[发明专利]一种燃煤电厂锅炉热效率的在线软测量方法及系统

说明书

一种燃煤电厂锅炉热效率在线软测量方法，包括：S1、根据预先确定的影响锅炉热效率的特征参量，获取特征参量实时数据；S2、依据影响锅炉热效率的重要特征参量选取规则和特征参量实时数据，获得影响锅炉热效率的重要特征参量实时数据；重要特征参量选取规则是根据基于garson神经网络敏感度和皮尔逊相关系数确定的锅炉热效率重要影响因素来选取的；S3、将重要特征参量实时数据输入锅炉热效率预测模型，输出锅炉热效率实时预测结果；锅炉热效率预测模型是基于EM‑MLR最大化聚类‑多元回归算法优化的RBF神经网络训练后得到的。还提供一种燃煤电厂锅炉热效率在线软测量系统。可以实时、准确的对燃煤锅炉的热效率进行监测。

技术领域

本发明涉及锅炉热工技术与计算机监测技术领域，尤其涉及一种燃煤电厂锅炉热效率的在线软测量方法及系统。

背景技术

燃煤电厂锅炉的实际生产过程中，影响锅炉热效率的因素很多，并且难以用简单的公式来描述锅炉热效率与其影响因素之间的数学关系。

在目前的电厂生产中，燃煤锅炉热效率的分析大多在后期依靠炉渣碳含量，烟气温度与蒸汽温度、流量等数据来计算燃煤锅炉的热效率。这种方法费时费力，而且煤粉的低位发热量难以实时测量，只能通过延迟性的热力实验计算获得，这就使得锅炉热效率难以实时测量，无法为工程人员针对锅炉的实时运行情况进行相应的调整提供指导意见。

因此，亟需一种燃煤电厂锅炉热效率的在线软测量方法及系统。

发明内容

(一)要解决的技术问题

为了解决现有技术的上述问题，本发明提供了一种燃煤电厂锅炉热效率的在线软测量方法及系统。可以实时、准确的对燃煤锅炉的热效率进行监测。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

一种燃煤电厂锅炉热效率的在线软测量方法，包括以下步骤：

S1、根据预先确定的影响锅炉热效率的特征参量，获取特征参量实时数据。

S2、依据影响锅炉热效率的重要特征参量选取规则和特征参量实时数据，获得影响锅炉热效率的重要特征参量实时数据；重要特征参量选取规则是根据基于garson神经网络敏感度和皮尔逊相关系数确定的锅炉热效率重要影响因素来选取的。

S3、将所述重要特征参量实时数据输入锅炉热效率预测模型中，输出锅炉热效率的实时预测结果；锅炉热效率预测模型是基于EM-MLR最大化聚类-多元回归算法优化的RBF神经网络训练后得到的。

作为本发明燃煤电厂锅炉热效率在线软测量方法的一种改进，在步骤S1之前进行锅炉热效率重要影响因素的确定，包括：获取一定时间长度内锅炉热效率的实测热效率数据和特征参量历史数据，并对实测热效率数据和特征参量历史数据进行预处理；根据预处理后的实测热效率数据和特征参量历史数据，训练BP神经网络；根据训练完成后的BP神经网络中每一个特征参量在输入层至隐含层和隐含层至输出层的连接权值，计算每一个特征参量对热效率的神经网络敏感度，并将神经网络敏感度进行排序，剔除神经网络敏感度较低的特征参量；计算每两个特征参量之间的皮尔逊相关系数，剔除皮尔逊相关系数较大的两个特征参量中的一个。

作为本发明燃煤电厂锅炉热效率在线软测量方法的一种改进，对实测热效率数据和特征参量历史数据进行预处理，包括：采用AF-DBSCAN聚类算法，剔除异常数据点；将采集时刻相距较近的数据作为同一时刻采集的数据；采用五点三次滤波法，进行降噪处理。

作为本发明燃煤电厂锅炉热效率在线软测量方法的一种改进，在步骤S1之前，还包括：

S01、依据重要特征参量选取规则，从预处理的特征参量历史数据中选取重要特征参量历史数据作为训练集。

S02、根据训练集对RBF神经网络进行训练。