（控制理论与控制工程专业论文）锅炉燃烧优化方法研究及其在sis中的实现.pdf

华北电力人学硕士学位论文 摘要 本文在考虑火电厂实际运行特性的基础上，进行了锅炉燃烧优化方法的研究。 锅炉燃烧优化方法是通过运行参数的调整，使锅炉处于最佳运行工况，从而达到提 高效率、降低煤耗和降低污染物排放的要求。本文首先研究了人工智能技术在锅炉 燃烧优化中的应用，接着分析了影响锅炉运行经济性的因素和燃烧过程中氮氧化物 生成机理与控制方法。在s i s 系统基础上实现锅炉燃烧优化是本文的研究重点，提 出了一种锅炉燃烧优化的实现方法，并通过仿真试验，试验结果表明，该方法是锅 炉高效低污染整体优化的有效方法，可以作为应用推广。 关键词：电站锅炉，燃烧优化，人工智能，厂级监控信息系统 a bs t r a c t b a s e do nt h ea c t u a lr u n n i n gc h a r a c t e r i s t i c so fp o w e rp l a n t ，t h i sp a p e rh a sr e s e a r c h e do n b o i l e rc o m b u s t i o no p t i m i z a t i o nm e t h o d t h er e q u i r e m e n t so fh i 【g h e f f i c i e n c y a n dl o w e m i s s i o nc a l lb ef u l f i l l e dw h e nt h eb o i l e ri sr u n n i n ga to p t i m i z e ds t a t eb yt u n i n gp a r a m e t e r s f i r s t ，t h ea r t i f i c i a li n t e l l i g e n c ea p p l i c a t i o ni nb o i l e rc o m b u s t i o no p t i m i z a t i o ni sr e s e a r c h e d t h e nt h ef a c t o ro fe c o n o m i c a lr u n n i n g ，t h eg e n e r a t i o nm e c h a n i s ma n dc o n t r o lm e t h o da l e a n a l y z e d t h i sp a p e rf o c u s e so nt h er e a l i z a t i o no fc o m b u s t i o no p t i m i z a t i o no ns u p e r v i s o r y i n f o r m a t i o ns y s t e m ( s i s ) a n dar e a l i z a t i o nm e t h o di sp r o p o s e d t h es i m u l a t i o nr e s u l t ss h o w t h a tt h i sm e t h o di sa ne f f i c i e n tw a yo fi n t e g r a t e do p t i m i z a t i o nf o rh i 曲e f f i c i e n c ya n dl o w e m i s s i o n ，w h i c hc a nb eg e n e r a l i z e d l ij i a n ( c o n t r o lt h e o r ya n dc o n t r o le n g i n e e r i n g ) d i r e c t e db yp r o f s u nw a n y u n k e yw o r d s ：p o w e rp l a n tb o i l e r , c o m b u s t i o no p t i m i z a t i o n ，a r t i f i c i a li n t e l l i g e n c e ， s u p e r v i s o r yi n f o r m a t i o ns y s t e m 华北电力人学硕士学位论文 摘要 本文在考虑火电厂实际运行特性的基础上，进行了锅炉燃烧优化方法的研究。 锅炉燃烧优化方法是通过运行参数的调整，使锅炉处于最佳运行工况，从而达到提 高效率、降低煤耗和降低污染物排放的要求。本文首先研究了人工智能技术在锅炉 燃烧优化中的应用，接着分析了影响锅炉运行经济性的因素和燃烧过程中氮氧化物 生成机理与控制方法。在s i s 系统基础上实现锅炉燃烧优化是本文的研究重点，提 出了一种锅炉燃烧优化的实现方法，并通过仿真试验，试验结果表明，该方法是锅 炉高效低污染整体优化的有效方法，可以作为应用推广。 