（机械电子工程专业论文）火电厂锅炉烟气含氧量预测及燃烧系统优化研究.pdf

中文摘要 中文摘要 我国火力发电的能源利用率相对较低，主要影响因素之一是许多重要的技术 参数和经济参数难以在线实时准确测量，如与锅炉效率密切相关的烟气温度和烟 气含氧量等热工参数。软测量技术是解决这些参数测量问题的有效方法之一，它 利用一些易于测量的变量通过分析来预测这些不可测或难测的变量。 本文以内蒙古托克托电厂的6 0 0 m w 发电机组的燃烧系统为研究对象，主要完 成了以下4 个方面的研究工作： 1 分析了火电厂监测对象及热工参数的特点，指出了影响热工参数软测量精 度的主要因素为：数据预处理、辅助变量选取、建模算法、模型结构。 2 从数据预处理及辅助变量选取两个关键技术问题出发，研究出提高火电厂 烟气含氧量软测量精度和可行性的方法：在数据预处理方面，充分考虑了现场数 据的误差分析与处理；在辅助变量选取方面，引入主元分析理论和偏最小二乘算 法进行了优化选取，提高了模型的精度和可行性。 3 采用人工神经网络算法进行了烟气含氧量软测量研究，建立了烟气含氧量 的模型，实现了对烟气含氧量的预测分析。 4 采用人工神经网络算法建立了锅炉运行工况参数与锅炉效率和q 排放量 的模型，采用遗传算法对燃料量和送风量进行了优化研究，得出了最佳运行条件 下的参数值，为闭环控制系统的优化提供了依据。 关键词：烟气含氧量；辅助变量；主元分析；偏最小二乘；b p 神经网络；遗传优 化 分类号：t k 3 9 a b s t r a c t a bs t r a c t t t l ec n e r j g yu t i l i z a t i o ne 伍c i e i l c yo ft h e m a lp o w e r g e i l e r a t i o ni sr e l 撕v e l yl o w ；o n e o ft h em a i ni n n u e i l c ef a c t o r si sm a tl o t so fh p o r t a n tt e c l l l l i c a lp a r a me t i e r sa i l de c o n o m i c p a r a m e t e r sa r ed i 伍c u l tt ob er e a l - t i m em e a s u r e do n l i n e ，s u c h 邪m et e i i l p e r a n 鹏a i l d o x y g e n c o n t e i l ti nn u eg a sa i l do t h e rt h e 姗a lp 掘n e t e r sr e l a t e dt ob o i l e re 衔c i e l l c y s o r s e n s o rt e c l l l l 0 1 0 9 yi so n eo ft h ee 日 e c t i v ew a y st os o l v et h ep r o b l e mo f m e a s u d n gt h e s e p a r 锄e t e r s ，u t i l i z i n gs o m ep a r 锄e t e r sl i a b l et ob em e a s u r e dt 1 1 r o u 曲o n l i n ea i l a l y s i st o e s t i m a t et h e s ev a r ia _ b l e su n a b l eo rd i 缅c u l tt ob em e a s u r e d t h em a i ns t i l d yw o r k so fn l i sd i s s e f t a t i o nf o c u s i n go nm ec o m b u s t i o ns