（动力机械及工程专业论文）基于数据预处理技术的电站锅炉煤质软测量研究.pdf

摘要 摘要 电站锅炉的运行性能与煤质的变化关系密切。目前煤质检测的数据主要还是通过人工离线采样 制样，在实验室中进行分析获得。这样的分析速度慢，在实时性、指导性方面不能满足锅炉燃烧调 整和事故分析的需要，使得实际需要与检测数据报出时间滞后的矛盾越来越突出。因此，本文将引 入软测量的思想，对电站锅炉煤质的在线实时检测进行深入研究。 锅炉煤质的在线软测量离不开实时运行数据的采集，采集到数据往往存在着误差，进而影响到 软测量模型计算的结果。 基于以上两方面的考虑，本文将就以下内容进行分析与研究： ( 1 ) 探讨了煤质软测量的研究背景与现状，明确了研究煤质软测量技术的重要意义及其实际应用 价值；对数据挖掘中的数据预处理技术进行研究与讨论，并说明将其应用于煤质软测量技术的必要 性与重要性；针对电站锅炉系统的特殊性质，提出了人工神经网络的软测量建模方法。 ( 2 ) 通过机理分析的方法，讨论了煤质的变化对电站锅炉运行特性的影响，选出了用于煤质软测 量模型的相关辅助变量，针对所选择的辅助变量进行了现场数据的采集。 ( 3 ) 以数据误差理论中的莱以特准则为基础，引入改进观测量变化率的方法，对所采集的数据进 行粗大误差的预处理，去除了数据中的粗大误差和奇异点，得到了较好的结果；在去除了粗大误差 后，针对数据中存在的随机误差与噪声，利用小波分析的方法对其进行降噪与滤波处理，给出了处 理后的结果，还原出了数据的本来面貌。 ( 4 ) 应用多元统计中的主成分分析法，对所选辅助变量进行降维处理，得到了较少且能较全面反 映原始数据信息的主成分变量，使得后续煤质软测量模型的结构得到了简化。 ( 5 ) 基于电站锅炉系统的特殊性质，引入b p 人工神经网络方法构造煤质软测量模型；介绍了 b p 人工神经网络的基本理论及其具体算法，并针对b p 算法易陷入局部最小的缺点，引入遗传算法 对神经网络的初始权值进行优化，使得网络的初始权值不再是随机生成，并且跳出局部最小，得到 全局最优解；将经过处理的数据输入软测量模型进行煤质预测，并将结果与未进行处理的数据预测 结果进行比较，分析其优劣。 关键词：软测量、煤质、锅炉、数据预处理、小波分析、主成分分析、神经网络、遗传算法 东南大学硕士学位论文 a b s t r a c t t h eb o i l e ro p e r a t i o np e r f o r m a n c ei np o w e rp l a n th a sc l o s er e l a t i o nw i t ht h ec h a n g e so fc o a lq u a h 够a t p r e s e n t ，t h ec o a lq u a l i t yt e s t i n gd a t ai so b t a i n e dm a i n l yt h r o u g ht h ea r t i f i c i a lo f f - l i n es a m p l i n gs y s t e ma n d t h ea n a l y s i si nt h el a b o r a t o r y s u c hk i n d o fa n a l y s i sm e t h o dn e e d sar e l a t i v e l yl o n gt i m e ，i tc a nn o tm e e tt h e n e e d so ft h eb o i l e rc o m b u s t i o na d j u s t m e n ta n dt h ea c c i d e n ta n a l y s i si m m e d i a t e l y , w h i c hr e s u l ti nt h e c o n t r a d i c t i o nb e t w e e nt h ea c t u a ln e e d sa n dt h et i m el a go ft h et e s t i n gd a t ai sm o r ea n dm o r es e r i o u s a sa r e s u l t , i nt h i sa r t i c l e ，t h ei d e ao fs o f tm e a s u r e m e n ta r ei n t r o d u c e d , a n da ni n - d e p t ht h e o r e t i c a ls t u d yi nt h e r e a l t i m ed e t e c t i o nf o r t h eb o i l e rc o a lq u a l i t yi sp r e s e n t e d s o f tm e a s u r e m e n tf o rt h eb o i l e r c o a lq u a l i t yc a nn o tb es e p a r a t e df r o mt h er u n n i n gd a t