CN113358811A - 一种基于灼烧法标定的飞灰含碳量软测量方法及装置 - Google Patents

一种基于灼烧法标定的飞灰含碳量软测量方法及装置 Download PDF

Info

Publication number
CN113358811A
CN113358811A CN202110576286.8A CN202110576286A CN113358811A CN 113358811 A CN113358811 A CN 113358811A CN 202110576286 A CN202110576286 A CN 202110576286A CN 113358811 A CN113358811 A CN 113358811A
Authority
CN
China
Prior art keywords
soft measurement
fly ash
carbon content
soft
prediction model
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
CN202110576286.8A
Other languages
English (en)
Inventor
宁新宇
丁皓轩
周英彪
唐文
吴震坤
刘忠轩
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.)
Clp Huachuang Suzhou Power Technology Research Co ltd
Clp Huachuang Power Technology Research Co ltd
Huazhong University of Science and Technology
Original Assignee
Clp Huachuang Suzhou Power Technology Research Co ltd
Clp Huachuang Power Technology Research Co ltd
Huazhong University of Science and Technology
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 Clp Huachuang Suzhou Power Technology Research Co ltd, Clp Huachuang Power Technology Research Co ltd, Huazhong University of Science and Technology filed Critical Clp Huachuang Suzhou Power Technology Research Co ltd
Priority to CN202110576286.8A priority Critical patent/CN113358811A/zh
Publication of CN113358811A publication Critical patent/CN113358811A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N31/00—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods
    • G01N31/12—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods using combustion

Landscapes

  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Combustion & Propulsion (AREA)
  • Molecular Biology (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)

Abstract

本发明涉及一种基于灼烧法标定的飞灰含碳量软测量方法及装置，其中方法包括：周期性取样飞灰，以及取样时刻对应的软测量参数；根据取样得到的飞灰，采用灼烧法测量得到飞灰含碳量，并将该含碳量与对应的软测量参数作为一组训练数据；利用最后N组的训练数据进行训练更新软测量预测模型；采集软测量参数，并输入软测量预测模型得到飞灰含碳量。与现有技术相比，本发明灼烧法测量的飞灰含碳量准确性较高，使用灼烧法的输出数据作为软测量的基础样本数据，训练得到软测量预测模型，计算结果准确性高。

