[发明专利]基于RBF神经网络的多点式流量计的校正方法和装置

说明书

本申请提出了一种基于RBF神经网络的多点式流量计的校正方法和装置，该方法包括：将一次风机频率、送风机频率、引风机频率和机组负荷作为RBF神经网络的输入量，将烟气量校正系数作为RBF神经网络的输出量，获取涵盖火电机组多个工况的输入输出数据集；将输入输出数据集作为训练数据集，对预设的RBF神经网络进行训练，调整RBF神经网络的参数；获取实时的输入量和多点式流量计测量的实时烟气流量，将实时的输入量输入训练完成的RBF神经网络计算实时的烟气量校正系数；将实时烟气流量乘以实时的烟气量校正系数，获得校正后的烟气流量测量值。该方法通过对原有的多点式流量计的测量结果进行校正，提高了多点式流量计测量结果的准确性。

技术领域

本申请涉及烟气监测技术领域，尤其涉及一种基于RBF神经网络的多点式流量计的校正方法和装置。

背景技术

目前，火力发电仍是主要的发电形式之一，火电厂数量众多，导致污染物排放量巨大，为实现节能减排，需要对污染物排放量进行控制。其中，对烟气中各种污染物进行在线监测是控制污染物排放的有效手段，烟气中各种污染物排放量一般通过污染物浓度与烟气流量相乘进行计算。目前，烟气中各种污染物的浓度测量技术已十分成熟，但烟气流量监测仍需改善。

相关技术中，烟气流量测量应用比较广泛的是多点式流量计，许多火力发电厂安装了多点式流量计。多点式流量计是在大风道截面上采用等截面多点测量流速的方式，具体是将许多个测点等截面有机地组装在一起，正压侧与正压侧相连，负压侧与负压侧相连，正、负压侧各引出一根总的引压管，分别与差压变送器的正、负端相连，测得截面的平均流速，然后计算出烟气流量。

然而，在中大型火电机组中，烟道的截面的形状多为矩形，个别管道截面形状为圆形，且普遍为紧凑型布置，烟道系统中存在大量的弯管、变径管、汇流管和节流挡板门等结构，烟道内的流场呈现明显的紊流特征，并存在大量分离及旋涡，烟道内的流动均匀性较差，且随工况变化而变化。因此，上述方式的多点式流量计的测量结果与实际情况误差较大，测量的准确性较低。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种基于RBF神经网络的多点式流量计的校正方法，该方法仅需对原有的多点式流量计设备增加校正环节，基于RBF神经网络计算校正系数进行校正，即可得到更加精确的测量结果。

本申请的第二个目的在于提出一种基于RBF神经网络的多点式流量计的校正装置。

本申请的第三个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本申请的第一方面实施例在于提出一种基于RBF神经网络的多点式流量计的校正方法，该方法包括以下步骤：

将一次风机频率、送风机频率、引风机频率和机组负荷作为RBF神经网络的输入量，将烟气量校正系数作为所述RBF神经网络的输出量，获取涵盖火电机组多个工况的输入输出数据集；

将所述输入输出数据集作为训练数据集，对预设的所述RBF神经网络进行训练，调整所述RBF神经网络的参数；

获取实时的输入量和多点式流量计测量的实时烟气流量，将所述实时的输入量输入训练完成的RBF神经网络计算实时的烟气量校正系数；

将所述实时烟气流量乘以所述实时的烟气量校正系数，获得校正后的烟气流量测量值。