关键词：电站锅炉，燃烧优化，人工智能，厂级监控信息系统 a bs t r a c t b a s e do nt h ea c t u a lr u n n i n gc h a r a c t e r i s t i c so fp o w e rp l a n t ，t h i sp a p e rh a sr e s e a r c h e do i l b o i l e rc o m b u s t i o no p t i m i z a t i o nm e t h o d t h er e q u i r e m e n t so fh i 【g he f f i c i e n c ya n dl o w e m i s s i o nc a l lb ef u l f i l l e dw h e nt h eb o i l e ri sr u n n i n ga to p t i m i z e ds t a t eb yt u n i n gp a r a m e t e r s f i r s t ，t h ea r t i f i c i a li n t e l l i g e n c ea p p l i c a t i o ni nb o i l e rc o m b u s t i o no p t i m i z a t i o ni sr e s e a r c h e d t h e nt h ef a c t o ro fe c o n o m i c a lr u n n i n g ，t h eg e n e r a t i o nm e c h a n i s ma n dc o n t r o lm e t h o da l e a n a l y z e d t h i sp a p e rf o c u s e so nt h er e a l i z a t i o no fc o m b u s t i o no p t i m i z a t i o no ns u p e r v i s o r y i n f o r m a t i o ns y s t e m ( s i s ) a n dar e a l i z a t i o nm e t h o di sp r o p o s e d t h es i m u l a t i o nr e s u l t ss h o w t h a tt h i sm e t h o di sa ne f f i c i e n tw a yo fi n t e g r a t e do p t i m i z a t i o nf o rh i 曲e f f i c i e n c ya n dl o w e m i s s i o n ，w h i c hc a nb eg e n e r a l i z e d l ij i a n ( c o n t r o lt h e o r ya n dc o n t r o le n g i n e e r i n g ) d i r e c t e db yp r o f s u nw a n y u n k e yw o r d s ：p o w e rp l a n tb o i l e r , c o m b u s t i o no p t i m i z a t i o n ，a r t i f i c i a li n t e l l i g e n c e ， s u p e r v i s o r yi n f o r m a t i o ns y s t e m 声明尸明 本人郑重声明：此处所提交的硕士学位论文锅炉燃烧优化方法研究及其在s i s 中 的实现，是本人在华北电力大学攻读硕士学位期间，在导师指导下进行的研究工作和 取得的研究成果。据本人所知，除了文中特别加以标注和致谢之处外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含为获得华北电力大学或其他教育机构的学 位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签名：盔! 垂日 期： 关于学位论文使用授权的说明 本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有权保管、 并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或其它复制手 段复制并保存学位论文；学校可允许学位论文被查阅或借阅；学校可以学术交流为 目的，复制赠送和交换学位论文；同意学校可以用不同方式在不同媒体上发表、传播 学位论文的全部或部分内容。 ( 涉密的学位论文在解密后遵守此规定) 作者签名：乏奎! 量导师签名：m 三 日 期掣 日 期： 华北电力人学硕十学位论文 1 1 选题的背景和意义 1 1 1 本课题研究的必要性 第一章引言 随着社会和经济发展，我们对电力需求持续增长。目前在我国发电企业中，燃 煤火电机组占据主要地位，根据我国能源结构，以燃煤为主的火电机组仍将是电力 工业主体。 随着电力工业的同趋成熟，原来电力行业长期垄断的经营方式已无法适应电力 工业生产力发展的需要。打破电力工业垄断，丌放市场，引入竞争，将有利于电力 工业自身的发展和电力工业管理水平的提高，这既是国际电力工业改革的目标取 向，也是我国电力工业革新的必由之路。