ac o l l e c t i o n ，a n d t h ed a t ac o l l e c t e do f t e ne x i s tm e a s u r e m e n te r r o r s ，w h i c hi nt u r na f f e c tt h es i m u l a t i o nr e s u l t so ft h e s o f t s e n s o rm o d e l b a s e do nt h ec o n s i d e r a t i o n sa b o v e ，t h ef o l l o w i n ga r e a sa r er e s e a r c h e da n dd i s c u s s e di nt h i sa r t i c l e ： ( 1 ) t h er e s e a r c hb a c k g r o u n da n dt h ec u r r e n ts t a t eo fs o f tm e a s u r e m e n tf o rt h eb o i l e rc o a lq u a l i t ya r e d i s c u s s e d , t h es i g n i f i c a n c ea n di t sa p p l i c a t i o nv a l u eo ft h i ss t u d ya l ew e l ld e f i n e d ；d i s c u s sa n dr e s e a r c ho n t h ep r i n c i p l eo fd a t ap r e p r o c e s s i n gt e c h n o l o g yw h i c hi se x p l a i n e dt ob ee s s e n t i a la n dc r u c i a lt ot h es o f t m e a s u r e m e n tt e c h n o l o g yo fc o a lq u a l i t y ( 2 ) t h r o u g hm e c h a n i s ma n a l y s i s ，r e s e a r c ho nt h ec h a n g e so f c o a lq u a l i t yh o w t oa f f e c tt h eb o i l e r o p e r a t i o np e r f o r m a n c e b a s e do nt h i sr e s e a r c h ，s e c o n d a r yv a r i a b l e sw h i c ha r eu s e df o rt h es o f t s e n s o r m o d e la r es e l e c t e d ，a n dt h ec o r r e s p o n d i n gs i t ed a t ai sc o l l e c t e d ( 3 ) o nt h eb a s i so f3 0c r i t e r i o n ，t h ei m p r o v e dm e t h o dw h i c hi sb a s e do nt h er a t eo fc h a n g eo ft h e o b s e r v e dq u a n t i t yi si n t r o d u c e dt op r e p r o c e s sg r o s se r r o r si na c q u i s i t i o nd a t a ，t h r o u g ht h i sm e t h o d ，g r o s s e l r o r sa n ds i n g u l a r i t ya r ee l i m i n a t e d ，ag o o dr e s u l ti so b t a i n e d ；a f t e r w a r d s ，o na c c o u n to ft h er a n d o me r r o r s a n dn o i s ee x i s to nd a t ac o l l e c t e d ，a p p l y i n gw a v e l e ta n a l y s i so nn o i s ef i l t e r i n gt or e c o v e rt h eo r i g i n a lv i s a g e o fd a t an e e d e d ( 4 ) t h ed i m e n s i o no fs e c o n d a r yv a r i a b l e sa r er e d u c e db yu s i n gt h ep r i n c i p a lc o m p o n e n ta n a l y s i s m e t h o d p r i n c i p a lc o m p o n e