[发明专利]一种基于PSO算法的锅炉结渣程度预测方法及相关装置

说明书

本申请公开了一种基于PSO算法的锅炉结渣程度预测方法及相关装置，方法包括：基于预置PSO算法，根据锅炉结渣训练数据集对初始模糊神经网络模型进行网络参数优化训练，得到优化预测模型，预置PSO算法包括非线性惯性权重；通过预设隶属度函数根据结渣相关数据进行结渣程度划分，得到结渣隶属度值，结渣相关数据包括硅铝比、软化温度、硅比、酸碱比、综合指数和无因次炉膛最高温度；将结渣隶属度值输入优化预测模型中进行结渣预测，得到结渣预测结果。本申请提供了一种基于高效可行的锅炉结渣程度预测技术方案，缓解了锅炉积灰结渣较严重的技术问题。

技术领域

本申请涉及燃煤锅炉技术领域，尤其涉及一种基于PSO算法的锅炉结渣程度预测方法及相关装置。

背景技术

目前，煤炭能源在我国能源构架中仍占据接近60％，其主导地位在未来较长的一段时间内很难改变，并且我国用于发电、工业生产和生活取暖等方面的锅炉燃煤消耗量要占到燃煤总开采量的50％以上，而我国燃煤电厂动力用煤主要以含灰量较多的劣质煤为主，这使得燃煤电厂锅炉受热面的积灰结渣问题尤为严重，进一步制约了我国现役和未来燃煤电厂深度调峰的发展。近年来，随着燃煤电厂锅炉容量的增加以及燃煤机组调峰角色的转变，燃煤电厂锅炉积灰结渣问题尤为明显。

发明内容

本申请提供了一种基于PSO算法的锅炉结渣程度预测方法及相关装置，用于提供一种基于高效可行的锅炉结渣程度预测技术方案，缓解锅炉积灰结渣较严重的技术问题。

有鉴于此，本申请第一方面提供了一种基于PSO算法的锅炉结渣程度预测方法，包括：

基于预置PSO算法，根据锅炉结渣训练数据集对初始模糊神经网络模型进行网络参数优化训练，得到优化预测模型，所述预置PSO算法包括非线性惯性权重；

通过预设隶属度函数根据结渣相关数据进行结渣程度划分，得到结渣隶属度值，所述结渣相关数据包括硅铝比、软化温度、硅比、酸碱比、综合指数和无因次炉膛最高温度；

将所述结渣隶属度值输入所述优化预测模型中进行结渣预测，得到结渣预测结果。

优选地，所述基于预置PSO算法，根据锅炉结渣训练数据集对初始模糊神经网络模型进行网络参数优化训练，得到优化预测模型，包括：

初始化粒子群相关参数，所述粒子群相关参数包括初始粒子群速度和初始粒子群位置；

将所述锅炉结渣训练数据集的均方误差作为预置PSO算法的适应度函数，并计算得到初始适应度值；

基于非线性惯性权重调整所述初始粒子群速度和初始粒子群位置，得到更新粒子群速度和更新粒子群位置；

根据基于所述更新粒子群速度和所述更新粒子群位置优化的预置PSO算法对初始模糊神经网络模型进行网络参数迭代优化训练，得到优化预测模型。

优选地，所述非线性惯性权重表达为：

其中，w_min为非线性惯性权重最小值，w_max为非线性惯性权重最大值，t为当前迭代次数，t_max为最大迭代次数，a，b均为调整参数。

优选地，所述将所述结渣隶属度值输入所述优化预测模型中进行结渣预测，得到结渣预测结果，之后还包括：

根据所述结渣预测结果对燃煤电厂锅炉容量和燃煤机组方案进行优化。

本申请第二方面提供了一种基于PSO算法的锅炉结渣程度预测装置，包括：

优化训练模块，用于基于预置PSO算法，根据锅炉结渣训练数据集对初始模糊神经网络模型进行网络参数优化训练，得到优化预测模型，所述预置PSO算法包括非线性惯性权重；