y s t 锄o f 6 0 0 m wu i l i ti nt u o k e t u op o w e rp 1 a i l ta r es u m m a r i z e d 鹊f o l l o w s ： 1 n ec h a r a c t 鲥s t i c so fm 彻i t 0 矗n go b j e c t sa n dt h e 肌a lp 戤l m e t e r si np o 聃惯p l a n t a r ea i l a l y z e dc o m p r e h e n s i v e l ym e a i l w t l i l e ，m em a i n 岛c t o r sw h i c ha 毹c tt h ea c c u r a c y o fs o rs e l l s o r 南rt h e m l a lp a 姗e t e r sa r ed i s c u s s e d t h em a i nf a c t o r sa r ed a t a p r 印r o c e s s i n g ，a u x i l i a 巧v 撕a b l e ss e l e c t i o n ，m o d e l i n ga l g o r i m i la n dm o d e ls t m c 劬e 2 s t a r t e dw i t ht h e 觚ok e yt e c h n i c a lp r o b l 锄s d a t ap r e p r o c e s s i n ga i l da u x i l i a r y v a r i a b l e ss e l e c t i o n ”，t h em e m o d so fi m p r o v i n gt h ea c c u r a c ya i l df e a s i b i l i t yo fs o f t s e n s o rf o ro x y g e i lc o n t e n ti nf l u eg a sa r ef o c u s e d ：i no n e a s p e c to fd a t ap r e - p r o c e s s i n 岛 m e 锄ra l l a l y s i s 锄dp r o c e s s i n go ff i e l dd a t aa r ec o n s i d e r e da d e q u a t e l y ；i n 锄o t h e r a s p e c to fa m 【i l i a 巧v 撕a b l e ss e l e c t i o n ，m ep c aa n dp a n i a l l e a s t - s q u a r e sr e g r e s s i o nt o i m p r o v em ea c c w a c ya n df e a s i b i l i t yo ft h em o d e l sa r ei r i t r o d u c e d 3 t h ef l u eg a so x y g e n a t e ds o rs e l l s o rm o d e l i se s t a b l i s h e db yu s i n ga n i 矗c i a l n e u r a 1n e 锕o r km o d e l i n ga l g o 打t b p ，m e a n w l l i l et h e f o r e c a s t i n ga n a l y s i so fg a s o x y g e nl e v e l si si m p l e m e n t e d 4 t h em o d e lo ft h eb o i l e re 施c i e l