n t s ，l e s sb u ta r ea b l et or e f l e c tt h em o s tp a r to ft h eo r i g i n a ld a t ai n f o r m a t i o n ，a r e o b t a i n e d i nt u r n ，t h es t r u c t u r eo ft h es u b s e q u e n ts o f t s e n s o rm o d e li ss i m p l i f i e d ( 5 ) b a s e do nt h es p e c i a ln a t u r eo fp o w e rp l a n tb o i l e rs y s t e m ，u s eb pa r t i f i c i a ln e u r a ln e t w o r kt o c o n s t r u c ts o f t s e n s o rm o d e lf o rc o a lq u a l i t y t h eb a s i ct h e o r ya n da l g o r i t h mo fb pa r t i f i c i a ln e u r a ln e t w o r k a r ei n t r o d u c e d a n do na c c o u n to ft h es h o r t c o m i n gt h a tb pa l g o r i t h mi se a s i l yt r a p p e di n t ol o c a lm i n i m a ， g e n e t i ca l g o r i t h mi sb r i n gi n t oo p t i m i z et h ei n i t i a l i z e dw e i g h t so fn e u r a ln e t w o r k , w h i c hm a k et h e i n i t i a l i z e dw e i g h t sa r en o tr a n d o m l yg e n e r a t e do n e sa n y m o r e i m p o r tt h ep r o c e s s e dd a t at ot h es o f t - s e n s o r m o d e l ，c o m p a r ei t sp r e d i c t i n go u t c o m ew i t ht h eo n eo ft h es o f t - s e n s o rm o d e lw h o s ei n p u td a t ai sn o tb e p r e p r o c e s s e d k e y w o r d s ：s o f t - s e n o r , c o a lq u a l i t y , b o i l e r , d a t ap r e p r o c e s s ，w a v e l e ta n a l y s i s ，p r i n c i p a lc o m p o n e n ta n a l y s i s ， a r t i f i c i a ln e u r a ln e t w o r k ，g e n e t i ca l g o r i t h m 东南大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。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过的研究成果， 也不包含为获得东南大学或其它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。 研究生签名：孳i 妄勃 日期：坐孕生 东南大学学位论文使用授权声明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电 子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相 一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布( 包括以电子信息形式刊登) 论文的全部内容或中、英文摘要等部分内容。论文的公布( 包括以电子信息形式刊登) 授权东南大 学研究生院办理。 研究生签名：逊导师签名：她日期：二! 字_ 2 第一章绪论 1 1 研究背景与意义 第一章绪论 人类的生存和发展离不开能源，自世界进入工业化社会以来，煤和石油成为主要能源，它们被 统称为化石燃料。直至目前，化石燃料在能源消耗中的比重仍然很大。我国是煤炭的生产和消费大 国，在一次能源构成中，煤炭占7 5 的高额比重【1 1 。2 0 0 6 年，我国发电装机总量达到6 2 4 亿k w ， 其中火电装机达到4 8 亿k w ；煤电装机中，东部1 1 省区占5 6 2 ，中西部地区约占4 3 8 。