因此，各发电企业均把增效挖潜、节能降 耗作为内部管理的重点。显然，在确保机组安全运行的前提下，使机组始终保持在 最佳工况运行，最大限度地降低供电煤耗，切实提高运行的经济性，是提高发电企 业竞争实力的重要手段，是市场经济对发电企业提出的切实要求。 对于发电厂来讲，火力发电在我国占绝对主导地位，其中燃煤电厂燃煤消耗量 约占全国煤炭产量的5 0 左右。目前，我国火力发电厂的能效水平还比较低下，与 世界先进水平还有很大差距。有关资料表明：2 0 0 5 年，我国电力工业全国平均供电 煤耗为3 7 4g ( k w h ) ，与世界先进水平( 1 9 9 9 年) 相差约5 0g ( k w - h ) ；生产厂用电 率为5 9 5 ，与世界先进水平( 1 9 9 9 年) 相差约2 个百分点【1 j 【2 j 。火力发电厂的能 效问题成为影响中国电力工业能效的主要因素。 监测表明，我国近年来一些大型城市空气中氮氧化物浓度超标，氮氧化物的环 境容量已基本处于饱和状态，一些地方甚至产生光化学雾现象。氮氧化物不仅是导 致酸雨形成的主要原因之一，也是造成光化学烟雾的根本原因，其产生的温室效应 约为c 0 2 的2 0 0 - - - 3 0 0 倍，其污染产生的经济损失和防止所需价值量比s 0 2 约高出 3 3 3 ；氮氧化物还可转化为硝酸盐颗粒，形成p m 2 5 ，增加颗粒物的污染浓度、毒 性和酸性。专家预测，如果按目前的排放情况，只控制s 0 2 排放，而不采取有效措 施控制n o x 的排放，预计到2 0 1 0 年n o x 排放量将达到8 5 0 万吨左右，2 0 1 5 - - 2 0 2 0 年，火电n o x 排放总量将会超过s 0 2 ，成为电力行业的第一大酸雨性气体污染物。 因此，控制火电厂n o x 排放对缓解我国n o x 排放量不断增长的趋势至关重要。 火电厂锅炉的运行面临着提高运行效率与降低污染物排放的双重要求，锅炉燃 烧过程中锅炉热效率与n o x 排放的影响因素大部分相同，但具有矛盾的要求，提高 锅炉燃烧效率降低煤耗和降低氮氧化物的排放往往不能兼顾。以提高燃烧效率和降 华北电力人学硕十学位论文 低氮氧化物排放为优化目标，研究锅炉燃烧的整体优化方法，具有非常重要的现实 意义和推广价值。 锅炉燃烧优化方法，是在调试之后，在运行过程中，通过运行参数的调整，使 锅炉处于最佳运行工况，从而达到提高效率、降低煤耗和降低污染物排放的要求。 但是传统的操作运行方式和手段难以对运行参数进行在线优化，无法满足现代化电 厂对经济性管理的要求，主要表现在以下几个方面【3 】【4 j 【5 】： 1 ) 非设计工况运行 锅炉从设计到最终的商业运行，需要经历：设计、制造、安装、调试运行等众 多阶段。其最终情况可能与当初设计存在一定的差别。更为普遍的现象是实际运行 情况与设计工况存在很大差别，即锅炉在大多数情况下是处于非设计工况运行。 2 1 设计误差 由于技术上的复杂性，锅炉设计中常常需要运用一些经验知识( 如经验系数等) 和一些假设条件。因此，当实际运行中的情况与设计阶段的经验和假设不相符时， 锅炉的实际运行特性将偏离其设计运行特性。 3 ) 外部因素变化 如煤种的改变。具体表现为锅炉燃料的品质、成分、混和比例会在运行过程中 不断改变。这些变化将在很大程度上改变锅炉的运行特性。 4 ) 设备老化 锅炉从投运到报废，生命周期跨越几十年。在这期间，设备不可避免地将发生 不同程度的磨损、材质老化、结垢、积灰和结渣等现象。这些都将引起锅炉运行特 性的变化，而且这些变化是缓慢、渐进地进行。 5 ) 运行方式的改变 随着电力行业的调整，电厂的生产负荷会经常变化。因而锅炉可能在基木负荷 运行和调峰运行方式之间转化。负荷条件不同，运行特性也有较大的差异。 因此，很有必要在火电厂中建立一套先进的燃烧优化系统，在d c s 的基础上， 通过采用先进的控制逻辑、控制算法或人工智能技术，作为锅炉运行的监督控制系 统，实现锅炉的燃烧优化。 1 1 2 厂级监控信息系统s i s 电厂生产过程自动化包括两个方面：一是面向机组级的生产过程监控：二是面 向全厂生产过程乃至整个企业的监控和管理。过去，由于管理模式、投资及技术条 件限制等因素的影响，我国一直偏重于机组分散控制系统( d i s t r i b u t e dc o n t r o l s y s t e m ，简称d c s ) 等系统控制功能的应用，而未涉及到对于全厂生产过程的整体 2 华北电力人学硕十学位论文 监控及其对整个火电厂生产过程管理及优化的指导，随着全厂生产自动化水平的提 高和我国电力改革和发展的要求，企业已经不满足单纯的机组级控制，迫切希望在 此基础上实现全厂范围内的优化控制和集中生产管理，实现伞厂整体效益最大化。 于是，企业管理信息系统( m a n a g e m e n ti n f o r m a t i o ns y s t e m ，简称m i s ) 应运而生， 厂级综合自动化和管理现代化也逐步发展起来了【6 1 【7 l 【8 l 【9 l 【1 0 1 。 