（热能工程专业论文）基于人工智能方法的烟气含氧量软测量及优化配煤研究.pdf

大连理工大学硕士学位论文 摘要 软测量技术也称为软仪表技术，是指对于难以测量或暂时不能单独用仪表进行测量 的被测变量，选择另外几种容易测量的变量，构造这些辅助变量与主导变量之间的某种 数学关系，实现对待测过程变量的测量。 采用华能某电厂2 0 0 6 年的d c s 系统采集的历史数据，建立了烟气含氧量的软测量 模型，其中包括了因子分析回归模型、偏最d - - 乘回归模型、b p 神经网络模型。模型 的输入变量包含了煤质参数、煤量、风量、蒸汽流量、排烟温度、燃烧器摆角等1 5 个 锅炉运行的参数作为烟气含氧量的预测参数，通过对这些模型的对比分析，提出将偏最 小二乘回归与神经网络相耦合，利用偏最小二乘回归对数据提取主成分，在保证模型精 度的前提下降低了神经网络的输入维数，建立了烟气含氧量预测混合模型，验证表明， 混合模型的最大泛化误差不超过5 。利用此模型进行了烟气含氧量影响因素的定量分 析，直观的体现了可控参数及煤质参数对烟气含氧量的影响作用。 作为适合我国国情的洁净煤技术之一的动力配煤技术日益引起人们的普遍关注，本 文建立的优化配煤模型主要包括两个方面。一方面根据配煤后的煤质水分、挥发分、灰 分、发热量与单种煤之间存在线性关系，即各单种煤的加权平均值与实测值之间不存在显 著性差异，对不同配煤比例下的煤质水分、挥发分、灰分及价格进行计算：另一方面结 合遗传算法，以配煤比例为待优化变量，以单位千瓦时发电燃料成本最低作为优化目标 函数，同时考虑了配煤燃烧对配煤成本和发电煤耗两方面的影响，借助遗传算法的全局 寻优功能，并行搜索配煤比例的最优值。与传统的优化配煤模型相比，该模型充分考虑 了煤质参数变化时对发电煤耗的影响。为机组经济性能的在线监测、能耗分析、运行指 导以及生产管理提供了切实可靠的分析依据，有利于提高电厂生产和管理的现代化水 平。 关键词：人工智能；烟气含氧量；软测量；优化配煤 人工智能方法在烟气含氧量软测量及优化配煤中的应用 s t u d yo ns o f ts e n s i n go fo x y g e nc o n t e n ti nf l u eg a s e sa n do p t i m i z a t i o n o f c o a lb l e n d i n gb a s e do na r t i f i c i a li n t e l l i g e n c e a b s t r a c t s o rs e n s i n gt e c h n i q u e sp r o v i d ee s t i m a t ef o re n g i n e e r i n gv a r i a b l e sw h i c ha r cd i f f i c u l tt o m e 冶s u r eb yi n s t r u m e n td i r e c t l y i t sb a s i cp r i n c i p l ei st ou s ev a r i a b l et h a ti se a s yt om e a s u r et o e s t a b l i s ht h em a t h e m a t i c a lm o d e lt od e d u c et h em e a s u r e do n e b a s e do nt h ea c t u a lo p e r a t i n gd a t ai nd c ss y s t e mt e s to f h u a n e n gp o w e rp l a n t si n2 0 0 6 ， an e wm e t h o df o rm e a s u r i n go x y g e nc o n t e n ti nf l u eg a s e sw a sp r o p o s e d n ep r o p o s e d m e t h o di n v o l v e st h ef a c t o ra n a l y s i sr e g r e s s i v em o d e l ，p a r t i a ll e a s t - s q u a r er e g r e s s i v em o d e la s w e l la sb pn e u r a ln e t w o r km o d e l f i f i yo p e r a t i n gp a r a m e t e r so fb o i l e r ，s u c ha sc o a l p a r a m e t e r s ，c o a lf e e dr a t e ，a i rq u a n t i t y ，s t e a mf l o w , e x h a u s tg a st e m p e r a t u r e ，b u r n e rt i l ta n g l e ， e t c w e r et r e a t e da sk n o w np a r a m e t e r s c o m p a r a t i v ea n a