“十五” 期间我国新投产煤电装机容量1 9 8 亿k w ，其中东部11 省区占5 8 ，中西部地区约占4 2 【z j 。因此， 燃煤电厂是全国最大的煤炭用户，大量煤炭转化为电力支持国民经济的需求。 燃煤质量对火力发电厂的安全与经济运行至关重要，煤质变化或煤质下降将给锅炉，乃至整个 电厂带来很多问题，其中主要有p j ： ( 1 ) 出力受限：煤的水分或可磨性指数变化，会使磨煤机达不到出力；灰分增加或灰电阻变化， 会使电除尘器能力受限；灰分成分变化，会出现积灰结渣等现象； ( 2 ) 电厂煤耗及厂用电上升：煤质下降，燃烧不稳，着火困难，热损失增加，电厂煤耗将上升， 一般来说，热值每下降1 mj k g ，煤耗将上升2 0 9 k w h ，而厂用电率将上升0 5 ； ( 3 ) 机组可用率下降：美国有关数据指出，当电厂用煤平均灰分从1 3 上升到1 8 ，锅炉强迫停 运率也将从1 3 上升到7 5 ，1 0 年间，当发热量从2 7 3 2 8 m j k g 下降到2 4 6 5 4 m j k g 时，机组可用率 下降了1 3 ； ( 4 ) 维修工程费用大幅上升； ( 5 ) 污染物排放明显变化； ( 6 ) 发电成本增加。 由以上分析可知，电站锅炉煤质的变化对锅炉乃至整个火力发电厂的安全与经济运行具有重大 影响，因此，及时了解电站锅炉运行过程中煤质的变化将具有重大的现实意义。而火电厂现有的煤 质检测方法是利用输煤皮带的机械自动采样装置收集煤样，然后进行缩分、制样、化验。化验结果 一般在5 8h 后才能得出，大多数电厂当天的煤样第二天才能出检测报告，这个流程有明显的滞后 性，远远不能满足锅炉燃烧调整和事故分析的需要。由于检测手段的限制，使得实际需要与检测数 据报出时间滞后的矛盾越来越突出，因此很有必要研究并实现煤质的快速在线检测。当前，火电厂 煤质检测技术发展的方向是采用先进、快速的在线分析测试手段，特别是开发有效的实时检测系统， 即煤质软测量系统，使检测结果真接与发电机组运行情况相关联，从而能实现实时、有效地指导锅 炉运行参数的优化调整。 电站锅炉煤质在线软测量的基本原理是：依据对锅炉运行过程中与煤质相关的可测易测的过程 变量( 称为辅助变量) ，采用各种计算方法，用软件实现对难以直接测量的待测过程变量( 称为主导 变量) 的预测或估计。由此可见，软测量仪表的性能在很大程度上依赖于所获过程测量数据的准确 性和有效性。为了保证这一点，一方面，在数据采集时，要注意数据的“信息”量，均匀分配采样 点，尽量拓宽数据的涵盖范围，减少信息重叠，避免某一方面信息冗余，否则会影响最终建模的质 量。另一方面，对采集来的数据进行适当的处理，因为现场采集的数据必然的会受到不同程度环境 噪声的影响而存在误差，因此对软测量数据的处理是软测量技术实际应用中一个重要方面1 4 j 。由于 电站锅炉热工测量仪表经常需要工作在高温、振动、腐蚀等恶劣环境下，这就使得仪表容易发生故 障，导致数据采集系统采集到错误的数据，错误的数据往往会造成严重的后果；此外，测量数据还 可能受到干扰、漂移和测量环境等诸多随机因素的影响。因此，实时数据在系统使用之前进行预处 理是非常必要的。 数据挖掘技术的研究日趋成熟，它利用现有的计算机技术以及各个相关领域的知识，以积累下 来的数据为研究对象，找出隐藏在这些数据背后的有用的知识来，从而为人们的决策提供有力的依 据哺1 。其中许多研究把方法和模型建立在理想的数据而不是现实的数据集上，但现实中的数据是错 东南大学硕士学位论文 综复杂的，总体而言，它们不可避免的存在冗余数据( r e d u n d a n td a t a ) 、缺失数据( m i s s i n gd a t a ) 、 不确定数据( u n c e r t a i nd a t a ) 和不一致数据( i n c o n s i s t e n td a t a ) 等诸多情况哺。7 1 ，这样的数据简称为“脏 数据”，它们成为数据挖掘的一大障碍。错误的数据会影响从数据集中抽取模式的正确性和导出规则 的准确性，使得决策支持系统产生错误的分析结果，将会误导决策，影响信息服务的质量。因此， 在从数据库中挖掘知识之前必须对其进行一系列的预处理工作。大量的事实证明，在数据挖掘系统 中，数据预处理所占的工作量达到了整个工作量的6 0 至8 0 【8 】。常用的数据预处理技术有：数据清 理技术( d a t ac l e a n i n g ) ，可以去除掉数据中的噪声，纠正不一致数据；数据集成技术( d a t ai n t e g r a t i o n ) ， 将多个数据源合并成一致的数据存储；数据变换技术( d a t at r a n s f o r m a t i o n ) ；数据归约技术( d a t a r e d u c t i o n ) ，可以通过聚集、删除冗余特性或聚类等方法来压缩数据。 软测量技术中，采集来的数据经过预处理后就要输入软测量模型了。而软测量技术的核心问题 是建立表征辅助变量和主导变量之间的数学关系的软测量模型，即一个数学建模问题归j 。