[发明专利]一种锅炉在线燃烧优化的模型更新方法

摘要

本发明涉及一种锅炉在线燃烧优化的模型更新方法。本发明方法利用超出已存在模型预测误差限度的数据建立新的模型，然后再利用锅炉燃烧数据和优化算法，寻找最优的新模型和已有模型的权重系数，利用最优的权重系数将新模型和已有模型结合在一起，共同对新的锅炉工况进行预测，实现模型更新。本发明方法克服了传统更新方法中将已有模型完全放弃，不能利用已有模型的学习结果的缺点，充分利用了已有模型的学习结果，大大缩短了模型更新的计算工作量和时间。

主权项

1、一种锅炉在线燃烧优化的模型更新方法，其特征在于该方法的步骤包括：步骤(1).建立已存在模型的预测错误数据库：根据具体锅炉燃烧情况和对模型预测精度的要求，设定模型的允许预测误差限δ，在采集数据时，判断模型预测值与实际运行值之间的误差与允许预测误差限δ的大小，如果预测误差大于δ，即|V_c-V_s|>δ，则将超限数据存入预测错误数据库中，其中V_c为模型预测值，V_s为实际运行数据；步骤(2).建立新模型：原模型需要更新时，利用预测错误数据库中的数据作为训练样本，样本表示为其中x_i表示第i组作为输入数据的锅炉运行参数向量，y_i表示第i组作为输出参数的表征锅炉燃烧状态的参数，采用支持向量机算法建立新的模型，核函数选为径向基函数K(xi,xj)=φ(xi)·φ(xj)=exp|||xi-xj||22σ2|]]>φ(x)为映射函数，设所求的目标函数为：f(x_i)＝w·φ(x_i)+b，f(x_i)为模型输出的锅炉燃烧指标预测值，w为权重系数向量，b为截距；w、b由minR(w,ξ,ξ*)=12w·w+cΣi=1kξ+ξ*]]>在条件yi-w·φ(xi)-b≤ϵ+ξiw·φ(xi)+b-yi≤ϵ+ξi*ξi≥0ξi*≥0i=1,···,N]]>求解而得；式中引入松弛因子ξ^*_i和ξ_i，ξ^*_i≥0和ξ_i≥0，ε为允许拟合误差；步骤(3).确定新模型和已有模型的权重；采集锅炉不同运行工况下的数据作为检验样本，应用原模型预测与新模型预测加权平均的方法，对检验数据进行预测，即y_i＝αD_n+βD_o，其中y_i为第i组工况的优化目标预测值，D_n为新模型预测值，D_o为原有模型预测值，α为新模型预测值权重系数，β为原有模型的预测权重系数，且α+β＝1；α与β的确定采用粒子群算法迭代寻优确定，定义粒子群算法初始位置Z向量的各维分量，分别为新模型权重α和原有模型权重β，目标函数为：minJ＝∑|y_i-Y_i|，其中Y_i为第i组工况的实际运行值，当J达到了最小、达到设定值或完成迭代次数时，训练完成，获得新模型和已有模型的权重系数；步骤(4).将原有模型与新模型按最优的权重比例相结合，构成新的模型，即D＝αD_n+βD_o，其中D为更新后的模型，实现锅炉燃烧优化模型的更新。