Description

一种基于灼烧法标定的飞灰含碳量软测量方法及装置
技术领域
本发明涉及飞灰含碳量软测量方法，尤其是涉及一种基于灼烧法标定的飞灰含碳量软测量方法及装置。
背景技术
为配合国家能源发展战略，火电机组节能减排任务迫在眉睫，提高发电效率，降低发电成本成为火电厂的重要任务之一。在燃煤锅炉中，机械不完全燃烧热损失是仅次于排烟热损失的第二大热损失。对于锅炉来说，降低机械不完全燃烧热损失可以有效提升锅炉热效率，对于电厂来说，机械不完全燃烧中的飞灰含碳量则是指导电厂运行的重要参数指标。但飞灰含碳量的数值却较难实现在线的实时的测量和显示，无法给电厂运行人员提供有效的指导，一定程度上制约了火电机组的运行和控制水平。
目前燃煤锅炉飞灰含碳量的测量方法主要分为离线法和在线法两种手段，离线法是适当取样后在高温的状态下，把一定量的飞灰样品进行燃烧，通过燃烧前后的重量差求得飞灰的含碳量，其测量结果准确性高，具有很强的煤种适应性，但缺点是所得的结果具有不可避免的滞后性，无法反应实时的燃烧状态。在线法又分为直接测量和软测量方法，直接测量法也存在一定的不足，一是样品管容易堵灰，影响测量的准确性；二是改造设备的成本比较高，附加设备复杂。软测量使用一些比较容易测量的辅助变量与飞灰含碳量之间的关系，通过数学手段分析，来估算飞灰含碳量，但不足之处在于，锅炉长期运行会导致锅炉的性能发生改变，如长时间不更新样本数据，各辅助参数与飞灰含碳量的非线性关系也在发生改变，导致软测量输出结果不准确。
发明内容
本发明的目的就是为了提供一种基于灼烧法标定的飞灰含碳量软测量方法及装置，克服和解决现有飞灰含碳量在线测量***的缺点与不足，提出一种基于灼烧法标定的飞灰含碳量软测量***。本发明通过在线灼烧测量***，连续周期性获得飞灰含碳量样本数据；使用周期更新的样本数据采用相关算法对软测量模型训练，提高软测量的输出结果准确性；采用软测量方法，弥补了灼烧法测量***的滞后性与不连续性，实现飞灰含碳量的在线测量；结合了具有强煤种适应性的灼烧法，使采用灼烧法输出数据作为样本的软测量法也具有较强的变工况适应性。
本发明的目的可以通过以下技术方案来实现：
一种基于灼烧法标定的飞灰含碳量软测量方法，包括：
周期性取样飞灰，以及取样时刻对应的软测量参数；
根据取样得到的飞灰，采用灼烧法测量得到飞灰含碳量，并将该含碳量与对应的软测量参数作为一组训练数据；
利用最后N组的训练数据进行训练更新软测量预测模型；
采集软测量参数，并输入软测量预测模型得到飞灰含碳量。
所述软测量参数包括锅炉实际负荷、给煤机出力、收到基挥发分和低位发热量。
所述利用最后N组的训练数据进行训练更新软测量预测模型中的N取值为 40-60。
所述利用最后N组的训练数据进行训练更新软测量预测模型中的N取值为50。
所述软测量预测模型为支持向量机模型。
一种基于灼烧法标定的飞灰含碳量软测量装置，包括处理器、存储器，以及程序，所述处理器执行程序时实现上述的方法。
与现有技术相比，本发明具有以下有益效果：
1)灼烧法测量的飞灰含碳量准确性较高，使用灼烧法的输出数据作为软测量的基础样本数据，训练得到软测量预测模型，计算结果准确性高。
2)灼烧测量装置周期性运行并更新软测量的基础样本数据，使软测量模型所寻找的辅助变量与飞灰含碳量的非线性关系具有实时性，更能反映锅炉的燃烧状态。
3)实现了飞灰含碳量的在线测量，输出的飞灰含碳量结果具有实时性与连续性。
4)测量***最终的输出结果具有较强的变煤种适应性。
附图说明
图1为本发明的结构示意图；
图2为本发明实施例的结构示意图；
图3为本发明飞灰含碳量软测量方法的流程图；
图4为本发明软测量***整理运行流程图。
其中：1、锅炉烟道，2、飞灰取样装置，3、灼烧测量装置，4、飞灰排放装置，5、信号处理与控制器，6、软测量计算单元，7、数据库，8、DCS***，21、飞灰取样管，22、压缩空气管，23、烟气分离单元，24、下降管，25、称量容器， 26、机械装置。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
参照图1和图2，本发明所述测量***共分为两部分运行，一部分为灼烧法获取样本数据，另一部分为飞灰含碳量的软测量。
在灼烧法获取样本数据的过程中，通过飞灰取样管21从锅炉烟道1中获取含灰烟气，飞灰在烟气分离单元23中与烟气分离，飞灰在下降管24中均匀下落至称量容器25中，由某种机械装置26将称量容器25送入灼烧测量装置3，测量完毕残余飞灰经由飞灰排放装置4排出，整个过程由信号处理与控制器5进行控制，使灼烧测量***周期性运行，测得的参数被送入数据库7中。
在飞灰含碳量的软测量过程中，首先对DCS原数据进行适当的预处理，然后使用相关计算方法确定软测量变量的个数，例如，多元线性回归，偏最小二乘法，压缩系数法等变量选择法等。使用相关智能算法对现有数据样本进行建模，使用相关智能算法优化建模中的关键参数，最终得到主要辅助变量与飞灰含碳量的非线性关系，再根据当前DCS所采集的主要辅助变量数据，计算得出当前的飞灰含碳量。
在***整体运行时，首先给定软测量训练样本的个数、软测量的测量周期、灼烧测量的测量周期。灼烧测量装置3先工作，每测量一次飞灰含碳量，记录飞灰含碳量并与当前时刻DCS采集的辅助变量数据同步并全部记录至数据库中，直至数据库中的样本个数满足软测量的训练样本个数。软测量模块开始运行并将数据记录至数据库，判断灼烧测量装置是否得到了最新数据，替换存留时间最久的陈旧数据，保证软测量训练样本个数的稳定性与实时性，如此往复，便可根据软测量持续稳定输出飞灰含碳量的值。
具体的，如图3所示，一种基于灼烧法标定的飞灰含碳量软测量方法，包括：
周期性取样飞灰，以及取样时刻对应的软测量参数；
根据取样得到的飞灰，采用灼烧法测量得到飞灰含碳量，并将该含碳量与对应的软测量参数作为一组训练数据；
利用最后N组的训练数据进行训练更新软测量预测模型；
采集软测量参数，并输入软测量预测模型得到飞灰含碳量。
在一些实施例中，软测量参数包括锅炉实际负荷、给煤机出力、收到基挥发分和低位发热量。
在一些实施例中，利用最后N组的训练数据进行训练更新软测量预测模型中的N取值为40-60。在其中一个实施例中，利用最后N组的训练数据进行训练更新软测量预测模型中的N取值为50。
软测量预测模型为支持向量机模型或神经网络等预测算法，以偏最小二乘法、支持向量机和遗传算法为例，用于阐述本发明所述技术思想的基本运行原理，计算时所采用的部分数据如表1所示。
表1
Figure BDA0003084474830000041
***开始运行时，灼烧法周期性产生飞灰含碳量测量的数据，直至数据量达到一定值，假设数据量设定值为50，当产生第50组数据后，1-50组数据共同作为飞灰含碳量软测量的模型样本，利用1-50组数据进行建模。使用预处理及偏最小二乘方法对数据进行筛选。遗传算法对支持向量机参数惩罚因子c搜索范围为 0.01-100，对不敏感度ε搜索范围为0.001-10，对径向基核参数σ搜索范围为0.01-100。
经过计算，优化后1-50组样本数据得到最优惩罚因子c、不敏感度ε和径向基核参数σ的值分别为：9.544、0.2886和0.3944。使用上述三个系数进行飞灰含碳量的软测量计算。从DCS***中获取基础输入数据，计算飞灰含碳量结果如表2 所示：
表2
Figure BDA0003084474830000051
软测量***周期性进行数据输出，直至灼烧法测量***产生新的数据录入数据库中，此时数据库中有1-51组数据，将最早的一组数据剔除，即使用2-51组数据进行新一轮建模。建模和计算过程同上，如此周期性连续运行。灼烧法测量实时对软测量数据库进行更新，软测量***连续快速的输出飞灰含碳量数值。