锅炉的燃 烧过程是一个复杂的物理、化学过程，它是一个多输人多输出系统，与煤质相关的影响因素很多， 且它们具有强耦合、非线性等特征，因此，对于电站锅炉煤质在线软测量建模来说，由于其过程的 复杂性，难以用机理模型来描述辅助变量和主导变量之间的数学关系。b p 神经网络( b a c kp r o p a g a t i o n n e t w o r k ) 是一种误差反向传播的多层前向网络，由输入层、隐含层、输出层等三部分组成。它的学 习过程由正向传播和反向传播两部分组成，在正向传播中，输人信号从输入层经隐含层逐层处理， 并传向输出层。在反向传播中，输出层的值与期望值进行比较，如果存在误差，则将误差沿反方向 返回，通过修正层间各节点的连接权值，使误差减小，直到把误差限定在规定的范围内。b p 神经网 络建模不需要知道过程的机理模型，且3 层b p 神经网络就可以任意逼近非线性函数，这为复杂过程 的软测量建模提供了值得研究的参考方法。 1 2 研究现状 1 2 1 煤质在线检测技术 对于火电站锅炉煤质在线检测技术的研究与应用，国内外学者与工程技术人员做了大量卓有成 效的工作。目前国内外主要采用的煤质在线检测技术有： ( 1 ) 水分在线检测 目前，最成功的工业在线水分测定仪利用了微波技术【l0 1 ，当微波信号穿透煤层时，引起自由水 分子旋转，降低了微波的强度和速度，即微波发生了衰减和相移，水分仪通过测量微波的衰减和相 移来得出水分。常规的微波测水仪只能在一种频率下测量，而德国生产的l b 3 5 4 型测水仪可在很宽 的频带内使用，因而可抑制由于多次反射而引起的谐振干扰。 ( 2 ) 灰分在线检测 在煤的灰分监测仪中，国内外普遍采用了核技术，应用核技术检测煤中灰分的方法归纳起来有 下列4 种：双能丫射线穿透法、6 0 k e v 的丫射线散射法、电子对法和中子活化分析法。应用较多的 是双能丫射线穿透法和中子活化分析法【】。 ( 3 ) 低位发热量在线检测 煤中灰分和发热量之间有很好的相关性，目前无论是国产设备还是国内代理的引进设备，都是 通过回归方程由灰分值计算出煤发热型坦】。 1 2 2 数据预处理技术 目前数据预处理技术在理论和应用上都获得了极大的发展。现阶段数据预处理技术中研究最多 的是数据清洗和数据归约技术，下面将国内外有关这两方面技术的研究现状做如下概述： 对数据清洗技术的研究内容主要涉及以下几方面： ( 1 ) 对数据集进行异常检测。主要有下列方法【1 3 1 ：采用统计学的方法来检测数值型属性，计算 属性值的均值和标准差，考虑每一个属性的置信区间来识别异常属性和记录。 ( 2 ) 识别并消除数据集中的近似重复对象，也就是重复记录的清洗【l 引6 】。它在数据仓库环境下特 别重要，因为在集成不同的数据时会产生大量的重复记录。 ( 3 ) 对缺失数据的清洗 1 7 - 2 0 】，研究者大多采用最近似的值替换缺失值的方法，包括贝叶斯网络、 2 第一章绪论 神经网络、k 一最临近分类、粗集理论等，这些方法大都需要判断缺失记录与完整记录之间的记录相 似度，这是其核心问题。 数据归约技术的研究内容主要涉及： ( 1 ) 高维数据的降维处理 2 1 - 2 2 。主要采用删除冗余属性的方法，若用手工方法去除冗余属性就 需要用到专家知识。通常使用属性子集选择方法【2 3 1 ，包括逐步向前选择法、逐步向后删除法、判定 树归纳法等。 ( 2 ) 从数据集中选择较小的数据表示形式来减少数据量，需要用到数值归约技术 2 3 - 2 5 】，主要采 用的直方图、聚类等技术。 ( 3 ) 离散化技术 2 4 1 2 6 1 减少给定连续属性值的个数。这种方法大多是递归的，大量的时间花在每 一步的数据排序上。 1 2 3 软测量建模技术 目前，软测量建模技术，按其方法可分为：机理建模和非机理建模( 即基于过程数据建模) 。而 细分之，则可分为：机理建模、回归分析建模、状态估计建模、模式识别建模、人工神经网络建模、 模糊数学建模、过程层析成像建模、相关分析建模和现代非线性信息处理技术建模等。相对而言， 目前国内外对前6 种软测量建模技术的研究较为深入，在过程控制和检测中也已有许多成功的应用， 过程层忻成像、相关分析和现代非线性信息处理技术等3 种软测量技术限于技术发展水平，在过程控 制和检测中目前还应用较少。因此，本文仅就前6 种软测量建模技术作一简要介绍。 ( 1 ) 机理建模 机理模型通常由代数方程组或微分方程组组成，在对工业对象的物理、化学过程获得了全面清 晰的认识后，通过列写过程的各类平衡方程( 如物料平衡、能量平衡、动量平衡、相平衡等) 和反映 流体传热介质等基本规律的动力学方程、物性参数方程和设备特性方程等，确定不可测主导变量和 可测辅助变量的数学关系，建立估计主导变量的精确数学模型 2 7 - 2 8 】。 ( 2 ) 回归分析建模 回归分析方法是一种经典的建模方法，不需要建立复杂的数学模型，只要在收集到的大量易测 变量数据的基础上，运用统计方法将这些数据中隐含的对象信息浓缩和提取。从而建立主导变量和 辅助变量之间的数学模型。根据采用的数学方法不同，可以将回归分析方法分为线性回归和非线性 回归。 ( 3 ) 状态估计建模 如果已知系统的状态空间模型，而主导变量作为系统状态变量对辅助变量是可观的，那么构造 软仪表的问题可以转化为状态观测或状态估计问趔2 9 1 。 ( 4 ) 模式识别建模 在缺乏系统先验知识的情况下，可以应用模式识别的方法对系统的操作数据进行处理，从中提 取系统的特征，构成以模式描述分类为基础的模式识别模型。基于模式识别的软测量方法通常可分 为差别分析法和聚类分析、法【3 0 】。 ( 5 ) 人工神经网络建模 在实际工业过程中，许多对象具有复杂的不确定性、时滞性和高度的非线性，这必然造成无法 或者很难精确建模，然而人工神经网络具有逼近任意非线性关系的能力，可以很好地解决这些问题。 基于神经网络的建模方法属于辨识建模。概括地说，这种辨识方法的主要特点是辨识模型易于实现， 对非线性映射关系的逼近性能良好。为此，神经网络用于软测量建模是一条理想途径。 ( 6 ) 模糊数学建模 模糊数学是处理复杂系统的一种有效手段，在软测量中也在大量地应用，此外，模糊数学还和 神经网络技术以及模式识别技术结合构成模糊神经网络3 u 和模糊模式识别方法【3 2 】。 1 3 本文主要工作 煤质的工业成分对锅炉的燃烧运行具有指导意义，传统的工业成分分析方法是对煤粉进行离线 采样、制样，然后在实验室中进行分析。这样的分析方法耗时长，严重滞后于锅炉的燃烧运行。因 3 东南大学硕士学位论文 此，本文将着重研究煤质工业成分的在线分析方法。 在线分析离不开实时数据的采集，现场数据受到多方面因素的影响，普遍存在着随机噪声甚至 粗大误差，将这样的数据采集下来并输入在线分析模型是不合理的。因此，在应用模型分析之前有 必要对采集下来的数据进行预处理，消除现场数据的粗大误差及随机噪声，还原数据的本来面貌， 为模型预测奠定基础。 基于上述考虑，本文主要工作包括以下几方面： ( 1 ) 对煤质成分与锅炉运行的之间的关系进行机理性分析，选择用于模型预测的辅助变量； ( 2 ) 介绍了改进观测量变化率方法及小波分析法，并运用这两种方法分别对现场数据的粗大差 与随机噪声进行预处理； ( 3 ) 引入主成分分析法对数据进行降维处理； ( 4 ) 运用遗传优化的人工神经网络进行建模，将处理后的数据输入模型进行煤质软测量。 4 第二章辅助变量的选取 第二章辅助变量的选取 软测量建模中，数学模型是其建模核心，而辅助变量的选取则是建模的先导。辅助变量选取的 合适与否将对主导变量的模型预测结果有着重要的影响。在火电厂单元制锅炉机组中，从d c s 上采 集下来的数据众多，在这众多的运行数据中，并不是所有的数据都与煤质相关，有很多数据不受煤 质影响或者说受煤质的影响并不是很大。如果将不受煤质影响或是受煤质影响不大的运行数据也作 为软测量模型的输入变量的话，则势必会增加模型结构的复杂性，延长预测时间，并且得不到较好 的预测精度。因此，辅助变量的选取对软测量模型的结构及对主导变量的预测精度有着至关重要的 影响。 目前，软测量建模过程中辅助变量的选取方法很多，它们的基本思想都是对各原始辅助变量与 主导变量之间的相关性进行分析，根据分析所得相关性的强弱，以决定哪些适合作为建模用的辅助 变量。在这些相关分析法中常用的有典型性相关分析法【3 3 】、灰关联分析法【3 4 】、混沌灰熵分析法【3 5 】 等。典型性相关分析法研究的是变量问的线性关系，通过综合变量的线性相关性的强弱来选择辅助 变量，而火力发电机组中运行数据与煤质的相关性多呈现非线性，因此用典型性相关分析法对火电 厂d c s 的数据进行分析不切实际。灰关联分析是灰色理论的基本内容，其基本思想是根据数据曲线 间相似程度来判断因素间的灰关联度。灰关联度描述了系统发展过程中，因素间相对变化的情况， 也就是变化大小、方向与速度的相关性，如果两者在发展过程中相对变化趋势存在相关性，则可用 一定的关联度来表示两者之间的关系。在软测量建模的应用中，若某一变量与主导变量的关联度大 则选其作为辅助变量。但此法只限于对多维变量与一维主导变量进行相关分析，本文所讨论的煤质 分析，其主导变量为五维，即：水分、灰分、挥发分、硫分和低位热值。因此，灰关联分析法对本 文中辅助变量的选取也不合适。混沌灰熵分析法即是将混沌理论与灰关联分析理论相结合，其基本 原理是：首先利用混沌理论确定研究对象的嵌入维，进而确定辅助变量的个数，然后计算各影响因 素与主导变鼍的灰关联度，选灰关联度较大且满足嵌入维个数的影响因素为辅助变量。火电厂锅炉 运行过程中受煤质影响的参数众多，几乎涉及剑的锅炉中的所有系统，哪些系统具有混沌特性一时 还难以确定，而应用此法的前提就是系统要具有混沌特性。即使能够确定系统具有混沌特性，由于 此法与灰关联分析法相结合，在应用其进行辅助变量选取时，同样会遇到主导变量维数的问题。 综上所述，目前所用的一些数学方法对本文软测量模型辅助变量的选取都存在一定的不足之处， 且数学方法均是基于数据的分析方法，这不利于人们了解辅助变量与主导变量间内在的机理关系。 基于此，本章从分析煤质水分、灰分、挥发分、硫分和低位热值对火电厂锅炉运行参数的影响入手， 找到煤质与火电厂锅炉运行参数间的内在关系，从而实现本文软测量模型辅助变量的选取。 2 1 煤质变化对制粉系统的影响 当煤的可磨性系数比设计煤质的可磨性系数降低较多时，将使得磨煤机出力下降，耗电率升高。 