l y s i sw a si n a d ea n dac o u p l e dm o d e l f o rp r e d i c t i n go x y g e nc o n t e n ti nf l u eg a s e sw a ss u g g e s t e d ，a n dd e p r e s st h ed i m e n s i o no ft h e n e u r a ln e t w o r kb ye x t r a c t i n gt h ef a c t o r si np l s r 1 1 他s i m u l a t i o nr e s u l t sw e r ei ng o o d a g r e e m e mw i t ht h ee x p e r i m e n ta n dt h eb i g g e s tg e n e r a l i z e de r r o ri s5 a sak i n do fc l e a nc o a lc o m b u s t i o nt e c h n o l o g ys u i t a b l ef o rc 峨p o w e rc o a lb l e n d i n g h a sg a i n e dm u c ha t t e n t l o n t h ec o a lb l e n d i n gm o d e li nt h i sa r t i c l eh a st w om a j o rs i d e s t h e a u t h o rc a l c n l a t et h ew a t e rc o n t e n t , v o l a t i l ec o n t e n ta sw e l la sc o s ti nd i f i e r e n tc o a lb l e n d i n g r a t i ow i t ht h ea s s u m p t i o nt h a tt h ep r o p e r t i e so ft h em i x e dc o a lc o n l db eo b t a i n e db y w e i g h t a v e r a g i n ge a c hc o m p o n e n t b a s e do nt h e s ef o u n d a t i o n a lw o r k , a d o p tt h eg e n e t i c a l g o r i t h m so p t i m a lm o d e lt oc o m p n t et h eo p t i m a lc o a lb l e n d i n gr a t i o ，c o m p r e h e n s i v ec o s ta n d c o a l c o n s u m p t i o na so p t i m i z a t i o nv a r i a b l e ，o b j e c t a n df i t n e s sf u n c t i o n r e s p e c t i v e l y c o m p a r i n gt ot h et r a d i t i o n a lo p t i m a lm o d e l ，t h ea f f e c t i o mo fp r o p e r t i e so fm i x e dc o a lt o c o n s u m p t i o nh a v eb e e nc o n s i d e r e di nt h i sm o d e lp r o p o s e d t h e s es i m u l a t i o n sa n da n a l y s i s p r o d d e dat h e o r e t i c a lf o u n d a t i o nf o re c o n o m i cp e r f o r m a n c e so n l i n em o n i t o r ，c o n s u m p t i o n c o n t r o l ，o p e r a t i o ng u i d ea sw e l la sp r o d u c t i o nm a n a g e m e n t , w h i c hi sb e n e f i tt oi m p r o v et h e p r o d u c t i o na n dm a n a g e m e n tm o d e r n i z a t i o nl e v e lo f p o w e rp l a n t s k e yw o r d s ：a r t i f i c i a li n t e l l i g e n c e ；o x y g e nc o n t e n ti nf l u eg a s e s ；s o f ts e n s i n gt e c h n i q u e s ； o p t i m i z a t i o no f c o