[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

说明书

技术领域

本发明涉及一种磨机负荷的在线预测方法，特别涉及一种火电厂筒式钢球磨煤机自适应在线校正的负荷软测量方法，该方法采用多个过程参数建立离线训练模型，并根据不同的误差干扰分别建立误差校正模型，从而实现对磨机负荷自适应在线校正的实时预测。

背景技术

制粉系统是火力发电厂的主要辅助系统之一，由于筒式钢球磨煤机对煤种的适应性强的特点，目前仍是国内应用最广的一种磨煤机。磨煤机是制粉系统的关键设备，它能否工作在最佳工况，直接关系到制粉系统的工作效率，而磨机负荷的准确监测是确保对制粉系统进行优化控制的先决条件。因此如何准确监测磨机负荷成为关键和难点。

由于磨机工作环境差，粉尘污染大，内部环境恶劣，因此无法直接测量，只能通过间接法检测。目前，应用较多的磨机负荷检测方法有磨音法、振动法以及功率法。现有磨音法是通过单个声音传感器简单检测磨机噪声声强来判断其负荷，缺点是检测精度不高，未能有效去除背景噪声干扰，特别是当多台磨机同时在一个车间内运行时，临近磨机运行时所发出的噪声会严重影响负荷检测的准确性。振动法是利用磨机运转时，研磨体和物料偏于磨机的一侧，磨机的转动部分处于严重的不平衡状态，造成不平衡的离心力，并使磨机系统振动，磨机在转速不变时其振动强度与被磨物料量的多少有关这一特性检测的；振动法的不足在于线性度差，准确度不高。功率法的思路是通过测量磨机运行时电机所消耗的功率来判断磨机内的负荷。在实际应用中，是测量磨机的工作电流。此种方法的不足之处在于工作电流在整个工作过程中，变化不是很大，因为磨机内煤质所占整个球磨机的比重不大，所以导致测量灵敏度低。

近年来，也有一些采取多种输入信息进行综合获得磨机负荷的方法，如《基于ANFIS的火电厂磨机负荷检测的软测量模型》(司刚全，曹晖，张彦斌等，仪器仪表学报，第4期增刊II，2007，vol.28)【1】，《基于复合式神经网络的火电厂筒式钢球磨煤机负荷软测量》(司刚全，曹晖，张彦斌等，热力发电，2007，第5期)【2】。《基于神经元网络的制粉系统球磨机负荷软测量》(王东风，宋之平)【3】。但是这些方法存在的问题是，都是基于离线训练-在线应用的原则，并针对单一球磨机负荷工况建立的软测量模型，一旦工况发生变化或者运行过程中受到干扰，就会导致软测量模型的预测精度变差或偏移。如果考虑到全工况的离线建模，往往需要大量的训练数据，使软测量模型的复杂度太高，影响在线应用中的实时性。因此，对于多种输入参数建立的全工况离线训练模型，有必要提出一种能够降低模型复杂度和保证模型精度的建模方法。

文献【1】和【2】基于噪声和振动信号进行特征提取和建立模型，但是没有考虑到背景噪音和邻磨启停的影响，当有邻磨启动或停止时，会引起磨机负荷预测的偏移；文献【2】和【3】选择压力类信号作为辅助变量，但并未考虑这些压力信号更易受风门开度变化的影响，在线应用中当风门开度变化时，基于全工况建立的离线模型的预测结果就会受到影响。而文献【1】、【2】和【3】都是假设球磨机在同一煤质下的预测估计，并未考虑煤质发生变化时对预测模型的影响。因此在磨机负荷估计过程中，必须将这些影响因素进行剔除和补偿才能反映磨机负荷的变化。因此建立一种自适应在线校正的磨机负荷软测量模型，通过煤种、煤水份、热风门、再循环风门、给煤量以及磨机背景噪声等多种因素对磨机干扰进行辨识，并根据补偿模型得到干扰引起的估计偏差，从而获得准确的磨机负荷信息，将对磨机负荷的监测及控制起到重要的推动作用。

发明内容

为了克服上述现有技术存在的问题，本发明的目的在于提供一种自适应在线校正的火电厂磨机负荷软测量方法，用以解决长期以来火电厂磨煤机负荷难以长期在线检测的问题；该软测量方法通过煤易磨性系数、煤水份、热风门、再循环风门、给煤量以及磨机背景噪声、磨机负荷对运行过程中的干扰因素进行辨识，在基于全工况的离线模型和补偿模型的基础上，依据不同干扰因素对离线模型预测结果的影响，进行基于规则的自适应加权，从而获得准确的磨机负荷信息。

为了实现上述任务，本发明采取如下的技术解决方案：

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的在线监测，并对负荷估计进行补偿，具体包括以下步骤：