l c ya 1 1 d 锄i s s i o n sw i t ht h eo p e r a t i n gp a r a m c t e r s o ft l l eb o l i e ri se s t a b l i s h e db yu s i n g 硎6 c i a ln e u r a ln e t w o r k a d o p t e db yg e n e t i c a l g o 打t h u m ，t h eb o 订e rc o m b u s t i o ns y s t e mi so p t i m i z e d ，t h ec o n d i t i o nm a tm eb e s t o p e r a t i o np a r a m e t e r sp r o v i d e sm eb a s i sf o rt h ec l o s e d - l o o pc o n t r 0 1 k r e y w o r d s ：o x y g 饥c o n t e l l ti nn u eg 嬲；a u x i l i a 巧v 撕a b l e ss e i e c t i o n ；p c a ；p a n i a l l e a s t s q u a r e sr e g 砷s s i o n ；b pn e u r a ln e 觚o r k ；g e n e t i ca 1 9 0 r i t l l i i lo p t i m i z a t i o n c l a s s n o ：t k 3 9 致谢 致谢 本论文是在杜秀霞老师的悉心指导下完成的，两年来杜秀霞老师在学习上和 科研上给了我很多指导和宝贵的建议，在生活上也给了我很大的关心和帮助，在 此向杜秀霞老师表达我最衷心的感谢。 李平康教授对于我的科研工作和论文都提出了许多的宝贵意见，李教授严谨 的治学态度和科学的工作方法给了我极大的帮助和影响，李老师严谨的治学作风、 无私的敬业精神和旺盛的工作热情值得我在以后的工作生活中学习。 衷心感谢实验室的金涛涛、王鹏、陈晨、任贵杰、余俊、苏晓静、李若楠、 蔡军、姚广路、尹长治等同学在生活和学习上对我的帮助，使我愉快地完成了研 究生阶段的学业，这段时光我将终生难忘。 在攻读硕士学位期间，我得到了父母的支持与鼓励，也得到了亲朋好友的关 心和帮助，谨以此文献给他们来表达我最诚挚的谢意。 1 绪论 1 1 论文选题的目的和意义 1 绪论 随着我国国民经济的迅速发展，我国电力系统的规模越来越大，一次能源的 消耗数量惊人。一次能源的日益枯竭和竞价上网的实施使火电厂在安全生产的前 提下，努力提高运行的经济性。特别是近年来随着煤炭价格快速的上扬，电价不 能和煤价同步上升，火力发电厂经营压力进一步增加，这就要求电厂加强管理， 进行技术改造，提高效率、降低消耗，以抵消部分煤价上扬带来的不利影响。 火电厂经济运行主要是锅炉经济运行，即提高锅炉的燃烧效率。维持锅炉燃 烧过程最佳状态和经济性是锅炉燃烧过程自动控制的主要任务。通常在工程上通 过测量与空气过剩系数密切相关的烟气含氧量来间接的反映燃料与风配比的好 坏。炉膛出口烟气含氧量是锅炉运行中最易调整、变化范围最宽、与其它运行指 标参数耦合性最强、对燃烧经济性的影响最大的参数之一。运行氧量发生变化时， 对经济性的最直接影响来自由烟气量引起的排烟热损失的变化，同时，它还会引 起其它运行参数的变化，这些参数包括：灰渣未燃尽碳含量、排烟温度、送风机 引风机总电耗、主汽温度和减温水量、再热汽温度和减温水量。伴随着电网调峰 任务的加重，火电机组负荷变化频繁，运行人员需要对燃烧器出口处的风速、风 率和炉膛风量等项目进行及时适当的调整，通过改变烟气中的氧量来优化锅炉的 燃烧工况，以达到锅炉安全、经济运行的目的。因此烟气中含氧量的及时、准确 测量就变得非常重要了。 