[发明专利]一种燃煤锅炉系统混合建模方法

摘要

本发明涉及一种燃煤锅炉系统混合建模方法。本发明首先利用实时数据驱动的方法建立局部预测模型，具体是将采集的实时过程运行数据作为数据驱动的样本集合，以该集合为基础建立基于最小二乘法的离散差分方程形式的局部受控自回归滑动平均模型；其次利用误差数据驱动的方法建立局部误差智能预测模型，具体是以误差数据驱动的样本集合为基础，采用支持向量机优化方法，建立局部误差智能预测模型。建立局部误差智能预测模型是根据工艺要求设定误差性能指标，然后进行判断。本发明提出的建模方法可以有效减少模型与实际工艺参数之间的误差，弥补了传统控制器的不足，保证控制装置操作在最佳状态，使生产的工艺参数达到严格控制，有效提高模型的精度。

主权项

1、一种燃煤锅炉系统混合建模方法，其特征在于该方法包括以下步骤：(1)利用实时数据驱动的方法建立局部预测模型，具体方法是：首先，建立燃煤锅炉实时运行数据库，通过数据采集装置采集实时过程运行数据，将采集的实时过程运行数据作为数据驱动的样本集合，表示为{X_i，y(i)}_i＝1^N，其中X_i表示第i组工艺参数的输入数据，y(i)表示第i组工艺参数的输出值；其次，以该实时过程运行数据集合为基础建立基于最小二乘法的离散差分方程形式的局部受控自回归滑动平均模型：y_L(k)＝Φ^TX，Φ＝[a₁，a₂，…，a_n，b₀，b₁，…，b_m-1]^TX＝[y(k-1)，…，y(k-n)，u(k-d-1)，…，u(k-d-m)]^T其中，y_L(k)表示当前时刻局部预测模型的工艺参数的输出值，x表示局部预测模型的工艺参数的过去时刻的输入和输出数据的集合，u(k)表示工艺参数对应的控制变量，Φ表示通过辨识得到的模型参数的集合，n，m，d+1分别为对应实际过程的输出变量阶次、输入变量阶次、时滞；采用的辨识手段为：Φ‾k=Φ‾k-1+K‾(k)[y(k)-Φ‾kTXk]]]>K‾(k)=P(k-1)Xk[XkTP(k-1)Xk+γ]-1]]>其中，γ为遗忘因子，为单位阵；(2)利用误差数据驱动的方法建立局部误差智能预测模型，具体方法是：首先，建立燃煤锅炉实时运行误差数据库，通过数据采集装置采集实时过程运行数据，与局部预测模型数据相比较，得到的数据之差进入误差数据库，表示为e(k)＝y(k)-y_L(k)，其中e(k)为实时误差数据；其次，将实时过程运行数据和实时误差数据作为误差数据驱动的样本集合，表示为{X_i，e(i)}_i＝1^N，其中e(i)表示第i组工艺参数的误差数据；第三，以误差数据驱动的样本集合{X_i，e(i)}_i＝1^N为基础，采用支持向量机优化方法，建立局部误差智能预测模型，具体方法是：根据工艺要求设定误差性能指标，标记为总体目标函数然后按照以下过程进行判断：a.初设支持向量机初始结构参数；b.基于误差数据驱动的样本集合{X_i，e(i)}_i＝1^N与局部误差智能预测模型的输出之间的偏差建立局部目标函数，表示为minJw,β,e(w,e)=12wTw+12γΣk=1Nek2]]>其中：加权向量误差变量θ是设定的阈值；c.利用支持向量机方法优化局部目标函数，得到支持向量机模型辨识参数，并得到局部误差智能预测模型，表示为e~(k)=f(X,Xi),]]>为局部误差智能预测模型的工艺参数的输出；d.计算局部误差智能预测模型的工艺参数的输出与实时误差数据之间的误差如果误差满足总体目标函数的要求，则退出；如果误差不满足总体目标函数的要求，进入步骤e；e.利用误差采用遗传算法对支持向量机结构参数进行优化，得到新的支持向量机模型结构参数，重复c～e步；其中第c步优化支持向量机辨识参数的具体步骤为：①利用实时运行误差数据库的实时数据优化该目标函数后，得到局部误差智能预测模型的操作参数：βW=01T1Ω+γ-1I-10E]]>其中，W＝[w₁，w₂，…，w_N]^T，1＝[1，1，…，1]^T，E＝[e(1)，e(2)，…，e(N)]^T，Ω为一个方阵，其第i行j列的元素为K(·，·)为核函数；②把建立的局部预测模型和局部误差智能预测模型相加ym(k)=yL(k)+e~(k),]]>y_m(k)即为燃煤锅炉系统的混合模型。