而当煤中水分增大会使煤易于塑性变形，使磨煤机的研磨能耗额外增大，这时煤的可磨性系数 下降，磨煤机出力随之减少。专门试验研究表明：值不仅随水分增大而急遽降低，严重时出力 减少甚至产生滚筒被煤“腻塞”产不出粉现象。煤中水分偏离设计水分时，可磨性系数按如下关系 式修正： ，、n k = 磁( 蟛蚝) ( 2 - 1 ) 式中k 被磨煤的可磨性系数； 磁设计煤的可磨性系数； 5 东南大学硕士学位论文 蚴设计煤的空气干燥基水分，； 必j 磨制煤的空气干燥基水分，： m 指数，根据球磨机出力试验测定值确定，制粉系统状态正常运行平均条件下，m 为常 数。 煤中水分的增加还将使得磨煤机的出口温度降低，此时必须调节磨煤机前冷、热风门的开度使 得磨煤机出口温度保持在一定的范围之内，以避免由于出口温度过低所导致的煤粉结块堵管。 若磨煤机内堵煤，此时磨煤机内气流流通断面减小，钢球埋在煤中，磨煤机制粉出力降低，则 磨煤机、排粉机电流下降，排粉机出口风压降低。当粗粉分离器堵煤时，由于气粉混合物不能正常 通过，经过排粉机的风量减小，排粉机电流下降。当细粉分离器发生堵煤时，由于出口乏气中煤粉 量增多，排粉机入口负压增大，电流增大。若磨煤机出口温度过高，则高挥发分的煤在运行时，还 可能引起磨煤机的着火和爆炸，造成严重的后果。 煤质变差所导致的磨煤机出力下降将使得煤粉仓粉位下降，而在一定转速范围内工作的给粉机 将多次出现给粉不均的现象。在锅炉负荷一定而燃用低发热量的劣质煤时，给煤机的给煤流量及给 粉机的转速则要相应提高来增加燃料量的供给。而排粉机电流值在一定程度上可反映磨煤机给煤量 的多少。当磨煤机给煤量过多时，排粉机电流波动大：当磨煤机堵煤时，排粉机电流明显下降：当 磨煤机给煤不足时，磨煤机内部煤量减少，煤粉细度变细，细粉分离器的分离效率降低，排粉机带 粉量增加，最终导致排粉机电流上升。 2 2 煤质变化对锅炉燃烧及风烟系统的影响 在锅炉实际运行过程中，煤质往往会随着运行的变化而有所变化。但任何燃烧设备对煤质总有 一定的适应范围，当煤质的变动超出燃烧设备一定的煤质适应范围时，锅炉的燃烧稳定性和经济性 均将受到直接的影响。本文对煤质进行软测量研究的目的就是要对锅炉的燃烧进行实时在线地指导， 因此，本节将着重讨论煤质的变化对锅炉燃烧及风烟系统的影响，选出与煤质变化相关的运行参数 作为后续软测量模型的辅助变量。 2 2 1 水分的影响 煤粉中含有适当的水分对煤粉燃烧过程有某些有利的作用。因为在高温火焰中水蒸汽对燃烧过 程是十分有效的催化剂，水蒸汽分子可以加速煤粉焦碳残骸的气化和燃烧；水蒸汽还可以提高火焰 的黑度，加强到燃烧室炉壁的辐射传热；另外，水蒸汽分解时产生的氢分子及其氢氧根又可以提高 火焰的热传导率。 但如果煤中含水量过大，超过一定的限度，则会导致：( 1 ) 可燃物质相对减少，发热量降低，着 火热随之增大，导致着火推迟，甚至着火发生困难；( 2 ) 变成水蒸汽所需的热量增多，这样使锅炉内 的温度水平下降，从而影响了煤粉燃烧的稳定性和完全性，导致机械与化学不完全燃烧热损失增加， 并且热量的传递和分配也不均匀，过热器容易超温爆管，发生安全事故，而此时的减温水流量也将 随之发生变化：( 3 ) 煤中水分吸热变成水蒸汽并随同烟气排出炉外，会增加烟气的体积，从而增加 排烟量，使引风机的电耗升高，排烟温度升高，排烟损失增大，锅炉的热效率降低；( 4 ) 对过热汽 温也有影响，一般经验数值，水分每增加1 ，过热汽温就会升高1 5 。 由于水的蒸发热很大，在燃烧过程中，煤中的水分变成水蒸汽所耗热量比灰分高得多，对锅炉 理论燃烧温度的影响也比灰分大。如图2 1 反映了煤中灰分和水分含量对锅炉理论燃烧温度的影响。 6 第二章辅助变量的选取 p 魁 确 j 圆； 饕 袋 尉 。疆& 掣? ，5 渺。 曲 巴0 r 蔓毒欧= 一r - _ - 之 2 ) ，相邻时刻( 卢1 s ) 观测值的变化率为： 缸= 而一t l ( 3 - 2 ) i 时刻之前所有两相邻时刻观测值的变化率的均值为： 瓴 j i ：= 旦z - - ( 3 3 ) 1 f 一1 i 时刻之前所有两相邻时刻观测值的变化率的均方根误差估计值为： q = ( 3 - 4 ) 检验原则：如果当前f 时刻与前一f l 时刻观测值的变化率满足如下条件则为粗大误差或奇异 值点。 缸l 3 反 ( 3 5 ) 在以上检验计算方法捉出的基础上，基于观测量变化率的粗大误差、奇异点检验校正步骤如下： s t e p l ：计算当前f 时刻的观测时间序列的变化率的均方根误差估计值虞； s t e p 2 ：根据莱以特准则，判断f 缸f 与3 反的大小，如果l 缸i 3 反，则而为粗大误差或奇异点， 否则为正常测量值； s t e p 3 ：若当前i 时刻为异常点，判断缸，的符号。若a x i 0 ，则该异常观测点的校正值为： 暑= 薯一i + 或；若缸f o ，则该异常观测点的校正值为：暑= 誓一l t 。采入i + 1 时刻的观测值，重 复s t e p l ； s t e p 4 ：若当前f 时刻的观测值为非粗大误差或非奇异值点，则采入升1 时刻的观测值，重复s t e p l 。 