[发明专利]空预器堵灰实时动态定量标定方法

摘要

空预器堵灰实时动态定量标定方法，涉及空预器运行情况监测方法，尤其涉及数据清洗和支持向量机建模的空预器堵灰程度识别，属于机器学习建模领域。本发明经由数据输入接口获得各种运行工况下对应的数据；采用压缩近邻法，剔除信息重复度较大的样本，对样本进行约简；得到清洗后的输出样本为D。构建支持向量机模型：得到标准空预器烟压差模型；更新堵灰基准模型；步骤五：计算堵灰指数：依照实际情况，设定e的限值对应清洁、预警和报警不同情况，为现场运行和检修人员提供指导意见。本发明实现了既保留样本的特征完整性又剔除了重复信息，实现堵灰状态的实时定量监测，对空预器堵灰程度进行有效监测诊断与量化标定的目的。

主权项

1.空预器堵灰实时动态定量标定方法，其特征在于包括如下步骤：步骤一：经由数据输入接口获得各种锅炉运行工况下对应的负荷Pe、氧量O2、炉膛出口至空预器前两烟气压力值(P1，P2)，空预器进出口烟气压力(P3，P4)的时间序列数据样本，并计算两压差值ΔP12＝P1‑P2,ΔP34＝P3‑P4；步骤二：采用CNN方法剔除信息重复度较大的样本，对样本进行约简；信息的相似度以样本间的欧氏距离||xj‑xi||作为评定的依据；将空预器刚清洗后的样本集x＝{x1,x2,…xn}，xi＝{Pe,O2,ΔP12,ΔP34}作为压缩近邻法的输入量；经过压缩近邻法后得到清洗后的输出样本D；步骤三：以步骤二的输出样本D中{Pe,O2,ΔP12}作为支持向量机模型的输入样本，{ΔP34}作为训练模型的输出样本，得到标准空预器烟压差模型；依照时间序列依次采样新样本{Pe,O2,ΔP12,ΔP34}new，模型输出的空预器进出口烟气压差{ΔP34}model，样本烟压差和模型烟压差的差异值Δ(ΔP34)＝(ΔP34new‑ΔP34model)/ΔP34new量化新样本对应当前工况的空预器堵灰程度，Δ(ΔP34)越大表明堵灰越严重；步骤四：堵灰程度加重后，模型输出出现大波动不稳定，继而差异值Δ(ΔP34)反映的堵灰程度可能出现偏差。因此，上述标准空预器烟压差模型需实时更新，当Δ(ΔP34)连续m次出现大于0.2时，更新堵灰基准模型，转入步骤二，并记录模型更新次数count，原始为1，更新一次记为2，依此类推；步骤五：定义第i个样本的堵灰指数e的计算公式：依照实际情况，设定e的限值对应清洁、预警和报警不同情况，为现场运行和检修人员提供指导意见。