[发明专利]一种基于数值模拟与神经网络的燃烧器喷口风量预测方法

说明书

一种基于数值模拟与神经网络的燃烧器喷口风量预测方法，涉及燃烧器技术领域，针对传统的炉膛内部风量测量方法测量精度和效率低的问题，包括步骤一：利用数值模拟软件建立锅炉热二次风道的物理模型，进行仿真运算，生成各工况下的燃烧器喷口风量仿真数据；步骤二：对生成的各工况下的燃烧器喷口风量仿真数据进行数据清洗；步骤三：根据处理后的数据训练神经网络，并利用训练好的神经网络对燃烧器喷口风量进行预测。根据人为设定的典型工况，作为算法输入，训练神经网络，通过该模型可以预测大量其他工况下的燃烧器喷口风量。利用算法代替人工网格绘图、数值模拟仿真等大量工作。极大程度上缩短了预测时间、提高了仿真效率、并且提高了测量精度。

技术领域

本发明涉及燃烧器技术领域，具体为一种基于数值模拟与神经网络的燃烧器喷口风量预测方法。

背景技术

为了保证锅炉稳定运行，锅炉炉膛内煤粉燃料的燃烧过程必须在可控范围内，这就需要对进入炉膛内部风量的分配情况有准确的了解。而传统的测量方法在测量精度和效率上有待提高，且受人为因素影响较大，CFD(Computational Fluid Dynamics)数值模拟技术拥有丰富的数学计算模型，能够准确的反映出流体流动、传热、燃烧等过程。但仅仅使用CFD预测，会有操作步骤多，工作量大，仿真模拟速度慢，数值分析过程耗时长、典型工况覆盖面窄等问题。而神经网络是通过机器的计算来模拟人脑，客观真实、处理信息量大、计算速度快、通过简便快捷的方式处理复杂问题、能较为精准的预测未来。

发明内容

本发明的目的是：针对传统的炉膛内部风量测量方法测量精度和效率低的问题，提出一种基于数值模拟与神经网络的燃烧器喷口风量预测方法。

本发明为了解决上述技术问题采取的技术方案是：

一种基于数值模拟与神经网络的燃烧器喷口风量预测方法，包括以下步骤：

步骤一：利用数值模拟软件建立锅炉热二次风道的物理模型，进行仿真运算，生成各工况下的燃烧器喷口风量仿真数据；

步骤二：对生成的各工况下的燃烧器喷口风量仿真数据进行数据清洗；

步骤三：根据处理后的数据训练神经网络，并利用训练好的神经网络对燃烧器喷口风量进行预测。

进一步的，所述步骤一的具体步骤为：

首先利用电站锅炉采集的实时或离线数据，在离线数据后面加上边界条件输入，结合燃烧机理，流动模型和传热模型，对电站锅炉热二风道内部风箱风量和各喷口模型在fluent软件中进行数值模拟，生成典型工况下的燃烧器喷口风量；

确定与燃烧器的喷口风量相关的影响因素，并将各影响因素下的风箱风量作为输入对象，输出对象为各层燃烧器喷口风量数据，即为各工况下的燃烧器喷口风量仿真数据。

进一步的，所述影响因素包括风箱风量、各sofa风门开度和各层燃烧器风门开度。

进一步的，所述神经网络为BP神经网络、深度信念神经网络DBN或深度神经网络DNN。

进一步的，所述步骤二中对生成的各工况下的燃烧器喷口风量仿真数据进行数据清洗的具体步骤为：

第一步：利用K-means算法进行处理，降低数据维度；

第二步：判断数据中是否包含空值、0值或异常值，如果包含，则用拉格朗日插值法填充数据；

第三步：对数据进行标准化处理。

进一步的，所述标准化处理公式表示为：

式中表示第k个样本在n维数据标准化下的生产参数，表示第k个样本按时间序列排列n维元数据，K为数据集数量。

进一步的，所述步骤三的具体步骤为：