1 2 本课题的研究现状 1 2 1 烟气含氧量测量的研究现状 目前电厂测量烟气含氧量的氧气传感器主要是热磁式氧量传感器和氧化锆氧 量传感器。 热磁式氧量传感器是利用烟气成分中氧气的磁化率非常高这一物理特性来测 定烟气中的氧气含量。其具有结构简单、便于制造和调整等优点，但由于反应的 速度慢、测量误差大、容易发生测量环室堵塞和热敏元件腐蚀严重等缺点，在火 电厂中的应用日渐减少。 氧化锆氧量计由氧化锆探头、控制器、显示仪表等部分构成。氧化锆氧量计 北京交通大学硕士学位论文 是一种由金属氧化物陶瓷制成的管子，其内外壁经高温熔烧上铂电极和引线，内 侧通入参比空气，外侧与被测烟气接触。在一定温度下( 一般为6 0 0 8 5 0 ) ，当 两侧氧分压( 即氧浓度) 不相同时，在两电极间会产生浓差电动势，测得此电动 势即可测定烟气中的氧含量。根据被测烟气温度的不同，探头有直接插入和定温 插入两种安装方式。前者测点温度在6 0 0 8 5 0 范围内，并要求有补偿装置消除 温度对测量结果的影响，图1 1 为直插补偿式氧化锆氧量分析仪测量系统图；后者 则用于被测烟气温度低于6 0 0 的场合，并有电加热装置和温度控制器使氧化锆处 在恒定温度下，图1 2 为旁路定温式氧化锆氧量分析仪测量系统图。 图1 1 直插补偿式氧化锆氧量分析仪测量系统 f i g u r e1 - la n a l y s i ss y s t e mo f m ec o m p e n s a t i o ni i r 圮z i r c o n i ao x y g e n 图中l 为过滤器，2 为氧化锆管，3 为热电偶，4 为法兰，5 为活接头，6 为毫 伏变输器，7 为乘除器，8 为显示仪表，9 为炉墙。 翘气 图l - 2 旁路定温式氧化锆氧量分析仪测量系统 f i g l l r e1 - 2a n a l y s i ss y s t e mo f t l l eb y p 弱s 血e d - 嘧n p 咖他z 0 n i ao x y g e i l 图中1 为定温电炉，2 为过滤器，3 为氧化锆管，4 为氧化铝管，5 为活接头， 2 1 绪论 6 为外温度控制器，7 为显示仪表。 氧化锆氧量计存在的主要问题有【i 】： ( 1 ) 投资大、寿命短； ( 2 ) 探头易积灰从而影响测量； ( 3 ) 探头陶瓷过滤器易烧裂； ( 4 ) 测量滞后较大( 一般直插式为1 5 s ；炉壁式为3 1 0 s ；旁路直插式为几十 秒) ； ( 5 ) 本底电势离散性较大，需要经常调整； ( 6 ) 氧化锆材料在高温下会膨胀，易出现裂纹或铂电极脱落。 鉴于上述原因，选择一种快速、准确的烟气含氧量的测量方法显得尤为重要。 近年来，软测量技术的深入研究为此指出了全新的方向。 目前研究软测量技术的文献有很多。核心内容是软测量模型是如何建立的， 方法主要可分为三类：基于统计分析的软测量模型，基于人工智能的软测量模型， 以及基于工艺机理的软测量模型。现有的文章中以神经网络的软测量为主【2 】【3 1 。氧 量软测量研究方面的文章不多，文献【4 】 5 】中，采用不同神经网络来建立烟气含氧 量软测量模型来计算，对实验数据得到了良好的效果。 1 2 2 锅炉燃烧系统优化的研究现状 综合近年来国内外关于燃烧优化方面的研究成果，锅炉系统优化分析方法大 致可以分为以下五类：对d c s 控制组态中的模块进行改进；进行燃烧优化试验调 整；通过锅炉设备技术改造的优化方法；基于在线检测锅炉燃烧参数的优化指导 系统；采用先进控制算法和人工智能技术实现锅炉燃烧优化。 1 对d c s 控制组态中的模块进行改进 这种方法主要是针对d c s 控制组态中的三个控制回路的逻辑进行修改或者增 加新的控制回路以满足锅炉的优化控制。这类优化调整虽然在一定程度上提高了 锅炉运行的效率，但一方面由于受到测量元件的限制，目标的跟踪速度会变慢， 不一定能满足现场实际的控制响应要求；另一方面由于侧重于对目标对象的安全、 稳定控制而未对燃烧系统从整体上进行综合分析，因此无法提高锅炉燃烧系统运 行的整体性能。 