此方法程序设计流程图如图3 1 所示： 1 2 第三章软测量辅助变量的数据预处理 图3 1 改进观测量变化率榆验方法流程图 3 1 3 粗大误差检验与校正实例 下面就以所选辅助变晕中的乙侧排粉机电流为例，应用l 一节介绍的基于莱以特准则的改进观 测量变化率检验方法，对采集到的乙侧排粉机电流数据进行粗大误差的检验与校正。 现有乙侧排粉机电流数据 x i ( f = l ，2 , - - - , n ) ，其带有粗大误差的数据曲线如下图3 2 所示： 4 3 4 2 煺 删 兰4 1 ；晕 青4 0 1 3 东南大学硕学位址i 眯1 _ _ 叫l | | i 川山j 山 i 山j。j j “- i i 止“k 址i l i i i | 址山4 邢w 唧唧f 唧 ”邢哪m 唧m 甲r 0 2 0 0 埘 b o d8 0 0瑚1 咖i 闰3 - 3e 侧持耢机电城改进捌测量变化率秕犬设 检验 应用改进观测量变化率检验冉法对乙侧捧粉机电流进行粗大误差检验与校正后的结果如f 图 3 - 4 所小，相应的校正点发校正数据如表3l 所示。 g 4 2 一 鋈i 蝴峨 02 0 0柏d6 0 0咖瑚1 啪1 6 0 01 唧 幽3 4 经改进观侧量变化牢* 【太* 差检验与校t 后的l 侧排粉机电流 表3lo 侧持耪机电洫经改进观测口垒化$ 橙接检验与校口白勺檀 撞值 校点序峙校f 前的值校正后的值 2特芒制舞爿晕霉lf军 第三章软测量辅助变量的数据预处理 i 1 1 6 34 0 5 1 8 4 1 1 3 9 i 1 2 6 4 4 1 2 5 64 0 6 8 7 由图3 - 2 3 - 4 可知，在应用改进观测量变化率检验方法对乙侧排粉机电流进行粗大误差的检验 与校正后，乙侧排粉机电流数据中的粗大误差基本被消除，并在被消除的粗大误差点上代之以校正 值，校正点及校正前后的值由上表3 1 给出。 3 2 测量数据随机误差的预处理 在3 1 小节中讨论了测量数据粗大误差的检测与校正方法，并对采集到的某电厂乙侧排粉机电 流作了粗大误差的数据预处理。经过粗大误差的检测与校正后，可以认为测量数据中只含有随机误 差。本节将在上一小节研究的基础上继续研究消除测量数据中随机误差的方法。 随机误差受随机因素( 例如操作过程中的微小扰动和周围环境的随机噪声干扰等) 的影响，一般 不可避免。随机误差就其个体变化来说是无规律的，但在总体上却遵循一定的统计规律，理论和实 践都证明了：大多数测量的随机误差都服从正态分布的规律，因此可以采用数字滤波的方法来消除。 常用的数字滤波方法有：中值滤波、算术平均滤波、加权递推平均滤波和惯性滤波等。中值滤波法 对于去掉脉动性质的干扰比较有效，但是对于快速变化的过程参数则不宜采用；算术平均法适用于 对压力、流量一类信号作平滑处理，这类信号的特点是有一个平均值，信号在某一数值范围附近作 上下波动，但对其它类型数据的处理却有很大的局限性；加权递推平均法适用于系统纯滞后时间常 数t 较大、采样周期较短的过程，但此法需要测试不同过程的纯滞后时间f 并输入计算机，同时要 不断计算各权系数，故会导致过多的调用运算子程序，增加了计算量，降低了处理速度；惯性滤波 法适用于波动频繁的被测量滤波，能很好消除周期性干扰，但却带来了相位滞后的问题。 小波分析属于时频分析的一种，它在时频两域都能表征信号局部特征，具有良好的局部化性质， 是一种信号的时间一频率分析方法，具有多分辨率分析的特点，被誉为分析信号的显微镜。目前， 小波分析在许多工程领域中都得到了广泛的应用，而对现场采集数据进行一维信号的降噪处理是其 重要的应用之一。以下便对小波分析基本理论作一简要介绍，并运用此法对某电厂乙侧排粉机电流 进行随机误差的小波降噪处理。 3 2 1 小波分析基本理论 传统的信号分析是建立在傅里叶( f o u r i e r ) 变换的基础之上的。由于傅里叶分析使用的是一种全 局变换，要么完全在时域，要么完全在频域，因此无法表述信号的时频局域性质，而这种性质恰恰 是非平稳信号最根本和最关键的性质。为了分析和处理非平稳信号，人们对傅里叶分析进行了推广 乃至根本性的革命，提出并发展了系列新的信号分析理论。其中，短时傅里叶变换和小波变换即是 应传统的傅里叶变换不能够满足信号处理的要求而产生的。但从本质上讲，短时傅里叶变换是一种 单一分辨率的信号分析方法，因为它使用一个固定的短时窗函数。因此短时傅里叶变换在信号分析 上还是存在着不可逾越的缺陷。 小波分析是一种时域频域分析方法，介于纯时域的方波分析和纯频域的传统傅氏分折之间。 它在时域和频域同时具有良好的局部化性质( 1 0 c a l i z a t i o nn a t u r e ) 。它可以根据信号的不同频率成分， 在时域或频域自动调节取样的疏密：频率高时，则密；频率低时，则疏。由于对频率成分采用逐渐 精细的时域或频域取样步长，因此可以聚焦到对象( 函数、信号、图像等) 的任意细节，并加以分析。 从这个意义上讲，小波分析被誉为数学显微镜( m a t h e m a t i c a lm i c r o s c o p e ) 。因此，它在信号的分解与 重构( d e c o m p o s i t i o na n dr e c o n s t r u c