤粉浓度的测量方法
CN106124371A (zh) * 2016-08-03 2016-11-16 西安理工大学 一种基于静电法的气固两相流细度测量装置及测量方法
CN106251089A (zh) * 2016-08-15 2016-12-21 江苏方天电力技术有限公司 一种煤质波动状态在线软测量方法
CN106529671A (zh) * 2016-10-28 2017-03-22 国网福建省电力有限公司 一种基于神经网络的原煤全水分软测量方法
CN109541168A (zh) * 2018-11-26 2019-03-29 江苏方天电力技术有限公司 一种煤粉经济细度在线监测与调整方法
CN109615084A (zh) * 2017-09-30 2019-04-12 中电华创电力技术研究有限公司 正压式中速磨煤机制粉装置煤粉细度实时监测***
CN111612212A (zh) * 2020-04-10 2020-09-01 杭州电子科技大学 一种磨煤机煤粉细度的在线优化模型更新方法
CN111612211A (zh) * 2020-04-10 2020-09-01 杭州电子科技大学 一种磨煤机煤粉细度的预测建模方法
CN111612210A (zh) * 2020-04-10 2020-09-01 杭州电子科技大学 一种磨煤机煤粉细度的在线优化方法
CN112800995A (zh) * 2021-02-04 2021-05-14 广州甄好数码科技有限公司 使用多尺度特征加权的智能颗粒大小检测方法
CN113533622A (zh) * 2021-07-19 2021-10-22 华能国际电力股份有限公司上海石洞口第二电厂 一种基于神经网络的磨煤机煤质预测方法
CN113792255A (zh) * 2021-11-17 2021-12-14 西安热工研究院有限公司 基于电厂大数据在线计算磨煤机出口煤粉细度的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6014653A (en) * 1996-01-26 2000-01-11 Thaler; Stephen L. Non-algorithmically implemented artificial neural networks and components thereof
CN2752755Y (zh) * 2004-10-15 2006-01-18 南京大陆中电科技股份有限公司 煤粉细度在线检测装置
CN101038277A (zh) * 2007-04-19 2007-09-19 东北大学 基于最小二乘－支持向量机的制粉过程煤粉细度软测量方法
CN103995775A (zh) * 2014-05-20 2014-08-20 浪潮电子信息产业股份有限公司 一种基于神经网络的测试数据生成方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6014653A (en) * 1996-01-26 2000-01-11 Thaler; Stephen L. Non-algorithmically implemented artificial neural networks and components thereof
CN2752755Y (zh) * 2004-10-15 2006-01-18 南京大陆中电科技股份有限公司 煤粉细度在线检测装置
CN101038277A (zh) * 2007-04-19 2007-09-19 东北大学 基于最小二乘－支持向量机的制粉过程煤粉细度软测量方法
CN103995775A (zh) * 2014-05-20 2014-08-20 浪潮电子信息产业股份有限公司 一种基于神经网络的测试数据生成方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周品: "《MATLAB神经网络设计与应用》", 31 March 2013 *
王茂贵: "第六章 煤粉细度的优化选择及其软测量", 《中国优秀博硕士学位论文全文数据库（硕士） 工程科技Ⅱ辑》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106124373B (zh) * 2016-06-17 2018-08-31 中国大唐集团科学技术研究院有限公司华东分公司 一种煤粉浓度的测量方法
CN106124373A (zh) * 2016-06-17 2016-11-16 中国大唐集团科学技术研究院有限公司华东分公司 一种煤粉浓度的测量方法
CN106124371A (zh) * 2016-08-03 2016-11-16 西安理工大学 一种基于静电法的气固两相流细度测量装置及测量方法
CN106124371B (zh) * 2016-08-03 2019-03-26 西安理工大学 一种基于静电法的气固两相流细度测量装置及测量方法
CN106251089A (zh) * 2016-08-15 2016-12-21 江苏方天电力技术有限公司 一种煤质波动状态在线软测量方法
CN106529671A (zh) * 2016-10-28 2017-03-22 国网福建省电力有限公司 一种基于神经网络的原煤全水分软测量方法
CN109615084A (zh) * 2017-09-30 2019-04-12 中电华创电力技术研究有限公司 正压式中速磨煤机制粉装置煤粉细度实时监测***
CN109541168A (zh) * 2018-11-26 2019-03-29 江苏方天电力技术有限公司 一种煤粉经济细度在线监测与调整方法
CN111612212A (zh) * 2020-04-10 2020-09-01 杭州电子科技大学 一种磨煤机煤粉细度的在线优化模型更新方法
CN111612211A (zh) * 2020-04-10 2020-09-01 杭州电子科技大学 一种磨煤机煤粉细度的预测建模方法
CN111612210A (zh) * 2020-04-10 2020-09-01 杭州电子科技大学 一种磨煤机煤粉细度的在线优化方法
CN112800995A (zh) * 2021-02-04 2021-05-14 广州甄好数码科技有限公司 使用多尺度特征加权的智能颗粒大小检测方法
CN113533622A (zh) * 2021-07-19 2021-10-22 华能国际电力股份有限公司上海石洞口第二电厂 一种基于神经网络的磨煤机煤质预测方法
CN113792255A (zh) * 2021-11-17 2021-12-14 西安热工研究院有限公司 基于电厂大数据在线计算磨煤机出口煤粉细度的方法

Similar Documents

Publication Publication Date Title
CN104634706A (zh) 一种基于神经网络的煤粉细度软测量方法
Rotter et al. New techniques for the characterization of refuse-derived fuels and solid recovered fuels
CN101157006A (zh) 燃煤机组烟气脱硫实时监控及信息管理***
CN102226904A (zh) 电站大型锅炉一次风风量的软测量方法
Ahmed Wind tunnel designs and their diverse engineering applications
CN103823971A (zh) 一种燃煤电站锅炉烟气含氧量检测方法
CN112525977A (zh) 一种无组织VOCs泄漏在线监测溯源方法和***
Song et al. Nonlinear creep model and parameter identification of mudstone based on a modified fractional viscous body
CN103617364A (zh) 基于小样本的大型回转支承剩余使用寿命预测方法
CN112967764A (zh) 多技术耦合的污染物源解析方法、装置
CN103698540B (zh) 一种木质生物质燃料中灰分含量的快速测定方法和装置
Benaberrahmane et al. Analytical evaluation of frequencies of bidirectional FG thick beams in thermal environment and resting on different foundation
CN106529671A (zh) 一种基于神经网络的原煤全水分软测量方法
CN104198430A (zh) 醋酸丁酸纤维素取代基含量的检测方法
Bietresato et al. Engine test stand layout and post processing tools for the detection of many engine performance parameters
Gibanica et al. Spread in modal data obtained from wind turbine blade testing
Banerjee et al. Advanced air quality monitoring system using raspberry pi
Zhao et al. Research on the application of computer intelligent detection in civil engineering technology
Jin et al. Compilation of drilling load spectrum based on the characteristics of drilling force
Steiner et al. Particulate emissions from biomass power plants: a practical review and measurement uncertainty issues
Polivyanchuk et al. Mathematical modeling of diesel engine operation mode influence on mass emission of particulate matter with exhaust gases using microtunnel
Tao et al. Evaluation study on ecosystem based on system dynamics: A case study of Gongga Mountain forest ecosystem
CN116879513B (zh) 气体分析***的验证方法、装置、设备及存储介质
Xie et al. SVR based prediction modeling for carbon content of pulverized coal in primary air pipe of thermal power plant boiler
Marek Continuous vacuum technology for drying woodchips

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20150520

RJ01 Rejection of invention patent application after publication