2 进行燃烧优化试验调整 常规性的燃烧调整试验往往针对特定的燃烧设备进行，与试验锅炉自身性能 有很大关系，并且其调整只是针对重要控制参数在特定工况点及特定时段的优化 控制策略，缺乏普遍的适应性。虽然目前该方法在提供锅炉运行指导方面有着比 3 北京交通大学硕士学位论文 较重要的作用，但是由于锅炉运行设备特性的变化和各种外界因素变化而导致燃 烧调整试验得到的优化结果偏离实际运行情况也是目前面临的主要问题。不同锅 炉优化调整影响因素各不相同，影响机组运行的因素更是众多，常规性的锅炉燃 烧调整试验不能涵盖其各个因素，因此该方法往往不能响应机组的动态变化。 3 通过锅炉设备技术改造的优化方法 此类燃烧优化方法主要在停留在设备层面上，通过对锅炉燃烧器、受热面、 脱硫设备等的改造实现燃烧优化调整。该方法首先要分析锅炉运行过程中出现问 题的现象并且确定发生问题的相关运行设备，并针对该设备的设计缺陷进一步提 出需要改进的方案。同时，必须对新设备的一些特性作相应的调整和试验，使其 能与原系统的设备更好的配合，避免在解决原有问题的同时产生出新的问题。此 类改造方法一般能从根本上提高现有锅炉系统的运行性能，使其达到锅炉燃烧优 化调整燃烧的目的，但其不足之处在于设备改造所耗费的时间和经济成本太高， 尤其对于一些中小型机组而言，设备改造往往意味着机组停运以及高额的经济投 入，其改造投入和产出之间无法达到预期的效果。 4 基于在线检测锅炉燃烧参数的优化指导系统 基于在线检测锅炉燃烧参数的优化系统，主要以有效的测量手段为基础，关 注燃烧过程中关键参数的在线监测，如、一、二次风量、烟气含氧量( 即过剩氧量) 、 飞灰含碳量、炉渣含碳量、排烟温度及成分( 0 2 、c 0 2 、c o ) 等，从而实现锅炉状态 的在线检测。在此基础上利用专家系统的特有的知识库功能，如一些经验公式和 经验系数，对检测到的锅炉燃烧系统关键参数进行计算和分析，从而提出相应的 锅炉操作建议，指导锅炉人员做出及时有效的调整。该系统一般具备故障诊断、 运行指导等功能，并且具有一定的分析能力。不过，这类系统往往依赖在线测量 分析仪器的精确度和数据传输的实时性，而此类仪器目前在国内机组中的并未能 被广泛使用，其工作的稳定性和有效性尚不明确。此外，该燃烧优化技术的最终 运行结果往往是一些文字性或者图表类的操作建议，只能在局部范围提供开环指 导，无法实现闭环控制。这类系统通常被称为燃烧分析专家系统，或者燃烧优化 指导系统。 5 采用先进控制算法和人工智能技术实现锅炉燃烧优化 该类燃烧优化技术是在采用电站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，实现开环或闭环的锅炉 燃烧优化。随着先进控制和人工智能技术的逐步成熟和在工业上成功的应用，这 类燃烧优化技术发展迅猛并有广阔的应用前景。 采用先进控制算法和人工智能技术实现锅炉燃烧优化与其他四种优化分析方 法相比较，燃烧系统模型的准确度和实时性都相对较高，且该方法的实现对锅炉 4 1 绪论 燃烧系统的安全运行不会产生很大的影响。 1 3 电站锅炉燃烧系统 电站锅炉燃烧系统是一个能量转换系统，它通过燃烧将燃料的化学能转化为 热能，是整个电站系统能量的来源。其运行过程涉及煤粉的气体在炉膛内的多相 流动、多相燃烧以及高温烟气在炉膛内传热的过程，这三个过程同时发生而且互 相影响，具有非常强的耦合性以及非线性。对燃烧系统能够产生直接扰动的参数 包括热负荷、送风量、引风量、蒸汽流量、燃煤量等参数，当扰动较大时，就会 造成燃烧系统出现大的振荡现象，锅炉的安全运行将受到严重影响【圳。 1 3 1 燃烧系统的生产过程 单元机组是以锅炉、高压和中低压汽轮机和发电机为主体设备的整体。根据 生产流程也可将锅炉分成燃烧系统和汽水系统。生产流程如图1 3 所示【4 1 。 图l 一3 单兀机组生产流程不葸图 f i g u 【r e1 - 3p r o c c s so f l l i l i tp m d u c t i o n 图中l 为磨煤斗，2 为给煤机，3 为磨煤机，4 为汽包，5 为高温过热器，6 为 屏式过热器，7 为下降管，8 为炉膛水冷壁，9 为燃烧器，1 0 为下联箱，1 1 为低温 过热器，1 2 为再热器，1 3 为再热蒸汽出口，1 4 为再热蒸汽进口，1 5 为省煤器， 1 6 为给水，1 7 为空气预热器，1 8 为排粉风机，1 9 为排渣装置，2 0 为送风机，2 1 北京交通大学硕士学位论文 为除尘器，2 2 为引风机，2 3 为烟囱。 冷空气通过送风机2 0 将冷空气送入空气预热器1 7 ，空预器为燃烧提供所需的 空气。空气经过加热可以分为两个部分，一部分热空气进入磨煤机，煤粉通过燃 烧器9 进入炉膛内，被煤粉携带进入炉膛的这部分热空气就叫做一次风；另外一 部分热空气通过燃烧器直接进入炉膛来进行助燃，这部分的热空气被叫做二次风。 煤粉在炉膛中的燃烧，烟气经过过热、再热、省煤器、空预器，在炉膛尾部 出口处到达的温度较低，通过除尘器2 1 时将烟气中的灰粒除去，经过引风机2 2 将烟气引入烟囱2 3 然后排入大气。燃烧中如果灰分不能完全燃烧，则大颗粒的灰 分会落入锅炉底部由排渣装置排除。 1 3 2 锅炉燃烧与节能 锅炉燃烧效率优化的主要目的之一是节能，提高锅炉效率，使燃烧处于最优 的工况，但具体实现却非常困难。究其原因，一方面，经过长期运行锅炉设备传 热效率会下降，本身性能会降低；另一方面，锅炉的最优工况受燃料的品种、负 荷变化等诸多外部因素的干扰是动态时变的【刀。 燃烧效率1 1 = 1 单位燃料热损失单位燃料消耗量。 锅炉燃烧特性如图1 4 所示： 执 损 失 空气i 搛4 系数 图1 _ 4 锅炉燃烧特性 f i g m el 4c h a 】陷c t e ：r i s t i c 8o fc o i n b u s t i o n 1 4 本论文的主要内容 本课题的研究对象是内蒙古托克托电厂( 简称托电) 的5 号发电机组的燃烧 系统，该机组的装机容量为6 0 0 m w 。托克托电厂是我国较大的火力发电基地， 6 1 绪论 电厂接入系统以5 0 0 k v 输电线路经安定和霸州变电所接入京津唐电网，对稳 定京津唐地区的电力供应具有重要意义。 论文的研究工作围绕着影响烟气含氧量软测量精度的关键技术展开，全文共 分为六章，各章的具体内容如下： 第一章介绍了电站锅炉燃烧系统的结构，工作流程及燃烧特点，从锅炉燃烧 与节能入手，介绍了本课题的目的、意义及研究现状。 第二章指出了软测量技术研究具有重要的理论意义与实际应用价值，并讨论 了各种现有的软测量方法的特点，同时综述了国内外的研究现状，指出了各种算 法的特点，得出了软测量建模精度的关键技术：数据预处理技术、辅助变量选取 技术、建模算法以及模型结构的确定。 第三章对数据预处理技术和辅助变量的优化选取两个关键技术进行了研究。 采用托电5 号机组的d c s 系统采集的实时运行数据，利用主元分析和偏最小二乘 算法对辅助变量进行了分析比较。 第四章从建模方法出发，研究人工神经网络，并采用m a t l a b 语言中的神经 网络函数，针对托电的锅炉燃烧的数据，建立了烟气含氧量的软测量模型。 第五章依据前面建立的模型，预测烟气含氧量的值，建立了锅炉燃烧系统的 模型，并利用遗传算法以可控参数为优化对象，以效率和氮氧化物排放为优化目 标进行燃烧优化。 第六章对全文的研究工作进行总结，阐明本文的主要研究成果，指出尚有待 进一步研究的问题。 7 2 软测量系统原理 2 1 软测量技术简介 2 软测量系统原理 一般解决工业过程的测量问题有两条途径：一是研制新型的过程测量仪表， 以硬件的方式来实现直接测量过程参数，这类方法是利用传统的检测技术发展思 路。