a lb l e n d i n g i i 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料与我一同工作的同志 对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意 大连理工大学硕士研究生学位论文 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位 论文版权使用规定”，同意大连理工大学保留并向国家有关部门或机构送 交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权大连理 工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，也 可采用影印、缩印或扫描等复制手段保存和汇编学位论文。 储签名-型圃 导师签名 考鏊! 兰! ! 星年l 月翌日 大连理工大学硕士学位论文 1 绪论 1 1 课题背景及意义 随着经济的飞速发展，人们对能源的需求也与日俱增。在各种形式的一次能源消费 比例中，煤炭几乎占世界能源总需求的3 0 ，据世界能源会议预测，煤炭作为一次能源 重要组成部分的地位在相当长的时间内不会改变，预计2 0 2 0 年煤炭将占世界一次能源 消费的3 3 7 6 右。我国是世界上最大的煤炭生产国和消费国，煤炭占我国一次能源的 7 5 左右，大大超出了2 7 的世界平均水平，有着极其重要的地位。火力发电行业是一 个不断将一次能源转化为二次能源的场所，是消耗一次能源的大户。因此，在当前国家 能源供应十分紧张的情况下，提高火力发电行业的节能意识，加强能源管理，降低煤耗 具有十分重要的意义j 。 电站锅炉是火力电站的三大主机设备之一。目前，我国的火力电站锅炉以亚临界和 超临界大容量锅炉为主，由于设备本身及操作管理等方面的原因，性能指标与发达国家 相比有较大差距，主要表现在煤耗高或热效率低。2 0 0 3 年我国供电的平均标准煤耗为 3 8 1 9 k w h ，与发达国家相比，多耗6 0 9 k w h ，热效率低近1 0 个百分点2 0 0 3 年全国发电 量为1 9 0 8 0 亿千瓦时，以此推算，全国一年发电就要多耗标准煤1 2 亿吨，多花费购煤 歙1 0 0 多亿元。这一严峻的现实要求我们不断在新机组的技术改造和节能挖潜方面下大 力气，电厂运行优化系统作为指导电厂优化运行的主要工具日益显示出其重要性 2 1 。 在电站锅炉的运行过程中，锅炉烟气含氧量是一个十分重要的参数，它与锅炉运行 的经济性及安全性息息相关，烟气含氧量增加意味着锅炉过量空气系数增大，排烟量增 大，q 2 上升；同时，气体燃料和颗粒煤燃烧较完全，q 3 和q 4 下降。因此最合理的过量空 气系数应使( q 2 + q 3 + q 4 ) 之和最小。可见，过量空气系数直接影响炉内燃烧的好坏、 排烟损失、化学不完全燃烧热损失和机械不完全燃烧热损失的大小。运行中准确、迅速 的测定烟气含氧量，使监督锅炉经济运行的主要手段。但由于氧量分析仪器的精度不高、 投资大、寿命短、测量滞后等方面的缺陷p 】，使得烟气含氧量的软测量技术有着广阔的 发展空间。利用电站锅炉运行过程中易于获取的测量参数，按照这些参数与烟气含氧量 的关系模型对烟气氧量进行预测。但由于这些参数存在严重的多重相关性及非线性1 4 】， 利用单纯的统计回归模型及神经网络模型都难以达到满意的效果【5 】，本文采用了基于偏 最小二乘与神经网络相耦合的混合模型，取得了满意的效果。 在现有条件下，要提高锅炉热效率，就必须保证锅炉达到正常高效运行，必须恰当 选择适宜的燃煤煤质特性和燃烧特性与锅炉设计参数相匹配，不同特性的煤，适应不同 人工智能方法在烟气含氧量软测量及优化配煤中的应用 的锅炉设计参数。配煤技术的原则，就是恰当地满足不同类型锅炉设计参数的要求，使 煤得到充分燃烧，稳定燃烧，避免结渣，达到锅炉额定出力和满负荷运行，提高燃烧效 率及锅炉热效率。实践证明，通过动力配煤即燃煤均质化，能使节煤率平均提高5 以 上【6 】。我国使用动力配煤主要有以下几个意义吼 ( 1 ) 提高锅炉效率，节约大量煤炭，同时降低锅炉事故率。 ( 2 ) 提高劣质煤的利用率，充分利用当地煤炭资源。 ( 3 ) 有利于煤炭供应的主要渠道形成，提高流通效益。 ( 4 ) 有利于控制污染。 1 2 课题研究现状 大部分锅炉安装的氧量计，由于测量原理复杂，探头工作环境恶劣，因此日常维护 工作量相当繁重，经常出现氧量计失效的情况。利用一些较易在线测量的辅助变量，通 过在线分析，去估计不可测或难测变量( 烟气含氧量) 的方法，其核心内容是发现和建 立辅助变量与主要变量之间的模型关系，主要方法可以分为三类：基于工艺机理的软测 量模型，基于统计分析的软测量模型，以及基于人工智能的软测量模型。工艺机理模型 由于人们对大多数机理的认识不足，难以实际应用；而利用统计模型和人工智能方法建 立的经验模型应用范围较广，前者依靠对现场试验和历史数据进行统计分析，发现数据 间潜在的规律和关系，建立预测模型：而后者则是通过机器学习方法，将来自实践中的 数据和经验整理成一种“知识性”模型用以检测和预报，其中基于神经网络的软测量技 术是研究最多、发展最快和应用范围最广的一种软测量技术p 】。 