[发明专利]基于KNN的双重迭代燃煤热值修正算法

说明书

本发明公开了基于KNN的双重迭代燃煤热值修正算法，通过初次K近邻分类运算、第二次K近邻分类运算，结合最小二乘拟合曲线法，综合考虑燃煤的非自身特征，如机组运行的环境温度、湿度、背压等，计算得到热值衡量系数K_mn，并转换为热值修正系数Q，建立K临近分类优化模块与机组DCS系统建立的通讯，将热值修正系数Q返回至锅炉主控，实现对煤质的特征、规律地进行时域预测及修正。

技术领域

本发明涉及燃煤技术领域，具体为基于KNN的双重迭代燃煤热值修正算法。

背景技术

当煤的热值偏离设计热值后，将实测煤量修正至对应设计热值的修正煤量即热值修正。传统热值修正以主蒸汽流量或机组负荷作为燃煤能量输出的表征信号，热值修正的判据为锅炉指令对应的理论主蒸汽流量或理论机组负荷与相应实际值的偏差，锅炉指令对应的理论值和实际值不匹配时，热值修正改变热值修正系数，间接改变了燃料量，直至两者相匹配。传统热值修正过程中只是单一通过锅炉指令对应的理论主蒸汽流量或理论机组负荷与相应实际值的偏差进行修正，存在以下问题：

1)无法基于大数据、统计学对系统进行全面、综合分析；

2)未对机组一年四季燃煤热值的变化规律进行综合考虑，修正不具备代表性、预测性；

3)传统采取的修正方法通过运行人员干预辅助实现，没有系统性的软件代码、优化模块从数据采集、数据分类、数据分析、数据计算、数据优化等自主、动态给出优化结果。

基于此，本发明设计了基于KNN的双重迭代燃煤热值修正算法，以解决上述提到的问题。

发明内容

本发明的目的在于提供基于KNN的双重迭代燃煤热值修正算法，通过初次K近邻分类运算、第二次K近邻分类运算，结合最小二乘拟合曲线法，综合考虑燃煤的非自身特征，如机组运行的环境温度、湿度、背压等，计算得到热值衡量系数K_mn，并转换为热值修正系数Q，建立K临近分类优化模块与机组DCS系统建立的通讯，将热值修正系数Q返回至锅炉主控，实现对煤质的特征、规律地进行时域预测及修正。

为实现上述目的，本发明提供如下技术方案：基于KNN的双重迭代燃煤热值修正算法，具体包括以下步骤：

S1：建立机组DCS系统数据库与K临近分类优化模块的数据通信通道，实现DCS实时数据与优化模块的双向通信功能；

S2：基于K临近分类算法原则，通过MATLAB编程第一次K分类算法，编译运行准确后进行封装，命名函数f₁(x)待后续进行函数调用；

S3：基于K临近分类算法原则，通过MATLAB编程第二次K分类算法，编译运行准确后进行封装，命名函数f₂(x)待后续进行函数调用；

S4：通过步骤S1建立的K临近分类优化模块与DCS系统数据库的双向通讯通道，基于大数据采集机组负荷、实际燃煤量、主蒸汽压力，编辑程序实现数据过滤与筛选，保留主蒸汽压力在±0.1MPa偏差内的机组负荷、实际燃煤量，供后续计算；

S5：将步骤S4中主蒸汽压力在±0.1MPa偏差内的机组负荷、实际燃煤量传递至第一次K分类算法、第二次K分类算法，调用函数f₁(x)、f₂(x)，计算当前热值衡量系数K_mn；

S6：根据步骤S5的热值衡量系数K_mn，换算热值修正系数Q；

S7：将基于KNN的双重迭代燃煤热值修正算法优化模块给出的当前机组热值修正系数Q返回至DCS锅炉主控当中，对机组热值修正系数进行在线、动态修正。