[发明专利]一种锅炉在线燃烧优化的模型更新方法

说明书

技术领域

本发明属于信息控制技术领域，涉及到增量学习技术，特别是涉及一种锅炉在线燃烧优化的模型更新方法。

背景技术

电站锅炉的燃烧优化是节能减排的重要技术手段，其目标是通过调整锅炉配风、给煤等运行参数而获得高效率或低污染排放的运行状态。锅炉的很多运行参数如配风情况、给煤情况及氧量等的搭配对锅炉燃烧状态都有直接的影响，不同的配风、给煤等操作参数的配置会直接导致不同的锅炉效率及污染气体的排放的情况。对于给定的电站锅炉，在一定的负荷条件下，对于不同的燃烧状态的指标存在一种最优的操作参数配置方案，能够使燃烧状态最优化。然而，锅炉的操作参数间有着非常复杂的耦合关系，要找到最优的操作参数的配置是非常困难。随着科学技术的不断进步，锅炉运行自动化程度不断提高，但是锅炉燃烧优化问题一直没有很好的得到解决。

目前锅炉燃烧优化的研究热点是通过数据挖掘，在大量不同的实际运行参数组合中，应用机器学习的方法，挖掘出运行参数与锅炉燃烧指标间的关系模型，再利用优化算法结合挖掘出的模型进行锅炉的在线燃烧优化。这种方法节省人力物力，而且可以找到比人工实验更优的参数配置，但是由于锅炉设备的特性随着使用时间的增长会有所改变，而且燃用煤种有时也会变化，因此如何保证模型能够快速、高效的更新以适应新的情况成为了这种方法的瓶颈问题。该问题与建模方法、样本数据选取及更新策略等都有很大关系。

发明内容

本发明的目的是针对锅炉燃烧优化中的瓶颈问题，提出一种兼顾模型历史学习结果与新的变化情况的模型更新方法。

本发明具体是利用超出已存在模型预测误差限度的数据建立新的模型，然后再利用锅炉燃烧数据和优化算法，寻找最优的新模型和已有模型的权重系数，利用最优的权重系数将新模型和已有模型结合在一起，共同对新的锅炉工况进行预测，实现模型更新。该方法克服了传统更新方法中将已有模型完全放弃，不能利用已有模型的学习结果的缺点，充分利用了已有模型的学习结果，大大缩短了模型更新的计算工作量和时间。

本发明的技术方案是通过利用已有模型预测超出误差限度的数据作样本，建立新的模型，并将新模型与已有模型相结合等手段，确立了一种锅炉在线燃烧优化的模型更新方法，利用该方法可以快速、高效的实现模型的更新。

本发明方法的步骤包括：

步骤(1)建立已存在模型的预测错误数据库。根据具体锅炉燃烧情况和对模型预测精度的要求，设定模型的允许预测误差限δ，在采集数据时，判断模型预测值与实际运行值之间的误差与允许预测误差限δ的大小，如果预测误差大于δ，即|V_c-V_s|＞δ，其中V_c为模型预测值，V_s为实际运行数据，则将超限数据存入预测错误数据库中，以备模型更新之用。

步骤(2)建立新模型。原模型需要更新时，利用预测错误数据库中的数据作为训练样本，样本可以表示为{x_i，y_i}_i＝1^N，其中x_i表示第i组作为输入数据的锅炉运行参数向量，y_i表示第i组作为输出参数的表征锅炉燃烧状态的参数，采用支持向量机算法建立新的模型，核函数选为径向基函数：