文献【8 】选择了主蒸汽流量，给水温度、燃料量、送风量、送风机电流、引风量、引 风机电流、排烟温度等8 个工艺参数作为软测量模型的输入，文献【9 】在稳态建模时，着 重于描述锅炉稳态运行工况信息与烟气含氧量之间的函数映射关系，二次变量选择了操 作变量送风挡板开度、引风挡板开度、反映各燃烧器的燃料量的8 个给煤机转速、反跌 炉膛负荷情况的主蒸汽流量、压力、温度、排烟温度、炉膛温度等。 在动力配煤方面，浙江大学的周俊虎、黄镇宇等人利用b p 神经网络和模拟逼火算法 建立了非线性理论的动力配煤模型，并提出了一种将遗传算法、模拟退火算法和穷举法 相结合的混合算法，计算效率大幅提高；赵虹、周坤等人采用b p 神经网络进行了煤质工 业分析、发热量和媒质着火温度、着火稳定性指标的预测：哈尔滨工业大学的于达人、 曾琴琴等人建立了电厂配煤非线性多目标规划数学模型。研究了混煤煤质回归估计方法 并结合遗传算法的配煤多目标规划数学模型求解。国外一些电厂进行动力配煤的主要目 的是采用低硫煤与高硫煤混合燃烧以降低s 岛的排放，降低锅炉的结渣、沾污和积灰， 2 大连理工大学硕士学位论文 充分利用高热值煤，保证灰含量和发热量等等【l 川，而美国、德国、日本、英国、西班牙、 荷兰和加拿大等是从事动力配煤研究较早的国家。其研究内容涉及到混合系统和混合方 法的研究、配煤着火性能的研究、配煤对结渣性能影响的研究、采用混烧方法以降低n 0 x 及s 0 x 排放的研究等等叫4 】。 目前以神经网络、进化类优化算法为代表的人工智能在各领域应用研究的迅速发展 为火电厂运行优化系统建模提供了新的建模思想，开辟了一条新的可行途径。神经网络 中b p 三层网络模型具有良好的非线性映射能力，以及遗传算法优秀的全局优化搜寻功 能及各人工智能方法的相互配合下可充分利用火电厂d c s 系统及其他现有系统丰富的数 据资源，具有传统建模方法所没有的针对性强、通用性好的特点，可建立通用、精确、 可靠的模型。人工智能的优化方法如遗传算法也具有传统优化算法所没有的优点，因此 在优化配煤领域具有重要的意义和广阔的前景。 1 3 本文主要工作 采用华能某电厂2 0 0 6 年度d c s 系统采集的实时运行数据，利用统计分析中的因子 分析方法及偏最小二乘回归分析方法分别建立了锅炉烟气含氧量的预测模型，并与b p 神经网络所建立的预测模型进行对比。在综合考虑了各个模型的优缺点之后，建立了基 于偏最小二乘与b p 神经网络的烟气含氧量预测的混合模型，并与之前建立的模型进行 对比。通过建立的烟气含氧量预测混合模型分析了可控参数中的煤量、风量和燃烧器摆 角及煤质参数中的水分、灰分和挥发分变化时对锅炉烟气含氧量的影响。 建立了基于电厂实际购入的三种动力煤的配煤模型，对配煤后煤质的水分、挥发分、 灰分等煤质参数和煤炭价格进行了计算，根据大量的煤质工业分析数据，建立了煤质低 位发热量与煤质水分、挥发分、灰分的回归方程，为后续开展的优化配煤寻优奠定了基 础。利用s p s s 统计分析软件中的k - m e a n s 聚类分析功能对原始数据样本进行分类压缩， 建立经济性指标一发电煤耗随运行参数变化的b p 三层神经网络模型，并依此对不同工 况进行模拟仿真。 现有的优化配煤模型的目标往往是在保证煤质水分、挥发分、灰分、热值、硫分等 参数满足锅炉要求的情形下，针对混煤价格进行优化，而忽视了混煤燃烧对锅炉效率或 发电煤耗的影响。针对这种情况，本文建立的优化配煤模型的目标函数一发电燃料成本 函数7 缭台= x 堍综合的考虑了煤炭成本与发电标准煤耗两方面的影响。 利用遗传算法在并行搜索和全局寻优方面具有强大的搜索能力，针对锅炉不同的负 荷工况下建立的优化配煤模型搜索最优的煤炭配比比例，取得了满意的效果，为配煤的 优化运行提供理论指导依据。 人工智能方法在烟气舍氧量软测量及优化配煤中的应用 2 基于统计分析建模和人工智能建模的两种软测量方法 随着现代工业过程对控制、计量、节能增效和运行可靠性等要求的不断提高，各种 测量要求日益增多。现代过程检测的内涵和外延较之以往均有很大的深化和拓展。传统 的流量、压力、温度等常规过程参数的测量信息已经不能满足工艺操作和控制技术的要 求。解决这一工业测量问题有两种方法：一是沿袭传统的检测技术发展思路，通过研制 新型的过程测量仪表，以硬件形式实现过程参数的直接在线测量；另一方法就是采用间 接测量的思路，利用易于获取的测量信息。通过计算来实现不易铡量的被检测量的估计。 7 0 年代，b r o s i l l o w 等人提出了软测量的基本思想和方法【1 5 】：通过比较容易测量的过程 辅助变量和难测变量的关系进行数学模型运算，得到所需的不易直接测量的过程主要输 出变量，并估计和克服不可测扰动对其的影响。 基于以上的思想，软测量技术定义为：利用易测的过程变量( 通常称为辅助变量或 二次变量s e c o n d a r yv a r i a b l o 与难以直接测量的待测过程变量( 通常称为主变量p r i m a r y v a r i a b l e ) 之间的数学关系一软测量模型( s o f ts e n s o rm o d e l ) ，计算获得待测变量的测量技 术。