[发明专利]一种自适应在线校正的火电厂球磨机负荷软测量方法

权利要求书

1.一种自适应在线校正的火电厂磨机负荷软测量方法，其特征在于:该方法在实现磨机负荷的在线估计的同时，能够实现对干扰信号进行在线监测，并对负荷估计进行补偿校正，具体包括以下步骤：

1)在磨机运行过程中，每秒采集一次运行参数，包括磨机噪音E_noi、磨机背景噪音E_bnoi、磨机振动E_vib、磨机出入口差压P_dif、磨机入口负压P_in、磨机入口温度T_in、磨机出口温度T_out、热风门开度D_hot、和再循环风门开度D_rec，同时根据磨机运行情况更新给煤量M、煤水分M_w和煤易磨性系数M_m三个辅助参数；

2)采集样本X(i),Y(i),i＝1,…,N，其中X包含磨机噪音E_noi、磨机振动E_vib、磨机出入口差压P_dif、磨机入口负压P_in、磨机入口温度T_in和磨机出口温度T_out，N为样本个数，Y为磨机真实负荷，根据(X,Y)，离线训练得到基于主动学习的初始约简最小二乘支持向量机模型Model；

3)基于控制变量法，分别建立针对煤质转换、邻磨启停以及风门动作三种干扰因素的误差校正模型Model1、Model2和Model3；

4)在线应用中，基于在线自动识别补偿方式，对三种干扰因素进行监测，当干扰发生时，采用自适应加权策略对在线估计的磨机负荷实现自动补偿。

2.如权利要求1所述的软测量方法，其特征在于：所述基于主动学习的初始约简最小二乘支持向量机模型Model，通过如下步骤建立：

1)采集从磨机空磨状态到接近满磨状态各个工况下的样本数据，并将此时的磨机背景噪音、给煤量、煤水分、煤易磨性系数、热风门和再循环风门开度分别记为E′_bnoi、M′、M′_w、M′_m、D′_hot和D′_rec；

2)数据预处理，对采集到的样本数据基于均值滤波消除随机误差后，并采用归一法进行标准化处理得到有效样本；

3)基于主动学习的初始约简最小二乘支持向量机Model，其建模过程简写为AL-LSSVM，就是在训练离线模型的过程中，采用逐渐增加训练样本直到利用部分训练数据建模能够代替全部样本进行建模的过程；其具体实现步骤为：

·将初始样本数据(X,Y)作为未标注集U，并令标注集L刚开始为空集；基于高斯混合分布聚类算法对未标注集U进行分类，其中选取k个聚类中心作为初始支持向量，加入到标注集L，并从U中删除，并通过最小二乘支持向量机在标注集L上训练得到初始估计器；

·根据评估函数，选择未标注集U中拟合误差绝对值最大的那个点，加入到标注集L，并从未标注集U中删除，其中评估函数为：

其中，i∈L,j∈U，α_i是标注集L中每个样本对应的拉格朗日乘子，b是权衡评估函数的一个偏移量；

·在标注集L上利用最小二乘支持向量机重新建立估计模型，并根据该估计模型计算初始训练集的均方误差，重复上述过程，直到模型精度满足要求，并得到基于部分样本的LSSVM稀疏化模型。