火电厂厂级监控信息系统( s u p e r v i s o r yi n f o r m a t i o ns y s t e mi np l a n tl e v e l ，简称 s i s ) 这一概念诞生于中国，最早于1 9 9 7 年初由时任电力规划设计总院专家委员会 委员、发电处副处长侯子良教授提出。1 9 9 8 年1 月，侯子良教授在热工自动化信 息( 1 9 9 8 年第一期) 上发表“关于厂级自动化概念的探讨”，第一次对s i s 概念进 行澄清。侯子良教授和苟建兵博士在2 0 0 2 年第1 期热工自动化信息上发表了 火电厂厂级监控信息系统( s i s ) 论争一文，文中提出了s i s 的网络结构，并且 明确了d c s 、s i s 和m i s 之间的区别和联系。2 0 0 3 年4 月，由西安热工研究院国电 电站控制工程有限公司承担开发的石嘴山发电有限责任公司4 x 3 3 0 m w 厂级生产过 程实时监控信息系统经过近两年的丌发和现场调试，在该厂静l 机组上投入运行。该 系统属于国内首台具有自主知识产权的火电厂厂级监控信息系统。 s i s 系统通过对火电厂生产过程数据的实时监测和分析，实现对全厂生产过程 的优化控制和负荷经济分配，使在整个电厂范围内充分发挥主辅机设备的潜力，达 到整个电厂生产系统运行在最佳工况的目的；同时该系统提供全厂完整的生产过程 历史实时数据信息，可作为电力公司信息化网络的可靠生产信息资源，使公司管理 和技术人员能够实时掌握各发电企业生产信息及辅助决策信息，充分利用和共享信 息资源，提高决策水平。 1 2 国内外研究现状 1 2 1 国外燃烧优化技术的研究及应用 美国俄亥俄州u l t r a m a x 公司开发的u l t r a m a x 系统又称为先进过程管理系统， 是一个对生产操作进行日常管理的系统，能应用于各种生产过程，包括在电厂燃烧 优化方面的应用。u l t r a m a x 燃烧优化系统将一系列代表锅炉燃烧工况的参数，作为 系统的输入数据，当系统取得这些样本数据后，建立锅炉燃烧特性模型，并经过软 件分析，给运行人员一个优化燃烧的操作指导，运行人员根据这些操作指导进行手 动操作，或将操作指导纳入到自动控制系统中进行优化调整。1 9 9 5 年，u l t r a m a x 系 统在美国德克萨斯州弗农市的奥克拉联合发电厂6 6 6 m w 的一号机组上进行了开环 测试，当时最多减少1 8 的n o x 排放，同时飞灰含碳量降低8 5 。到2 0 0 5 年，全 球已经有3 0 多个电厂运行了此系统，其中包括我国邹县电厂。 3 华北电力人学硕十学位论文 n e u s i g h t 系统为美国p e g a s u s 公司应用人工智能神经网络技术设计的燃烧优 化控制系统，其主要功能是以提高锅炉热效率和降低氮氧化物排放为目标的稳态优 化。对于没有排放控制的电厂，p e g a s u s 公司预计应用n e u s i g h t 系统可降低氮氧 化物排放达2 0 6 0 ( 一般为2 5 3 5 ) 。如果电厂已经安装了低氮氧化物燃烧 器，使用n e u s i g h t 系统可再降低氮氧化物排放1 0 - - - 4 0 。n e u s i g h t 系统可降 低煤耗0 5 5 ，这相当于减少了相同的c 0 2 和s 0 2 的排放。n e u s i g h t 燃烧优 化控制系统以前大多应用于旧机组的优化控制方面。 p o w e rp e r f e c t e r 系统是美国p e g a s u s 公司另一个锅炉运行优化控制软件，国外也 称它为d e l t a e 3 系统。它基于与n e u s i g h t 系统类似的神经网络技术，并增加了模 型预测控制( m p c ) 技术，能通过建立多目标的动态优化控制器，动态调整d c s 设定参数与偏置，实现锅炉燃烧优化动念闭环控制。该系统可以提升0 5 - - - 2 5 的锅炉热效率，降低氮氧化物排放量1 0 - - 3 0 ，降低飞灰含碳量7 9 ，系统 还可以改善过热、再热蒸汽品质，改善燃烧均衡性等。目前在我国山东华电莱城电 厂1 号锅炉和华能天津杨柳青电厂5 号锅炉( 3 0 0 m w 机组) 上。 此外，美国爱默生( e m e r s o n ) 公司也致力于该领域的研发，该公司具备o v a t i o n 专家控制系统的“e m e r s o np l a n t w e b 数字工厂结构”可以为发电燃烧机组的超临界锅 炉、选择性催化还原( s c r ) 流程及其他设备与过程提供控制。 除了前述公司之外，a u t o f l a m e 、f i r e y e 、h o n e y w e l l 、c l e a v e rb r o o k s 、s i e m e n s 等公司的燃煤控制系统在国际电力生产领域中也享有很高声誉，占据很大的市场份 利1 1 1 【1 2 1 。 1 2 2 国内燃烧优化技术的研究及应用 国内早期燃烧优化控制技术的研究主要为锅炉烟气含氧量的优化控制研究。烟 气含氧量代表了锅炉燃烧的风煤比，是影响锅炉燃烧效率和污染物排放的关键参 数。早期的燃烧优化控制主要以提高锅炉运行效率为目的，一般情况下，锅炉的效 率与烟气含氧量成凸的二次曲线关系，因此这些运行优化控制的研究都是采用这一 关系曲线对锅炉的烟气含氧量进行在线的寻优控制，以保证锅炉的最佳燃烧效率。 