对于机理尚不清楚的对象，可以采用基于数据的建模方法建立软测量模型，该方法 从历史的输入输出数据中提取有用的信息，构建主导变量与辅助变量之间的数学关系a 该方法无需了解太多的过程知识，是一种通用的软测量建模的方法。以下分别介绍常用 的基于统计分析建模和人工智能建模的两种软测量方法。 2 1 统计分析建模 统计回归分析是一种经典的建模方法，它不需要建立复杂的数学模型。只需要收集 大量的过程参数，运用统计学方法将这些参数中隐含的对象信息进行浓缩和提取，从而 建立主导变量和辅助变量之间的数学模型【1 6 j 。基于统计分析的软测量方法主要有：主成 分分析、因子分析、偏最小二乘回归等。 2 ，1 1 因子分析 因子分析( f a c t o ra n a l y s i s ) 是一种寻找隐藏在可测变量中，不易直接观测到，但 却影响或支配可测变量的潜在因子，并估计潜在因子对可测变量的影响程度及潜在因子 之间关联性的多元统计分析方法。简言之，因子分析就是一种寻找潜在支配因子的模型 分析方法，其作用是分析可观测到的多个原始变量，找出数目相对较少的，对原始变量 有潜在支配作用的因子。因子分析的主要任务是找出共性因子变量，估计因子模型，计 算共性因子交量的取值和对共性因子变量做出合理的解释。 4 大连理工大学硕士学位论文 因子分析主要应用于数据分析的初期阶段，其目的是探讨可测变量的特征、性质及 其内部的关联性，并揭示有哪些主要的潜在因子可能影响这些可测变量。它要求所找出 的潜在因子之间相互独立及有实际意义，而且因子分析提取的公因子比主成分分析 ( p c a ) 提取的主成分更具有可解释性。主成分分析不考虑观察变量的度量误差，直接 用观察变量的某种线性组合来表示一个综合变量：而因子分析的潜在变量则校正了观察 变量的度量误差，且它还可以进行因子旋转，使潜在因子的实际意义更明确。 本文因子分析的操作通过s p s s 统计分析软件来实现。 2 1 2 偏最小二乘回归分析 偏最d - 乘回归是一种新型的多元统计数据分析方法，它集多元线性回归、典型相 关分析和主成分分析的基本功能于一体，通过对数据信息进行分解和筛选的方式，有效 的提取对系统解释性最强的综合变量，剔除多重相关信息和无解释意义信息的干扰【1 7 1 。 其思路是：首先，从自变量集合x 中提取成分“( h - 1 ，2 ，) ，各成分相互独立；然后， 建立这些成分与自变量x 的回归方程，其关键在于成分的提取。 p l s r 分析建模的具体步骤如下， ( 1 ) 数据的标准化处理。标准化的目的使样本点的集合重心与坐标原点重合。 肛掣 。 (21)ec 【b ，= l y y ) s 雠象i x , 褊乩2 ，面 亿z ， i 昂，= i =一e ( 而) 】，瓯，o = l ，m ) 式中焉，晶分别为y - x 的标准化矩阵；e l y ) ，e “) 分别为y ，x 的均值；s ( 力，s ( 而) 分别为y ，x 的均方差；n 为样本用量。 ( 2 ) 第一成分的提取，= 毛式中彤为昂的第一个轴，为组合系数。i i 彤1 1 = 1 ； 是 标准化变量i ，的线性组合，为原信息的重新调整从届中提取第一个成分m ， - - & c , 式中c l 为层的第一轴，i i c , l l - - 1 。经推导有 j 丝瑶箩2 镪 ( 2 3 ) 【碍晶哥届c i = 砰c i 。 人工智能方法在烟气舍氧量软测量及优化配煤中的应用 式中q 为优化问题的目标函数；彤为霹届瑶晶的特征向量，砰为对应的特征值。c i 为 对应于矩阵昭毛霹昂最大特征值砰的单位特征向量a 形=( 2 4 ) ：岛彤：i ! 一【r ( 五，j ，) 互们+ ，( x 2 ，y ) 岛2 + ，( ，y ) 互钿】 ( 2 5 ) ，2 “，力 f - 1 ( 3 ) 第二成分f 2 的提取以互取代晶e 取代昂t 用上面的方法求第2 个轴和第2 个成分r 2 ，有 = 晶= 南隧爿嘲啊 亿e ， ( 4 ) 第厅成分“提取同理，可推求第 成分厶。 可用交叉有效性原则进行识别。 ( 5 ) 推求偏最小二乘回归模型晶关于 ，f 2 ，的最小二乘回归方程为 昂= 1 + 吒r 24 - + 可还原成原始变量的偏最小二乘回归方程为 尚驯一喜q 挚c 栅瞳+ 睦靠 2 2 人工智能建模 ( 2 7 ) ( 2 8 ) 在众多基于人工智能的软测量方法中，基于人工神经网络( a r t i f i c i a l n e u r a l n e t w o r k ， 简记a n n ) i t t t l 町1 1 9 1 是近年来广泛研究的一种。其中，广泛采用的是b p 神经网络 ( b a c k p r o p a g a t i o n n e u r a l n e t w o r k ，简称b p 网络) 也称误差反向传播神经网络，是对非线 性可微分函数进行权值训练的多层前向网络，于1 9 8 6 年由h i n t o n 、r u m e t h a r t 和w i l l i a m s 等人提出。在人工神经网络的实际应用中，8 0 9 0 的网络模型都是采用b p 网络或 6 大连理工大学硕士学位论文 它的变形形式。如今，b p 网络主要应用于函数逼近、模式识别、分类、数据压缩、图 像处理与分析、控制等领域。