[发明专利]一种基于BP神经网络的烟道飞灰等速取样系统和控制方法

说明书

技术领域

本发明涉及烟道飞灰检测领域，特别是涉及一种烟道飞灰等速取样器及基于BP神经网络的烟道飞灰等速取样系统和控制方法。

背景技术

对于现代火力发电机组来说，飞灰含碳量是反映火力发电厂燃煤锅炉燃烧效率的一项重要指标，精确和实时地监测飞灰含碳量有利于提高锅炉燃烧控制水平，降低发电成本，提高机组运行的经济性。现在电厂燃烧锅炉的烟道飞灰取样采取的是静压平衡等速飞灰取样方式，因为当取样速度等于烟道飞灰流速时，采样才具有代表性，有利于分析锅炉燃烧性能，调整燃烧方案。由伯努利方程(如图1所示)得到：当烟道静压采样嘴内静压时，即可实现等速取样。由于在取样嘴等处会有静压损失，取样嘴内部静压小于烟道内静压，二者静压差值为∑Δ，通过调节进入取样嘴中的空气量，改变取样嘴内的静压，使得达到补偿静压差目的。因此实现飞灰等速取样是依靠使取样器的取样嘴中的静压与烟道取样处的静压相等来实现的，而实现取样嘴内静压与取样处压强相等是依靠控制连接在取样管的进气阀阀门开度。由于根据实时测得的静压差控制取样嘴进气阀门开度会有时间上滞后以及阀门调节自身具有的滞后性，造成阀门开度的调节滞后于取样嘴与烟道取样点处的静压差的变化，导致等速取样并不能很好的实现。

BP神经网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值，使网络的误差平方和最小。BP算法由数据流的前向计算(正向传播)和误差信号的反向传播两个过程构成。正向传播时，传播方向为输入层→隐层→输出层，每层神经元的状态只影响下一层神经元。若在输出层得不到期望的输出，则转向误差信号的反向传播流程。通过这两个过程的交替进行，在权向量空间执行误差函数梯度下降策略，动态迭代搜索一组权向量，使网络误差函数达到最小值，从而完成信息提取和记忆过程。

经过对烟道飞灰等速取样相关技术资料的检索，发现如，中国专利号201320772721.5，公开日2014年4月16日的专利文件一种加热型固定式等速飞灰取样装置，包括：取样头、取样枪、存储罐、旋风分离器，取样头设置在烟道内，取样枪的一端连接取样头，另一端伸 出烟道与旋风分离器连接，旋风分离器的底部连接存储罐，其特征在于，旋风分离器的顶部连接一调节阀的一端，调节阀的另一端通过管路连接一风机，取样枪的外壁包覆有加热套，所述加热套与一温度控制器连接。有一烟气流速测控装置包括控制系统、烟道流速管和取样枪流速管，烟道流速管设置在烟道内，烟气流速测控装置中的取样枪流速管与取样枪内的取样管连通，控制系统的控制信号输出端连接到调节阀的控制端。

又如，中国专利申请号201310082434.6，公开日2013年6月19日的专利申请文件，公开了一种飞灰等温等速取样装置，取样枪前端安装有取样头，取样枪置于烟道内；取样枪尾部通过二号耐高温金属软管与旋风分离器相连；取样枪和二号耐高温金属软管外套设有一号耐高温金属软管，一号耐高温金属软管一端与烟道连通，另一端通过除尘器与抽气机相连；旋风分离器下端连接有球阀，顶部与过滤器相连，过滤器连接至流量计，流量计与抽气机相连；过滤器、旋风分离器外设有加热器；一号热电偶一端与温度变送器相连，温度变送器通过信号线与温度控制系统相连；二号热电偶一端位于旋风分离器内，另一端与温度变送器相连。

但是上述专利都存在等速取样滞后、计算误差大、数据处理能力不强和取样准确性不高等问题。

中国专利申请号：201010120557.0申请日：2010年03月09日，公开了一份名称为一种火电机组锅炉能损分析参数应达值获取方法的专利，该方法是：根据锅炉运行历史工况数据，采用神经网络技术建立锅炉运行特性神经网络数学模型；根据该模型，采用遗传算法优化技术，以锅炉效率最高为优化目标，对锅炉各历史工况的配风配煤燃烧运行参数进行优化；将各历史工况的锅炉配风配煤燃烧运行参数与相应的优化值进行比较，若两者之差在给定的范围内，则将相应工况标记为“优化工况”；以标记为“优化工况”的历史工况数据为样本，建立锅炉排烟温度、烟气氧量、飞灰含碳量应达值的计算模型；并计算模型可计算不同负荷、不同煤质条件下的锅炉排烟温度、烟气氧量、飞灰含碳量应达值。但是该发明存在提出的方法不具有合理性，缺少具体的解决方案，本领域普通技术人员也无法实现。

发明内容

1.要解决的技术问题