由于早期锅炉效率不可在线测量，因此很多研究采用了烟气中c o 含量与锅炉效率 的关系作为间接寻优烟气氧量的依据。 另一种燃烧优化控制技术为闭环均衡控制系统( b c c s ) 。均衡燃烧控制系统能 在风粉浓度在线检测系统基础上，通过对每个给粉机转速进行控制，较好地解决上 述问题。该系统是由以主蒸汽压力为被调节量、总给粉量( 燃料) 为调节手段的主 调节系统和以煤粉浓度为被调节量、给粉机转速为调节手段的若干个副调节系统组 成的一个闭环控制系统。由于该系统采用一次风管煤粉浓度作为反馈信号，增加独 4 华北电力人学硕十学位论文 立的煤粉浓度控制回路，不但可以消除煤粉浓度变化增加的扰动，增加主蒸汽压力 控制的稳定性，同时可保证每层燃烧器风速、煤粉浓度均衡，达到优化燃烧的目的 1 1 3 】 o 1 3 论文的主要内容 针对我国燃煤火电机组存在着发电煤耗高、燃烧效率低和氮氧化物排放浓度过 高的双重问题，本文研究在不改变锅炉设备的前提下，通过运行参数的调整，使锅 炉处于最佳运行工况，从而达到提高效率、降低煤耗和降低污染物排放的要求。 s i s 系统通过对火电厂生产过程数据的实时监测和分析，实现对全厂生产过程 的优化控制，使在整个电厂范围内充分发挥主辅机设备的潜力，达到整个电厂生产 系统运行在最佳工况的目的。本文研究了在s i s 系统平台上实现锅炉整体优化的实 现方法。其主要内容如下； ( 1 ) 论述了进行锅炉燃烧优化对发电企业的重要意义，介绍了国内外主要燃 烧优化技术，简要介绍了厂级监控信息系统，总述了本文要研究的内容。 ( 2 ) 通过研究人工智能技术在锅炉燃烧中的应用，介绍了k m e a n s 聚类算法挖 掘控制策略的方法和神经网络、支持向量机算法建立锅炉燃烧特性模型的原理、过 程，以及遗传算法、粒子群算法优化运行参数的方法。 ( 3 ) 以锅炉燃烧效率的计算模型为基础，分析锅炉运行经济性的影响因素。在 研究了燃煤锅炉氮氧化物排放的影响因素与控制方法之后得出：影响锅炉运行经济 性和氮氧化物排放的因素大部分相同，但具有矛盾的要求。提出了以提高效率和降 低氮氧化物排放浓度的整体优化目标。 ( 4 ) 论述了s i s 系统作为一个应用软件其开发过程的整体规划，包括s i s 系统 的总体设计思想、s i s 系统的网络架构、s i s 系统的软件结构等方面的设计。提出了 在s i s 平台上二次开发燃烧优化系统的实现方法。 ( 5 ) 在锅炉燃烧特性试验数据的基础上，分别用b p 神经网络和支持向量机对 锅炉燃烧特性进行建模，仿真试验表明，两种模型都能很好的预测锅炉燃烧的排放 特性。然后在应用该模型，应用遗传算法对锅炉运行的可控参数进行优化，结果表 明，在提高锅炉经济性和降低氮氧化物排放方面，该方法优化效果明显。 1 4 本章小结 本章简述了锅炉燃烧优化系统对发电企业的意义，介绍了厂级监控信息系统的 提出及在电力企业优化运行中的应用，重点讨论了国内外锅炉燃烧优化的主要技术 方法和应用现状，总述了本文要研究的内容。 华北电力人学硕十学位论文 第二章人工智能技术在锅炉燃烧优化中应用 电站锅炉燃烧是个复杂的物理化学过程，涉及到燃烧学、流体力学、热力学、 传热传质学等学科领域。电站锅炉燃烧优化也是个复杂的过程，影响锅炉燃烧好坏 的参数多，各参数之间的关系复杂。因此，很难用一种简单的方法对锅炉燃烧过程 进行优化。 人工智能( a r t i f i c i a li n t e l l i g e n c e ，简称a i ) 是计算机科学、控制论、信息论、 神经生理学、心理学、语言学等多种学科相互渗透而发展起来的一门综合性前沿学 科，其目标是使机器能够具有人类那样的智能水平1 14 1 。经过5 0 多年的发展，人工 智能取得了巨大的成就，对人类社会的发展和进步起到了积极的推动和促进作用。 利用人工智能的方法，能够解决难以用数学的方法精确描述的复杂的、随机的、模 糊的问题，具有自学习、自组织、自适应的能力。近年来，人工智能技术应用于电 站锅炉燃烧优化调整上，取得了不错的效果。 2 1 数据挖掘技术在锅炉燃烧优化中的应用 数据挖掘是用于大规模数据处理的一种新的思维方法和技术手段，它是在现实 生活中各种数据量呈指数级不断增长，以及以数据库( d a t a b a s e ) 技术为核心的信息 技术逐渐成熟的背景下产生的【1 5 1 1 16 1 。数据挖掘可以帮助用户发现隐藏在大型数据库 中的规律和模式，已经在商业、企业、政府、科研及体育等多种不同类型的组织机 构和领域中获得广泛的应用。 电站锅炉的运行数据通过大量的传感器传送至d c s 或数据库中，在这些大量的 运行数据中包含着锅炉的运行信息，通过数据挖掘技术分析这些数据实现燃烧过程 优化和预测可能存在的故障。锅炉的控制检测系统持续检测记录锅炉运行的实时数 据，如给煤量、引风机转速、主汽压力、主汽温度和负荷等等，锅炉效率则效率计 算模型计算出。在这些锅炉运行参数中，一些是可以控制的，如给煤量，一些是不 可控的，如冷空气温度。通过数据挖掘方法可以得到最优的控制设置，来调整可控 参数，以达到提高锅炉燃烧效率的目的。 