可以说b p 网络是人工神经网络中前向网络的核心内容， 体现了人工神经网络最精华的部分。人工智能在电厂中的应用国外起步较早，其中在火 电厂最优控制系统，故障诊断、系统辨识等方面均有较好的应用1 2 0 - 2 2 1 2 2 1b p 网络模型 b p 神经网络是典型的多层前馈网络，其模型的特点是：网络除输入层与输出层节 点外，有一层或多层的隐层节点，同层节点间没有任何耦合：输入信号从输入层节点， 依次传过各隐层节点，最后传到输出层节点，每一层节点的输出仅影响下一层节点的输 出。如图2 1 所示为b p 神经网络的拓扑结构。 y l 图2 1b p 神经网络结构图 f i g 2 is t r u c t u r eo f b p n e u r a ln e t w o r k b p 网络可以看成是从输入到输出的高度非线性映射，即f ：r n r m ，f ( x ) = y 。对 于样本集合：输入x i ( r n ) 和输出y i ( r m ) ，可以认为存在某一映射g ，使g ( x i ) = y i ， i - - - i ，2 ，p 。现要求出一映射f 使得在某种意义下，f 是g 的最佳逼近。h e c h t - n i e l s e n 证明了如下的k o l m o g o r o v 定理：给定任一连续函数f u r ，这里u 是闭单位区间【o ，l 】， f 可以精确地用一个三层前馈网络实现，此网络的第一层( 即输入层) 有n 个处理单元， 中间层有2 n + 1 个处理单位，第三层( 即输出层) 有m 个处理单位 2 3 1 。 b p 模型可以实现了多层网络学习的设想，当给定网络的一个输入模式时，它由输 入层单元传到隐含层单元，经过隐层单元逐个处理后传到输出层单元由输出层单元处 理产生一个输出模式，这是一个逐层状态更新过程，称为前向传播。如果输出响应与期 望输出样式有误差，不满足要求，那么就转入误差反向传播，将误差值沿着连接通路逐 层传递并修正各层连接权值，对于给定的一组训练模式，不断用一个个训练模式网络， 重复前向传播和误差反向传播过程，当各个训练模式都满足要求时，我们说b p 网络已 学习好了。应该强调一点，从网络学习的角度来看，网络状态前向更新及误差信号传播 过程中，信息的传播是双向的，但是并不意味着网络层与层之间的结构也是双向的。 7 人工智能方法在烟气含氯量软测量及优化配煤中的应用 但b p 神经网络对输入样本以及初始条件的要求较高，需要具备良好的正交性和完 备性。否则易陷入局部最小点，网络的鲁棒性及泛化能力较差 2 4 】。：n - 7 - 本文采用的网络 输入数据庞大，必须经过预处理才能进行神经网络的训练。 2 2 2 印算法的流程 一般地，b p 算法按照初始化、给定训练数据集、计算实际输出y 和网络误差e 、调 整权值、判断是否结束训练等步骤进行，其流程如图2 2 所示。 圈2 2b p 神经网络训练沉程 f i g 2 2f l o wc h a r to f b pn e u r a ln e t w o r ku - a i n i n g 2 2 3 印训练函数的改进 b p 算法的实质是求解误差函数的最小值问题，由于它采用非线性规划中的最速下 降方法，按误差函数的负梯度方向修改权值，因而通常存在收敛速度慢、易陷于局部极 小点、网络瘫痪、稳定性差和步长选择等问题。在实际应用于中，为了克服以上问题， 出现了许多改进的方法，如训练集的归一化、步长自适应、导数提升、各层变尺度、训 练集重组和隐层节点数的确定等瞄坷。 由于b p 网络的最速下降法对于实际问题收敛速度较慢，因此人们研究了许多改进 算法。一种是通过分析标准最速下降法性能函数后利用启发性技术而研究得到的算法， 大连理工大学硕士学位论文 如带动量的梯度法、变学习率算法、弹性算法等；另一种是通过利用标准数值优化技术 而研究得到的算法，包括共轭梯度法、准牛顿法和l e v e n b e r g - m a r q u a r d t 算法。 1 ) b f g s 算法 牛顿法是一种比共轭梯度法收敛速度更快的优化方法，它的基本迭代公式为： 吒“= 吒一4 。 ( 2 9 ) 式中a k 是由性能指数对权重和偏置当前值的二阶导数所组成的h e s s i a n 矩阵。尽管牛 顿法通常比共轭梯度法的收敛速度快，但是对于前馈神经网络，计算h e s s i a n 矩阵却比 较复杂。准牛顿法是一种基于牛顿法但不必计算二阶导数的方法，它通过计算一阶导数 组成一个近似h e s s i a n 阵的矩阵来更新每一次的迭代。b f g s 算法一种变尺度的准牛顿 算法，它的更新迭代公式比较复杂。 2 ) 1 2 v e n b e r g - m a r q u a r d t 算法 l e v e a b e r g - m a r q u a r d t 算法( l m 算法) 也是一种不需要计算h e s s i a n 矩阵就可以接近2 阶训练速度的快速训练算法。当性能函数是平方和的形式时，h e s s i a n 矩阵可以近似表 示成： 日= ，7 ， ( 2 1 0 ) 而梯度可由如下公式计算得到： g = j 7 e ( 2 1 1 ) 式2 1 1 中e 为网络误差向量，j 为j a c o b i a n 矩阵。