[发明专利]基于GA‑SVM的水岛加药在线控制方法和装置

说明书

技术领域

本发明属于火电厂水处理技术领域，具体涉及一种基于GA-SVM的水岛加药在线控制方法和装置，可用于自动控制加药量。

背景技术

火力发电厂简称火电厂，是利用煤、石油、天然气作为燃料生产电能的工厂，它的基本生产过程是：燃料在锅炉中燃烧加热水产生蒸汽，将燃料的化学能转变成热能，然后由蒸汽压力推动汽轮机旋转，将热能转换成机械能，最后汽轮机带动发电机旋转，将机械能转变成电能。

在现代300MW以上的火力发电厂中，水处理系统基本实现了DCS自动化控制系统。水处理系统包括凝结水加氨处理，给水加氨、加联氨处理，加氯处理，气泡炉的加磷酸盐处理等，由于来水的水量、水质成分差异较大，而且水中不同成分之间会发生多种反应，尤其强酸强碱中和过程具有复杂的非线性特性。

为了减少来水水质对火电厂正常运行的影响，会通过添加药剂进行调节。目前水处理系统通常根据处理完的出水水质来判断药剂添加量的多少，进而反复调试至满足要求，浪费了大量的时间和人工，具有明显的滞后性；其次加药剂的添加量一旦确定后，基本属于长期恒定状态，不但造成药品的无形浪费，而且由于来水水质的时变特性，出水指标无法满足用户的实时要求。

综上所述，针对现有技术中存在的上述问题，目前尚未提出有效的解决方案。

发明内容

为解决上述问题，本发明的目的在于提供一种基于GA-SVM的水岛加药在线控制方法和装置，以解决目前火电厂水处理过程中加药量确定方法工作效率低、药品浪费和无法满足出水达标要求的问题。

依据本发明的一个方面，提供了一种基于GA-SVM的水岛加药在线控制方法，该方法包括：获取出水指标符合要求的、来水监测指标的M组历史参数值，以及对应于每组所述历史参数值的加药剂的历史加药量，其中，所述来水监测指标包括多个指标，每组所述历史参数值包括所述多个指标的参数值；基于支持向量机建立在线控制SVM模型，其中，所述历史参数值为所述SVM模型的输入向量，所述历史加药量为所述SVM模型的输出向量；对所述SVM模型执行GA算法，求解所述SVM模型中的参数的最优解；将求解得到的所述最优解输入所述SVM模型，得到水岛的加药模型；实时监测所述来水监测指标以得到一组实时参数值；以及将所述实时参数值输入所述水岛的加药模型，以确定当前时刻所述加药剂的加药量。

进一步地基于支持向量机建立在线控制SVM模型的步骤具体包括：设置所述SVM模型的输入向量为所述来水监测指标的数字信号的时间序列x_i，设置所述SVM模型的输出向量为对应于所述时间序列x_i的加药剂的历史加药量的时间序列y_i，其中，i＝1，2，...，N，N＜M；将由所述时间序列x_i和所述时间序列y_i构成的时间序列集(x_i，y_i)采用非线性映射执行向高维空间的映射，并构造所述SVM模型的函数为其中，i＝1，2，...，N，x_i∈R^q，y_i∈R，q为所述来水监测指标中指标的个数，w为权向量，b为常数；引入松弛变量ξ和惩罚因子C，建立所述SVM模型的目标函数为约束条件为其中，ξ≥0，C＞0，i＝1，2，...，N；确定所述SVM模型的核函数为径向基函数其中，σ＞0；建立所述SVM模型为其中，α_i＝Cξ_i，为拉格朗日系数。

进一步地，对所述SVM模型执行GA算法，求解所述SVM模型中的参数的最优解的步骤包括：步骤A：设定GA算法的参数，确定初始种群规模G、全局迭代次数、变异概率、交叉概率，确定松弛变量ξ、惩罚因子C和核参数σ为GA算法的决策变量；步骤B：令迭代次数为1，初始化所述SVM模型的参数，并对初始化后的所述SVM模型的参数进行二进制编码，基于混沌理论产生G组初始种群；步骤C：采用下述循环步骤，确定松弛变量ξ、惩罚因子C和核参数σ的最优解：步骤C1：根据适应度函数计算种群中各个体的适应度函数值，步骤C2：判断当前迭代次数是否达到全局迭代次数，若达到，则输出最优个体，结束步骤C，若未达到，则把适应度函数值最高的最优个体保存下来，并记录适应度函数值最低的最差个体序号，令迭代次数加1，进行选择、交叉、变异遗传操作，并用保存的最优个体替换序号为所述最差个体序号的新个体，产生新的种群，返回步骤C1。