2 1 1 用k m e a n s 聚类算法得到控制策略 k m e a n s 算法是常用的聚类算法之一1 1 7 1 1 1 8 】【1 9 】，它是把对象集合d 划分成一组 i 聚类 c l ，g ，c ，这罩u g = d ，其中七是要得到的聚类个数。该算法将一个对象 6 华北电力人学硕十学位论文 最多只归于一个聚类，每个聚类都是全体对象集的一个子集。下文将介绍一种用 k m e a n s 聚类算法决定控制策略以提高燃烧效率的方法，控制策略出各聚类得到， 实质上与每一类的聚类中心点相等。 k - m e a n s 算法的工作过程说明如下：首先从n 个数据对象任意选择k 个对象作 为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度( 距 离) ，分别将它们分配给与其最相似的( 聚类中心所代表的) 聚类；然后再计算每 个所获新聚类的聚类中心( 该聚类中所有对象的均值) ；不断重复这一过程直到标 准测度函数开始收敛为止。k 个聚类具有以下特点：各聚类本身尽可能的紧凑，而 各聚类之间尽可能的分开。 锅炉燃烧特性的参数持续记录下来，用集合s = 饵，c ，c ) 表示，表示t 时 刻的燃烧参数向量，而向量= ( p ( 1 ) i ，p ( 2 ) c ，p ) i ，p ( k + 1 ) ：v ，p ( k + 胁) y ，q ) r 表示 燃烧特性的 + 朋) 个参数，其中k 个参数是可控的，小个参数是不可控的，参数q 表 示t 时刻的燃烧效率。 基于聚类方法得到提高锅炉燃烧效率控制策略的基本原理为：有燃烧特性数据 。，f 一1 ，2 ，3 ，集合s - 足，只，只 ，在s 中找弓，使勺 巳+ ，且弓与只+ ，相 似度最高( 距离最小) 的。+ ，和弓的相似度d 可由如下公式 i + ，n 2 d = 嘶) | p ( ；f ) 矿一川) l ( 2 1 ) 计算，其中嘶) 为第f 个参数的权重。通过将可控参数的值调整到己，锅炉燃 烧效率就相应的从巳+ ，提高到勺。然而，由于燃烧特性数据量特别大，同时历史数 据库中的数据点存在随即噪声，很难实现锅炉的实时优化，并且影响优化效果。因 此，使用聚类算法将历史数据库中的原始燃烧特性数据进行处理，寻找最相似的己 转化为寻找最相似的聚类中心点勺，实现锅炉燃烧的实时优化。 控制策略包括一系列可控参数的值、不可控参数的值以及相应的燃烧效率，同 时还有相关统计量，如支持度和置信度。控制策略可以表达为： c s ia ( 。( 1 ) ；，岱( 2 ) f ，岱( 露醪，c s ( k + 1 ) y ，c s ( k + m ) t ，e j ，c o n f i ，s u p p i ) r ( 2 2 ) 其中： 岱( 1 并第1 个可控参数的值； c s ( k ) ? 第k 个可控参数的值； 四( 七+ 1 ) ；v 第1 个不可控参数的值； c s ( k + 肌) ? 第肌个不可控参数的值； 相应的燃烧效率； c o n f i 相应的置信度； 7 华北i 乜力人学硕十学位论文 s u p p i 相应的支持度； 由历史数据得到的控制策略可以保存在知识库中，这样从知识库中寻找控制策 略比从原始数据中寻找最相似的乞相对容易和简单。 每个控制数据点相应的燃烧效率都是连续变化的，但是我们可以按照效率的高 低将它们分级。表( 2 1 ) 是一个将锅炉燃烧效率分成十级的例子： 表2 - 1 锅炉效率分级 u r 8 6 ( a )8 6 8 6 2 5 ( b ) 8 6 2 5 8 6 ( c )8 6 5 8 6 7 5 ( d )8 6 7 5 8 7 ( e ) 8 7 8 7 2 5 ( 08 7 2 5 8 7 5 ( g ) 8 7 5 8 7 7 5 ( h )8 7 7 5 8 8 ( i )h t 8 8 0 ) 其中，“l r - 8 6 ”表示效率低于8 6 ，“h t _ 8 8 ”表示效率高于8 8 。为了简单起见， 将效率的十级分别用字母“a ”到j ”表示。这样集合s = 嘏，只 也被分配了离 散的值，数据点相应的效率乞就是离散的。这样，每一级效率都有相应的一系列 数据点，要将锅炉效率提高到高一级，只要在高一级的效率对应的数据点中找出相 似度最高的。 应用基于聚类方法得到控制策略可以分为两个阶段，即离线学习阶段和在线进 化阶段。 离线学习阶段是指，利用历史数据库中数据建立控制策略，这一阶段将分为四 步完成： 1 ) 通过降噪、标准化、剔除坏值等方法处理原始数据，同时将所有数据点对 应的效率值分为十级； 2 ) 将处理过的数据点按照相应效率的分级，把它们也相应地分成十级； 3 ) 对第2 步得到的每一级数据，应用k m e a n s 聚类算法得到一系列中心点。 其中每一级的分类数k 则有每一级点的数量来定，一般取总数据点的5 ； 4 ) 将第3 步得到的控制策略( 聚类中心点) 保存在知识库中。 在第3 步中，要用k m e a n s 聚类算法将每一级数据点分类。若在“b ”级效率上 历史数据库中有1 0 0 0 点，由于每个点都在相同的效率级上，效率值便可以从数据 中省略，则= ( p ( 1 ) i ，p ( 2 ) i ，p ( 七r ，p ( k + 1 ) ，p ( k + 历) r ，便可产生5 0 个聚类 和聚类中心，然后计算出每一类的标准偏差，标准偏差较小意味着有较高的置信度， 这样控制策略c s , ；( c i , b ，c o n f i ，s u p p i ) 1 。 