j a c o b i a n 矩阵包含网络误差对权重和 偏置的一阶导数，它可以通过标准反向传播技术计算得到，而且比计算h e s s i a n 矩阵简 单得多。l m 算法通过像牛顿法更新迭代的形式，来近似h e s s i a n 矩阵其更新迭代公 式如下： 吒+ l = 毛一7 ，+ “】- 1 j 7 e ( 2 1 2 ) 式2 1 2 中u 是一个标量。当u = o 时，该算法刚好为利用近似h e s s i a n 矩阵的牛顿法；当 肛很大时，该算法就转化成小步长的最速下降法。在误差最小值附近时，牛顿法更快更 准确，所以目的就是近可能的转向牛顿法。因此，当每一步成功地使得性能函数减小时， u 被减小；只有当某一步尝试着使得性能函数增大时，p 才被增大。通过这种方法，该 算法的每一步迭代总能使性能函数减小。 一般的，就函数逼近问题，对于中等大小( 几百个权重) 的前向神经网络，l - m 算 法具有最快的收敛速度。特别是对于要求训练非常精确时，这一优点尤为突出。在大多 的情况下，l m 算法都可以得到比其它算法更小的误差均方值。然而，随着网络权重数 9 人工智能方法在烟气含氧量软测量及优化配煤中的应用 量的增加，这种优势会逐渐的减小。此外，l m 算法对于模式识别问题表现较差，而且 其存储所需要的空间要大于比其它的算法。b f g s 算法的性能和l - m 算法比较接近，它 不像l - m 算法那样占用大量的存储空间，但是由于每一步迭代都相当于计算一次逆矩 阵，所以它的计算量随着网络大小的增加而成几何增长。 2 2 4 前处理和后处理 在神经网络训练之前，采取一些方法对网络的输入和目标都进行一定的前处理，训 练后再进行一定的后处理，往往会使得网络训练更有效。前处理和后处理的方法一般包 括：最小值与最大值、平均值与标准偏差、主元素分析和训练后分析。 ( 1 ) 最小值与最大值，该方法是在网络训练前，把网络输入和目标值规划到一个特 定的区间之内，最常用的区间就是 一1 ，1 。 ( 2 ) 平均值与标准偏差，该方法是规划训练集合的平均值和标准偏差，通常是将输 入和目标值规划成平均值为零、统一的标准偏差。 ( 3 ) 主元素分析，该方法通过对输入数据向量的元素进行正交化处理，重新排列元 素顺序，消除那些在数据集合中变化小的元素，实现减小输入数据向量的维数。 ( 4 ) 训练后分析，该方法是在训练后的网络响应和相应的目标值之间进行比较，通 常采用回归分析的方法，来判断网络的性能。 2 2 5m a t i a b 神经网络工具箱简介 m a t l a b 是m a t h w o r k s 公司推出的集数值计算，图形处理，符号计算，文字处理， 数学建模，实时控制，动态仿真等诸多功能于一体的应用软件。m a t l a b 是m a 打i x l a b o r a t o r y ( 矩阵实验室) 的缩写，其基本元素是无需定义维数的数组和矩阵，因此对于 有关矩阵之间的运算非常方便，具有很强的数值运算功能。它为用户提供了一个开放式 的集成开发环境，具有编程效率高，使用方便，良好的扩充能力，方便的绘图功能等特 点，己成为国际上公认的最优秀的数值计算和仿真计算分析软件。 m a n 。a b 工具箱是建构在主程序之上的应用程序集，拥有大量各学科通用的专业 性很强的数值与图形函数，为不同领域内的研究人员提供了捷径，使他们能从繁琐的编 程中解脱出来，集中精力去思考问题和解决问题，而不需要把大量的时间和精力花费在 数值计算等与问题无关的方面，大大提高了工作效率。神经网络工具箱是在m a t l a b 环境下开发出来的许多工具箱之一，它以神经网络理论为基础，用m a t l a b 语言构造出 典型神经网络的激励函数，如s 型、线性、饱和线性等激励函数，使设计者对所选定网 络输出的计算变成对激励函数的调用。另外，根据各种典型的修正网络联接强度的规则， o 大连理工大学硕士学位论文 加上网络的训练过程，用m a t l a b 编写出各种网络设计与训练子程序，网络的设计者 可以根据自己的需要去调用，为用户提供了很大的方便。 本文神经网络模型部分均使用1 v u t l a b 7 编程。 2 3 本章小结 本章介绍了现阶段软测量的两种主要方法：基于统计分析建模和人工智能建模。统 计分析建模简单介绍了因子分析和偏最小二乘回归分析的基本原理及流程；人工智能建 模方面，主要介绍了b p 神经网络的模型、算法实现的基本步骤和存在的问题及解决方 法；接下来对本文中将要涉及到的b p 网络算法的改进进行了详细介绍和分析，包括b f g s 算法与l _ m 算法、数据的前后处理以及m a t l a b 神经网络工具箱等。 人工智能方法在烟气含氧量软测量及优化配煤中的应用 3 电站锅炉动力配煤理论 3 1 动力配煤理论概述 所谓“动力配煤”，就是燃料生产流通部门根据用户对煤质的要求，将若干种不同 种类、不同性质的煤按照一定比例掺配加工成混合煤，这种混合煤虽然具有掺配单煤的 某些特征，但其综合性能已有所改变，实际上是人为加工而成的一个新的煤种。