另一条途径就是应用间接测量的思路，在易于获取的其他测量信息的基础上， 通过相应的计算来实现被检测量的估计。正是基于这一思想，近年来软测量技术 ( s o r s e i l s i n gt e c h n i q u e ) 在过程控制和检测领域中应用越来越广泛。 概括的讲，软测量技术就是利用易测过程变量( 辅助变量或二次变量) ，依据这 些易测过程变量与难于直接测量的待测过程变量( 主导变量) 之间的数学关系( 软测 量模型) ，通过各种数学计算和估计方法，实现对待测过程变量的测量。其基本框 架如图2 1 所示。 图2 1 软测量模型的基本结构 f i g u 托2 - 1t l l l eb a s i cs n u c t l i o f t l l es o f ts e n s o rm o d e l 图中】，为主导变量，】，为软测量输出，d 为不可测扰动，p 为辅助变量，r 为 离线分析值，么为可测扰动，“为控制输入。 构造软测量系统的核心问题是表征辅助变量和主导变量间的数学关系的软测 量模型，因此构造软测量系统的本质就是如何构建软测量模型，相应的构建软测 量模型的过程也就是软测量系统构造的过程。因此，在本论文的后续工作中将重 点介绍氧量软测量模型的构造过程。 传统的检测仪表的研制和应用过程涉及很多环节，如：传感器传感机理的研 究、硬件仪表的电路设计、仪表的制造、成本的核算、仪表的使用和维护等等。 值得一提的是这几个环节是互相影响和制约的。例如若没有合适的传感机理作为 测量仪表的理论基础，则仪表的研制就是天方夜谭；若仪表研制成功但成本过高， 9 北京交通大学硕士学位论文 则其工程应用也将受到限制。此外很多仪表的针对性很明确，测量的范围、功能 也有严格限制，难以适应被测对象的多样性和多变性。而软测量技术作为一种新 型的检测技术，为解决复杂过程参数的检测问题提供了一条有效的途径，并逐步 展现出良好的工业应用前景。 软测量技术的优点表现在以下几个方面： ( 1 ) 对目前由于经济或技术的原因而无法或者难以用传感器直接测量而又十 分重要的过程参数能够进行测量； ( 2 ) 综合运用多个可测信息对被测对象做状态估计、趋势分析和诊断； ( 3 ) 被测对象微观的二维或三维分布信息将能够在线获取，以满足许多复杂的 工业过程中参数测量的需要； ( 4 ) 对测量系统进行故障诊断和误差补偿处理，以提高测量的可靠性和精度； ( 5 ) 为测量系统动态性能的改善和动态校准能够提供一种有效的手段。 软测量技术是对传统测量方式的补充，生产的效益、产品的质量等关键性生 产参数无法通过直接测量的方式得到的问题可以被解决，在保证产品质量的前提 下、为提高生产效益提供了强而有力的手段。随着工业的发展，软测量技术已经 在精细化工、生物化工、炼油等生产过程的控制中得到了广泛的应用，其中推断 控制应用的最多。在推断控制中，软测量将被作为控制系统中的反馈的环节或者 估计器，与各类控制器、控制策略结合使用，为之提供准确而快速的系统的状态 信息。软测量技术也应用在过程优化中，此时，通过软测量技术或者为过程优化 提供了重要的调优变量的估计值；或者软测量模型本身就是重要的优化目标，直 接当作优化模型来使用。此外，软测量还可以用来诊断传感器的故障并重构测量 值等。 2 2 软测量模型建模方法及特点 软测量技术的分类一般都是根据软测量模型的建立方法。软测量模型不同于 一般意义下的数学模型，其强调的是通过二次变量来获取对主导变量的最佳估计。 因此软测量模型应满足以下的要求： ( 1 ) 达到指定的估计精度； ( 2 ) 包含尽可能多的过程信息； ( 3 ) 模型的结构简单； ( 4 ) 鲁棒性较好； ( 5 ) 适应性较好； ( 6 ) 在线自适应能力较好。 1 0 2 软测量系统原理 建模的方法多种多样，且各种方法相互交叉，目前又有互相融合的趋势。