Claims (10)

1.一种基于灼烧法标定的飞灰含碳量软测量方法，其特征在于，包括：
周期性取样飞灰，以及取样时刻对应的软测量参数；
根据取样得到的飞灰，采用灼烧法测量得到飞灰含碳量，并将该含碳量与对应的软测量参数作为一组训练数据；
利用最后N组的训练数据进行训练更新软测量预测模型；
采集软测量参数，并输入软测量预测模型得到飞灰含碳量。
2.根据权利要求1所述的一种基于灼烧法标定的飞灰含碳量软测量方法，其特征在于，所述软测量参数包括锅炉实际负荷、给煤机出力、收到基挥发分和低位发热量。
3.根据权利要求1所述的一种基于灼烧法标定的飞灰含碳量软测量方法，其特征在于，所述利用最后N组的训练数据进行训练更新软测量预测模型中的N取值为40-60。
4.根据权利要求3所述的一种基于灼烧法标定的飞灰含碳量软测量方法，其特征在于，所述利用最后N组的训练数据进行训练更新软测量预测模型中的N取值为50。
5.根据权利要求1所述的一种基于灼烧法标定的飞灰含碳量软测量方法，其特征在于，所述软测量预测模型为支持向量机模型。
6.一种基于灼烧法标定的飞灰含碳量软测量装置，包括处理器、存储器，以及程序，其特征在于，所述处理器执行所述程序时实现以下步骤：
周期性取样飞灰，以及取样时刻对应的软测量参数；
根据取样得到的飞灰，采用灼烧法测量得到飞灰含碳量，并将该含碳量与对应的软测量参数作为一组训练数据；
利用最后N组的训练数据进行训练更新软测量预测模型；
采集软测量参数，并输入软测量预测模型得到飞灰含碳量。
7.根据权利要求6所述的一种基于灼烧法标定的飞灰含碳量软测量装置，其特征在于，所述软测量参数包括锅炉实际负荷、给煤机出力、收到基挥发分和低位发热量。
8.根据权利要求6所述的一种基于灼烧法标定的飞灰含碳量软测量装置，其特征在于，所述利用最后N组的训练数据进行训练更新软测量预测模型中的N取值为40-60。
9.根据权利要求8所述的一种基于灼烧法标定的飞灰含碳量软测量装置，其特征在于，所述利用最后N组的训练数据进行训练更新软测量预测模型中的N取值为50。
10.根据权利要求6所述的一种基于灼烧法标定的飞灰含碳量软测量装置，其特征在于，所述软测量预测模型为支持向量机模型。
CN202110576286.8A 2021-05-26 2021-05-26 一种基于灼烧法标定的飞灰含碳量软测量方法及装置 Pending CN113358811A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110576286.8A CN113358811A (zh) 2021-05-26 2021-05-26 一种基于灼烧法标定的飞灰含碳量软测量方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110576286.8A CN113358811A (zh) 2021-05-26 2021-05-26 一种基于灼烧法标定的飞灰含碳量软测量方法及装置