动力配 煤的基本原理就是利用各种煤在性质上的差异，相互取长补短，发挥掺配煤种的优点， 最终使配出的混合煤在综合性能上达到最佳的性能状态，以满足用户的要求1 7 。 3 1 1 动力配煤理论 煤质对燃煤电厂的安全和经济运行至关重要，煤质的改变将给锅炉，乃至整个电厂 带来很多的问题，主要表现在一下几个方面：煤质的下降或燃煤的某些参数变化，可能 造成锅炉机组的某些设备不能满负荷运行而限制锅炉出力；煤质下降使电厂的煤耗和厂 用电率上升；煤质下降使检修和更改费用大幅度上升；煤质下降使环保方面的费用上升。 另外，煤的特性很大程度上决定了煤的价格。因此，选用何种的煤质从而使火力发电厂 的经济效益达到最佳，在厂网分开，竞价上网的今天就成了当前各电厂急待解决的重大 问题之一。 任何类型的锅炉对煤质均有一定的要求，在现有条件下，要提高锅炉热效率，就要 保证锅炉达到正常高效运行，使燃煤特性与锅炉设计参数相匹配。煤质过高或过低都难 以达到最佳效果。在满足燃煤设备对煤质要求的前提下，采用动力配煤技术可最大限度 地利用低质煤、或更充分地利用当地现有的煤炭资源。不同品质煤的相互配合，还可以 按不同地区对大气环境、水质的要求，调节燃煤的硫分及氮、氮、砷、氟等有害元素含 量，减少s o x ，n o x 及有害元素的排放，最大限度地满足环境保护要求。总的来说，动力 配煤的优势如下： l ，保证燃煤特性与锅炉设计参数相匹配、提高设备热效率、节约煤炭； 2 、通过“均质化”来保证燃煤质量的稳定，使锅炉正常、高效运行： 3 、充分利用低质煤或当地现有煤炭资源做到物尽其用，提高社会效益； 4 、调节燃煤中硫及其它有害物质的含量、满足环保要求。 动力配煤问题，实际上是一个多约束条件下( 用户对混煤煤质的要求) 的最优规划 问题( 目标函数最小，即混煤成本最低，特殊要求时也可有多个目标) 。动力配煤最基 本的核心任务就是确定动力配煤的优化配比，即确定选什么煤以及每种煤的数量【2 ” 大连理工大学硕士学位论文 薛 阻， 1 3 人工智能方法在烟气含氧量软测量及优化配煤中的应用 度，加强辐射传热至燃烧室炉膛；另外，水蒸汽分解时产生的氢分子及o h 根又可提高火 焰的热传导率考虑到上述种种因素，收到基水分不应超过上限值w 二，约束条件为 x m 哪m 。 j l ( 3 2 ) 2 ) 灰分 灰分对燃烧的影响首先体现在对着火的影响。煤中灰分含量增加，火焰传播速度减 缓、着火推迟，燃烧稳定性差。灰分含量增加，也会使焦炭烧烬程度变差，机械不完全 燃烧热损失随之增加，灰渣物理热损失增加。燃料的灰分非但不能燃烧，而且还妨碍燃 质与氧的接触，增加燃料着火和燃尽的困难，还使燃烧损失增加。因此，煤的灰分含量 越大，理论燃烧温度越低，炉膛温度下降幅度也越大，煤的燃烬度变差，机械未完全燃 烧损失q 4 随之增加。多灰的劣质煤，往往着火困难，燃烧不稳定。燃料中灰分的存在， 是炉膛结渣、受热面积灰和磨损的根源。灰分还造成大气和环境的污染。燃料的灰分约 束条件为 乞4 叫4 。 ( 3 3 ) l 3 ) 挥发分 失去水分的煤样，在隔绝空气下加热至8 5 0 ( 士2 0 ) ，使燃料中有机物分解而析出 的气体产物，成为挥发分。挥发分主要是由各种碳氢化合物、氢、一氧化碳、硫化氢等 可燃气体所组成，此外，还有少量的氧、二氧化碳、氮等不可燃气体。燃料挥发分含量 的多少，与燃料性质有关一般来说，挥发分含量随煤化程度的提高而减少。可燃质挥发 分是煤质的重要指标，也是判断煤的着火性能、燃烧稳定性能的首要指标。煤中挥发分 含量随着煤的地质年代和煤化程度而有规律地变化。地质年代越短、煤化程度越低的煤， 挥发分含量越高。煤中含碳量、含氧量及发热量随挥发分的变化呈现出具有统计性质的 变化规律。由于挥发物的活化能远比焦炭活化能低，所以挥发物比焦炭容易着火。挥发 分含量越高的煤，着火性能越好，燃烧稳定。虽然影响煤粉着火温度的因素很多，但挥 发分含量是影响着火温度的一个重要因素。煤中挥发分含量，对焦炭的燃烬也有一定的 影响。一般挥发分很少的无烟煤焦炭也难燃烬，飞灰可燃物含量高，机械不完全燃烧热 损失也大。固态排渣煤粉燃烧方式，对煤的挥发分适用范围较广，无烟煤、贫煤、烟煤 及褐煤都可采用。但在锅炉设计时。必需充分考虑到由于挥发分含量不同，煤粉的着火 性能和焦炭燃烬性能的差异。对于挥发分较小的无烟煤或贫煤，为了保证着火的稳定性， 1 4 大连理工大学硕士学位论文 采用较高的热风温度，燃烧器结构和布置也不同于一般烟煤，制粉系统采用热风送粉。 为了保证焦炭燃烬，炉膛体积也很大。相反地对于挥发分较大的烟煤，采用较低的热 风温度，制粉系统为乏气送粉，炉膛体积较小。对于具体一台煤粉炉，对挥发分适应范 围很窄，挥发分不能小于某个低限v d a f m i n ，以维持低负荷燃烧的稳定性和经济性。 挥发分也不能高于某个上限v d a f m a x ，以防止燃烧器喷口烧坏或其它事故。 混配煤时，由于挥发分v 的要求，构成了下面两个约束条件： e x , v 墨。 ( 3 4 ) j - i ，曲 j l i ( 3 5 ) 4 ) 发热量 单位质量或容积的燃料完全燃烧时所放出的热量，称为燃料的发热量( 或称热值) 。 煤的发热量是煤质分析的重要指标之一。作为动力用煤，煤的发热量越高，经济价值越 大。煤的发热量有高位发热量和低位发热量两种