[发明专利]一种磨煤机煤粉细度的在线优化模型更新方法

说明书

本发明涉及一种磨煤机煤粉细度的在线优化模型更新方法。本发明方法首先采集磨煤机原有模型预测数据，并对原模型是否需要更新进行判断，再从原有模型预测数据库中选择符合模型更新条件要求的数据，结合判断数据构成模型更新样本数据，在此基础上，应用基于数据的缄默算法建立磨煤机运行优化新模型，以实现模型更新。该方法通过数据选择保证了模型的预测精度和泛化能力，具有较高的可信度和可行性。

技术领域

本发明属于信息控制技术领域，涉及到机器学习自适应技术，特别是涉及一种磨煤机煤粉细度的在线优化模型更新方法。

背景技术

磨煤机运行优化是控制锅炉燃烧和电耗的重要技术手段，其目标是在一定生产条件和目标下，通过调整各磨煤机的运行参数而获得所需的理想细度的煤粉，使锅炉燃烧和磨煤机电耗处于良好的状态，使生产效益最大化。给煤量、煤质参数及给风情况等运行参数的不同对煤粉细度的分布有直接的影响，不同的参数组合会直接导致不同的煤粉细度分布的情况，尤其是在运行参数有扰动的情况下，煤粉细度分布更不稳定。对于一定的生产条件和产品需求，针对磨煤机所需的理想的运行状态，存在一种最优的各运行参数配置方案，能够使相应燃烧状态的特征指标最优化，但是，煤粉细度分布与各磨煤机运行参数间有着非常复杂的耦合关系，要找到最优的各燃烧器的运行参数的配置并不容易。

通过数据挖掘，在大量不同的生产运行参数组合中，应用机器学习的方法，挖掘出各磨煤机的运行参数与煤粉细度分布间的关系模型，再结合优化算法对进行磨煤机运行优化是非常有潜力的方法。

由于磨煤机设备的运行特性随着时间的增长或检修的原因会有所改变，即煤粉细度分布与各磨煤机运行参数间的关系具有时变性，如何保证模型能够快速、高效的更新以适应新的情况成为了这种方法的关键问题。该问题与建模方法、样本数据选取及更新策略等都有很大关系。

发明内容

本发明的目的是针对磨煤机运行优化中的瓶颈问题，提出一种兼顾历史数据与新的变化情况的模型更新方法，可以有效地使模型跟随煤粉细度分布与各磨煤机运行参数间关系的变化而更新。

本发明方法的步骤包括：

步骤(1)建立原有模型的预测数据库。采集磨煤机生产过程中各运行参数及对应的煤粉细度测量数据和原有模型的预测数据，建立原有模型的预测数据库；具体的各运行参数包括：煤质的工业分析数据、给煤量，磨煤机进风量和进风温度，磨煤机电流，分离器转速。磨煤机运行参数可通过磨煤机生产过程中的数据监测控制系统获取，或直接通过仪器设备采集样本测量获得。对应的煤粉细度可通过采集样本分析测量获得，该技术为行业标准技术。对应的煤粉细度原模型预测数据，由磨煤机运行参数作为输入向量，通过原磨煤机煤粉细度预测模型预测获得。将以上数据存入原有模型的预测预测数据库中，以备模型更新之用。

步骤(2)判断原模型需要更新的设定。设定模型的预测允许误差限θ，可根据具体的设备和工艺运行情况进行设定，一般建议取3％；设定模型连续预测误差超过允许误差的次数m，可根据煤粉细度数据采集难度和周期设定，一般建议为3；当模型预测误差超过允许误差限θ连续m次时，判定为该模型需要更新，并将m次的数据录入原有模型的预测数据库。

步骤(3)数据选择。当模型需要更新时，选择原有模型预测数据库中符合以下条件的数据作为模型更新数据：1，磨煤机操作参数向量与步骤(2)中的m个磨煤机操作参数向量间的欧式距离分别大于设定值L，L可根据数据库中数据情况和运行工况分布情况设定，一般建议为2；2，数据采集时间距离步骤(2)中的m组数据中的最早时间点不超过T时间，T可根据数据库中数据采集时间情况和数量分布情况设定，一般建议为半年以内。根据以上条件选择不少于30组数据，若符合以上条件的数据不足30组，则可适当放宽条件2的时间限制，或采集新数据以补足符合条件的30组数据。以上30组数据再加上步骤(2)中的m个数据构成模型更新数据。