Publications (1)

Publication Number Publication Date
CN113358811A true CN113358811A (zh) 2021-09-07

Family

ID=77527613

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110576286.8A Pending CN113358811A (zh) 2021-05-26 2021-05-26 一种基于灼烧法标定的飞灰含碳量软测量方法及装置

Country Status (1)

Country Link
CN (1) CN113358811A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102778538A (zh) * 2012-07-06 2012-11-14 广东电网公司电力科学研究院 一种基于改进支持向量机的锅炉飞灰含碳量软测量方法
CN107133460A (zh) * 2017-04-26 2017-09-05 中国能源建设集团广东省电力设计研究院有限公司 一种锅炉飞灰含碳量在线动态预测方法
CN111754093A (zh) * 2020-06-11 2020-10-09 浙江浙能技术研究院有限公司 一种基于煤质预测和pso-svm的飞灰含碳量预测方法
CN112287598A (zh) * 2020-09-28 2021-01-29 山西漳山发电有限责任公司 一种基于粒子群参数优化的飞灰含碳量预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102778538A (zh) * 2012-07-06 2012-11-14 广东电网公司电力科学研究院 一种基于改进支持向量机的锅炉飞灰含碳量软测量方法
CN107133460A (zh) * 2017-04-26 2017-09-05 中国能源建设集团广东省电力设计研究院有限公司 一种锅炉飞灰含碳量在线动态预测方法
CN111754093A (zh) * 2020-06-11 2020-10-09 浙江浙能技术研究院有限公司 一种基于煤质预测和pso-svm的飞灰含碳量预测方法
CN112287598A (zh) * 2020-09-28 2021-01-29 山西漳山发电有限责任公司 一种基于粒子群参数优化的飞灰含碳量预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
楼锐 等: "一种基于 LSSVM 的飞灰含碳量软测量方法及装置", 《南方能源建设》 *

Similar Documents

Publication Publication Date Title
CN111461355B (zh) 基于随机森林的二噁英排放浓度迁移学习预测方法
CN111754093B (zh) 一种基于煤质预测和pso-svm的飞灰含碳量预测方法
WO2021159585A1 (zh) 一种二噁英排放浓度预测方法
CN110991756B (zh) 基于ts模糊神经网络的mswi炉膛温度预测方法
CN112163350B (zh) 一种制粉***双模型的煤粉细度实时在线软测量***及方法
CN111931346A (zh) 一种燃煤锅炉入炉煤低位热值的实时计算方法及应用
CN111780127B (zh) 一种垃圾焚烧炉燃烧管理***
CN111505236B (zh) 一种基于煤质工业分析实时获取元素分析的煤质监测方法
CN102226772B (zh) 电厂锅炉飞灰含碳量测量装置
CN110500596A (zh) 一种危险废物焚烧自动控制方法
CN111462835A (zh) 一种基于深度森林回归算法的二噁英排放浓度软测量方法
CN113177352A (zh) 一种基于数值模拟和人工智能的锅炉燃烧优化***及方法
CN113358811A (zh) 一种基于灼烧法标定的飞灰含碳量软测量方法及装置
US6230495B1 (en) Method for optimizing fossil-fueled power stations
CN111855953A (zh) 一种燃煤电站入炉煤发热量快速反馈方法及***
CN116401948A (zh) 基于lstm的电站锅炉灰渣生成量在线预测方法及***
EP4352339A1 (en) A method and a system for monitoring and on-line determining of a calorific value of solid fuel that is currently combusted in a boiler
CN113836794B (zh) 一种软硬结合的飞灰含碳量在线监测方法
CN100366876C (zh) 燃气-蒸汽联合循环发电站运行效率在线解析方法和***
CN201965099U (zh) 电厂锅炉飞灰含碳量测量装置
CN111091251A (zh) 一种基于大数据技术的锅炉操作优化方法及***
Chen et al. Cascade transfer function models of MSWI process based on weight adaptive particle swarm optimization
CN108119909A (zh) 一种秸秆直燃循环流化床锅炉变负荷蒸汽压跟踪控制方法
CN113761454B (zh) 一种基于不确定度的垃圾热值测试***及优化方法
CN109344561A (zh) 一种基于相似性原理实现软测量方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination