[发明专利]一种电站锅炉NOx排放动态软测量方法

说明书

技术领域

本发明涉及热工技术以及人工智能交叉技术领域，具体涉及一种电站锅炉 NO_x排放动态软测量方法。

背景技术

随着我国经济和电力工业的快速发展，火电厂燃煤锅炉产生的氮氧化物成为了大气氮氧化物污染的主要来源，为满足日益严格的环保要求，对燃煤机组的 NO_x排放的控制提出了更高的要求。实现电站锅炉NO_x排放优化控制的前提是建立有效的NO_x排放软测量模型。

由于NO_x在煤的燃烧产物中生成复杂，锅炉燃烧系统也是电站系统中极为复杂的部分，涉及的输入变量众多且具有强非线性和强耦合，难于建立准确的机理模型。近年来，随着电站DCS、SIS系统的普及使海量的历史运行数据得以保留，为神经网络、支持向量机等基于数据驱动的软测量技术提供了良好的应用环境。其中，基于结构风险最小化原则的支持向量回归机(SVMR)展现出了比神经网络更好的泛化能力，较好地解决了软测量建模中存在的小样本、非线性、过拟合等困难。

现有技术大多数采用稳态建模的方法对电站锅炉NO_x排放建立稳态软测量模型，由于稳态工况下采样数据比较准确，因此稳态模型精度较高。但实际的电站锅炉运行中运用稳态软测量模型存在以下问题：

第一：通常只考虑各个测点时序匹配的数据作为稳态软测量模型的输入和输出，然而实际的电站锅炉运行过程大多数处在动态变化中，当前时刻系统输出量的某个状态是由此前一段时间的输入状态决定的，而不是某一个时间点的输入状态单独决定的，即忽略了燃烧过程的时延特性；

第二：由于稳态软测量模型需要系统保持在稳态工况下一定时间，以保证获取稳态数据的准确性，但也使得其适用性仅仅局限于稳态工况下，缺乏对过程动态变化特性的描述，一旦锅炉运行出现工况点变化或者产生扰动，稳态软测量模型的跟踪能力会大幅度下降；

第三：电站锅炉稳态运行条件往往难以满足，也限制了稳态模型的应用。

发明内容

发明目的：本发明的目的在于解决现有技术中存在的不足，提供一种基于支持向量回归机(SVMR)和非线性自回归滑动平均模型框架(NARMAX)实现的电站锅炉烟气NO_x排放动态软测量方法。

技术方案：本发明的一种电站锅炉NO_x排放动态软测量方法，包括以下步骤：

(1)数据采集及预处理：确定模型输入变量和输出变量，从DCS系统中采集得到原始样本对原始样本采用归一化预处理方法，并将各工况下测得的NO_x浓度折算到6％氧量下的值；其中x_i∈R^m表示第i组模型输入样本，m为输入变量的个数，y_i∈R表示第i组模型输出样本，n为样本数量；

由于环保局的监测数据均是统一设定一个标准的燃烧工况：剩余烟气中O₂的浓度为6％，因此本专利中，各工况下指的是由于实际燃烧中剩余烟气O₂的浓度中不一定为6％的情况，故需要按折算公式进行折算；

(2)初始化自适应粒子群算法：每个粒子p(i)包含m+3个变量，其中包括 m个输入变量x_i对应的阶次d_i、1个输出变量y对应的阶次d_y以及支持向量回归机SVMR模型的惩罚因子C和核参数σ，惩罚因子C和核参数σ为SVMR建模时需要人工设定的两个参数，其取值对模型软测量结果影响较大，故需要一同进行优化；

(3)将输入数据和输出数据整理成非线性自回归滑动平均模型框架 NARMAX模型结构：以粒子p(i)包含的输入变量x_i的阶次d_i和输出变量y的阶次d_y，将输入数据和输出数据整理成NARMAX模型结构，然后计算得到软测量模型的输入X(t)和输出Y(t)如下：

上式中，T为收集测点数据的采用周期，X(t)为采样时刻t对应的模型输入量，包含m个输入变量x_i在采样时刻t之前的连续d_i个采样周期的状态量，以及被测量y在采样时刻t之前的连续d_y个采样周期的状态量；Y(t)为采样时刻t 对应的模型输出量，为被测量y在采样时刻t时的状态量；