在线进化阶段是指在燃烧优化的过程中控制策略持续收集和升级的过程。如果 一个控制策略导致了一个更高的效率级，而这个策略在知识库中没有，就将这一策 略的锅炉状态作为一个新的控制策略保存在知识库中。 8 岛 x l 砘。 囤2 ，1 入工神经元模型 囤一1 八上1 弋。一一 神经元模型的输入输出关系为： 9 华北电力人学硕士学位论文 s ，2 善一q 。荟( x 0 2 嘭，02 - - - 1 ) y 。f ( s j ) 式中，口f 叫做阈值，w 一称为连接权值，x ，y 分别为神经元的输入和输出，( ) 称为激励函数，常用的激励函数有：双曲函数、径向基函数、s 型函数、等比例函 数、符号函数、饱和函数、阶跃函数等。 解决复杂非线性问题，要用到多层神经网络模型。具有代表性的网络模型有： 自适应共振理论、雪崩网络、双向联想记忆、b p 网络、b l o t z m a n 机c a u c h y 机、盒 中脑模型，h o p f i e l d 网络等等。尤其以b p 网络应用最为广泛。 b p 算法的基本思想是，学习过程有信号的正向传播与误差的反向传播两个过程 组成。正向传播时，输入样本从输入层输入，经各隐层逐层处理后，传向输出层。 若输出层的实际输出与期望的输出不符，则转入误差的反向传播阶段。误差反传是 将输出误差以某种形式通过隐层逐渐向输入层反传，并将误差分摊给各层的所有单 元，从而获得各层单元的误差信号，此误差信号作为修正各单元权值的依据。这种 信号正向传播与误差反向传播的各层权值调整过程，是周而复始进行的。权值不断 调整的过程，也就是网络的训练过程。此过程一直进行到网络输出的误差减少到可 接受的程度，或进行到预先设定的学习次数为止。 建立锅炉燃烧特性的神经网络模型，将影响n o x 排放量和燃烧效率的因素，如 煤种特性、锅炉热负荷、燃烧氧量、配风方式、冷空气温度以及排烟温度等作为神 经网络的输入，n o x 排放量和燃烧效率作为神经网络的输出，用锅炉运行历史数据 进行训练，达到可接受的误差范围内，就可以实现对n o x 排放量和燃烧效率的预测。 2 2 2 支持向量机建模原理 支持向量( s u p p o r tv e c t o rm a c h i n e ，s v m ) 算法是一种新的统计学习方法，在系 统建模方面具有良好的性能。它具有严格的数学理论基础、直观的几何解释和良好 的泛化能力，在处理小样本学习问题上具有独到的优越性【2 2 1 【2 3 l 【2 4 l 。近年来，支持向 量机在回归算法的研究方面表现出了良好的性能。 回归问题可以描述为，对于输入输出数据集( 薯，y i ) ( i = 1 ，) ，求得输入输出之 间的关系：f ( 石) = w z + 6 。 在支持向量回归中，首先通过非线性映射函数把数据映射到更高维特征空间， 然后在特征空间构造优化超平面：f ( z ) = w r x g ( x ) + b 。式中，w 是权重向量，g ( x ) 是 将x 映射到特征空间的映射函数，b 为偏置项。 设g ( 石) 为映射用的非线性函数，则k ( ，) = g ( ) 。g ( 工，) ，是映射函数的点积， 1 0 华北电力人学硕十学位论文 称为核函数。核函数对于支持向量机来说非常重要，但如何选择、确定核函数目前 尚无公认的理论。较常用的核函数有：径向基函数，多项式函数，s i g m o i d 函数， 线性函数等。大多数文献的研究认为径向基函数一般情况下优于其他常用的核函 数。 在引入精度和松弛因子zo 和善o 后，回归问题就可转化为最小结构风险 ( s r m ) 函数的问题： 其约束条件为： r ( 瞄) = 芦1 w + c 荟k ( 皇，) ( 2 3 ) ， y i w 。玉一ds + 氧 w 。毛+ 6 二咒s + 亭。t f ：1 ，七 ( 2 4 ) 毒0 7 20 通过式( 2 4 ) 的约束条件，最小化式( 2 - 3 ) 即可求得目标函数的w 和b 。式( 2 3 ) 中第1 项是使回归函数更为平坦，泛化能力更好，第2 项则为减少误差，其系数c 0 为罚系数。 选择合适的核函数和罚系数c ，用锅炉燃烧特性的历史数据进行训练校验，便 可以得到最优的支持向量w 和偏差b ，即得到用于预测n o x 排放量和燃烧效率的支 持向量机模型。 2 3 遗传算法和粒子群算法在优化上应用 在锅炉排放特性模型基础上，优化运行参数，使模型的输出达到期望输出，即 燃烧效率尽可能高和n o x 排放量尽量最低的双重要求。近几十年来，新兴的仿生类 算法发展非常迅速，这些算法主要是模拟生物进化和生物群体的智能优化方法，在 并行性、随机性、自适应性、鲁棒性、非线性复杂问题的搜索能力等方面表现出了 显著的特点。 遗传算法( g e n e t i ca l g o r i t h m ，g a ) 是一种建立在生物界自然选择原理和自然 遗传机制的随机化搜索方法，按“生存竞争，优胜劣汰”的原则，同时考察多个候选 解，淘汰劣质解，鼓励发展优质解，逐步提高解群体的质量，从而逼近所研究问题 的最优解。在求解问题时，其根本目标是追求群体收敛性，保证算法趋于全局最优。 最近几年，遗传算法在理论和应用两方面均发展迅速、效果显著，为解决优化问题 提供了新思维1 2 5 1 1 2 6 1 。 在1 9 9 5 年，美国社会心理学家j a m e sk e n n e d y 和电气工程师r u s s e l le b e r h a f l 1 1 华北电力人学硕十学位论文 又在研究生物群体的基础上提出了一种新型的进化算法粒子群算法( p a r t i c l e s w a r mo p t i m i z a t i o n ，p s o ) ，基本概念源于对鸟群捕食行为的研究。人们通过对动物 社会行为的观察，发现在群体中对信息的社会共享有利于在演化中获得优势，并以 此作为丌发p s o 算法的基础。通过加入近邻的速度匹配，消除不必要的变量，并 考虑多维搜索以及根据距离的加速，形成了p s o 的最初版本。之后，研究学者提 出了p s o 算法的多种改进版本。现在p s o 己广泛应用于函数优化、神经网络训练、 模式分类、模糊系统控制以及其他的应用领域。 2 3 1 遗传算法优化的基本原理 遗传算法( g a ) 是一种基于群体进化的计算模型，它通过群体中的个体之间的 信息交换及其重组一步步地逼近问题的最优解。对个体的遗传操作主要采用选择、 交叉和变异这三个基本的遗传算子，形成了遗传算法一个统一的实现框架。g a 利 用简单的编码技术和算法机制来模拟复杂的优化过程，只要求优化问题是可计算 的，而对目标函数和约束条件的具体形式、优化变量的类型和数目不做限制，在搜 索空间中进行自适应全局并行搜索，运行过程简单而计算结果丰富，特别适合于处 理复杂优化问题。 设优化问题的数学描述为： m i nf ( x ( 1 ) ，工( 2 ) ，工0 ) ) ( 2 - 5 ) 口( _ ) s 工( ，) s 6 ( _ )j = 1 2 ，p ( 2 - 6 ) 式中：z ( j ) 为第j 个优化变量；【口( ) ，厶( 川为x ( j ) 的变化区间；p 为优化变量的 数目；厂为目标函数。 遗传算法是模拟生物遗传与进化机理，从给出的原始解群体中不断进化产生新 的解，最后收敛到一个特定解附近，从而求出问题的最优解，这一过程包括如下内 容。 ( i ) 个体的编码过程。遗传算法把问题的设计变量表示成个体( 染色体) ，多 个个体构成的群体则表示了问题中一个解的集合，将设计变量与个体之间的映射称 为编码过程。编码的方式有多种，其中较为常用的是采用固定长度的二进制字符串 来进行编码，这种编码方式使问题的表现形式较为简单，计算机实现容易。 ( 2 ) 适应度函数的建立。用适应度函数来衡量群体进化的优良程度，指导着 个体的遗传操作过程，以概率的方式选择下一代优良个体，使整个群体向着晟优的 方向移动。因此，适应度函数的正确选择对遗传算法的求解会产生一定的影响，在 函数优化中，一般可以将目标函数作适当的转换后，作为遗传算法的适应度函数。 ( 3 ) 遗传操作。遗传算法实用三种遗传操作或遗传算子，它们是选择算子、 交叉算子和变异算子。选择是遗传算法的基本算子，它从上一代群体中选择一定数 1 2 华j 匕电力人学硕十学位论文 量的个体，作为参与下一代群体繁殖的父代个体，体现了“适者生存”的自然选择原 则。个体的选择是依据适应度大小进行的，适应度大的个体被复制，适应度小的被 淘汰，而新群体个体的总数保持不变。交叉算子和变异算子是产生新个体的主要操 作，挖掘群体中个体的多样性，克服可能陷于局部解的现象，使得遗传算法的搜索 能力得以较大的提高。 ( 4 ) 运行与控制参数。在遗传算法进行过程中，需要预先确定一些有关的运 行参数。首先，需要确定进化群体的大小，即群体中个体的数量。另外，由于遗传 算法的操作算子是以概率进行的，因此需要确定相应的操作概率，选择算子的概率 为0 4 - - 0 8 ，变异算子的概率一般很小，可取为0 0 0 1 - 0 0 1 。遗传算法是一种反复 迭代的计算过程，它通过多次进化进化计算逼近问题的最优解，而不是恰好到达最 优解。因此，需要确定遗传算法的终止计算条件，一般情况下规定遗传算法的进化 次数，也可以通过目标函数的偏差或个体适应度变化大小来决定算法的终止。 遗传算法的基本流程如下图所示： 图2 2 基本遗传算法流程图 2 3 2 粒子群算法优化的基本原理 粒子群算法和其他进化类算法相类似，也采用“群体”和“进化”的概念，同样也 是依据个体的适应值大小进行操作。所不同的是，粒子群算法采用速度一位置搜索 模型，不像其他进化算法那样对于个体使用进化算子，而是将每个个体看作是在n 维搜索空间的一个没有重量和体积的微粒，在每一次迭代中，粒子通过跟踪两个最 1 3 华北电力人学硕十学何论文 优解来动态调整自己的速度和位置，最终达到从全空f a j 搜索最优解的目的：一个是 粒子自身所找到的最优解，称为个体最优解；另一个是整个种群目前找到的最优解， 称为全局最优解。解的优劣程度取决于适应度函数1 2 7 j 【2 8 j 1 2 引。 假设在n 维搜索空问中有r 1 1 个粒子，粒子i ( 诘1 ，2 ，1 1 1 ) 的