[发明专利]空预器堵灰实时动态定量标定方法

说明书

空预器堵灰实时动态定量标定方法，涉及空预器运行情况监测方法，尤其涉及数据清洗和支持向量机建模的空预器堵灰程度识别，属于机器学习建模领域。本发明经由数据输入接口获得各种运行工况下对应的数据；采用压缩近邻法，剔除信息重复度较大的样本，对样本进行约简；得到清洗后的输出样本为D。构建支持向量机模型：得到标准空预器烟压差模型；更新堵灰基准模型；步骤五：计算堵灰指数：依照实际情况，设定e的限值对应清洁、预警和报警不同情况，为现场运行和检修人员提供指导意见。本发明实现了既保留样本的特征完整性又剔除了重复信息，实现堵灰状态的实时定量监测，对空预器堵灰程度进行有效监测诊断与量化标定的目的。

技术领域

本发明涉及一种空预器运行情况监测方法，尤其涉及数据清洗和支持向量机建模的空预器堵灰程度识别，属于机器学习建模领域。

背景技术

随着科技的发展，研究的数据集常常具有高维和海量的特点。这对现有算法进行数据挖掘和数据建模提出了挑战，若直接利用它们处理高维海量的数据，则往往由于计算时间和硬件设备等客观条件的限制导致在实际中难以得到预想的效果。针对高维问题，常采用特征提取与选择实现维数约减；对于样本数量大的问题，常采用数据清洗的手段。为了消除样本中的冗余信息，许多学者围绕样本约减选择问题一直进行着不懈的研究和探讨。基于考虑角度的不同，发展出了不同的选择策略。支持向量机(Support Vector Machine，SVM)由Corinna Cortes和Vapnik等于1995年首先提出，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。数据建模中，训练样本的好坏至关重要，约简训练样本进行能有效改善达到改善支持向量机建模性能。

电站空气预热器运行状况的好坏，影响到机组的安全和经济运行，空预器堵灰不仅影响锅炉运行的安全性，使锅炉效率显著降低，使风机单耗明显增加，排烟温度升高，严重时会导致脱硫系统入口烟气温度过高，引起脱硫系统因出口烟气温度高引发MFT动作，甚至使吸收塔内部防腐层破坏，因此有效监测和制止空预器堵灰显得非常重要。

近年来，不少学者也已从不同的角度研究了空预器堵灰预防和制止的问题，并取得了一定成果。但是对于空预器堵灰程度的实时监测诊断和量化标定研究较少，还需要针开展进一步的研究工作。

发明内容

本发明目的是提供一种既保留样本的特征完整性又剔除了重复信息，实现堵灰状态的实时定量监测，对空预器堵灰程度进行有效监测诊断与量化标定，为电厂监测信息系统高级功能模块提供可参考模型的空预器堵灰实时动态定量标定方法。

一种空预器堵灰实时动态定量标定方法，包括如下步骤：

步骤一：经由数据输入接口获得各种锅炉运行工况下对应的负荷P_e、氧量O₂、炉膛出口至空预器前两烟气压力值(P₁，P₂)，空预器进出口烟气压力(P₃，P₄)的时间序列数据样本，并计算两压差值ΔP₁₂＝P₁-P₂,ΔP₃₄＝P₃-P₄；

步骤二：采用CNN方法剔除信息重复度较大的样本，对样本进行约简；信息的相似度以样本间的欧氏距离||x_j-x_i||作为评定的依据；将空预器刚清洗后的样本集x＝{x₁,x₂,…x_n}，x_i＝{P_e,O₂,ΔP₁₂,ΔP₃₄}作为压缩近邻法的输入量；经过压缩近邻法后得到清洗后的输出样本D；

具体过程为：