现 有的建模方法主要有以下九种： 1 基于工艺机理分析技术的软测量 基于工艺机理分析的软测量主要是应用动力学、物料平衡、能量平衡、化学 反应等原理，通过分析过程对象的机理，找出不可测的主导变量和可测的辅助变 量之间的关系，从而实现主导变量参数的软测量。 这种方法是软测量技术在工程应用中的常用方法，它的特点是简单，工程背 景较清晰，实际应用起来简单；但是，这种方法建立的基础是对工艺过程生产的 机理有深刻的认识，建模的难度较大；如果对于机理研究尚不充分或者尚不完全 确定的工业过程，难以建立恰当的机理模型。这时应用该方法就应该和其他的参 数估计方法相结合才能构造软仪表。 2 基于状态估计技术的软测量 如果系统对象的状态空间模型已知，且系统主导变量关于辅助变量是完全可 观测的，那么软测量问题就转化成为典型的状态估计和状态观测问题。这种情况 多采用k a l m a i l 滤波器和i l n l b e r g e r 观测器的解决方法。 基于状态估计的软测量建模方法能够反映辅助变量和主导变量之间的动态关 系。但对于复杂的工业过程，一般难以建立系统的状态空间模型。 。 3 基于回归分析技术的软测量 回归分析技术作为一种经典的建模方法，它不需要建立非常复杂的数学模型， 只需要结合大量的过程参数以及质量分析的数据，将这些数据中隐含的对象信息 运用统计学方法进行浓缩和提取，从而建立主导变量和辅助变量间的数学模型。 在辅助变量比较少的情况下，一般采用多元线性回归中的逐步回归技术即可 获得较好的软测量模型效果。在于辅助变量比较多的情况下，通常要通过先进性 机理分析，首先模型各变量组合之间的大致框架需要获得，然后再采用逐步回归 技术获取软测量的模型。为了简化模型，也可采用主元回归分析法和偏最小二乘 回归法等方法。对于线性系统，从应用情况来看，采用p c r 和p l s r 的效果差不 大，然而对于非线性系统来说则采用p l s r 的效果较好。 简而言之，基于回归分析技术的软测量特点是简单实用，但是需要大量的样 本( 数据) ，对测量误差比较敏感。 4 基于人工神经网络技术的软测量 基于人工神经网络的软测量是近几年来发展快速、研究最多和应用范围广泛 的种软测量建模技术。人工神经网络由于具有自学习、联想记忆、非线性逼近 和自适应等功能，基于人工神经网络的软测量技术可以在不具备对象的先验知识 的条件下，根据对象的输出输入数据来直接建立模型，建立的模型的在线校正的 1 l 北京交通大学硕士学位论文 能力非常强，而且能适用于严重不确定性和高度非线性的系统，因此它提供了一 种有效途径来解决复杂系统中过程参数的软测量问题。本课题即以神经网络为建 模工具，研究烟气含氧量的软测量。 5 基于模式识别技术的软测量 该软测量技术是在模式识别方法的基础上，对工业过程的操作数据进行处理， 从处理的结果中提取系统的特征，以此为基础构成模式识别的模型。这种技术适 用于缺乏系统先验知识的场合，而且可以利用日常的操作数据来实现软测量模型 的建立。 6 基于模糊数学技术的软测量 模糊数学技术是通过模仿了人脑的逻辑思维来处理复杂的系统的一种有效手 段，过程软测量中大量应用了该技术。基于模糊数学技术的软测量所建立的是知 识性模型。该种软测量方法尤其适合应用于工业过程难以用常规数学方式定量描 述的场合。实际应用时模糊技术常结合其他人工智能技术。 7 基于相关分析技术的软测量 随机过程中的相关分析理论是基于相关分析技术的软测量技术的基础，某一 参数的在线测量通过利用两个或者多个可测随机信号之间的相关特性来实现。目 前这种方法主要应用于难测的流体流量或者流速的故障诊断和在线测量等方面。 8 基于过程层析成像技术的软测量 医学层析成像技术是基于过程成像技术的软测量技术的基础，过程参数的二 维或三维的实时分布信息可在线获取，在两项流或者多项流测量方面应用较多。 9 基于现代非线性信息处理技术的软测量 基于现代非线性处理技术的软测量是利用易测过程信息，通过对所获取信息 的分析处理提取信号的特征量，从而实现某一参数的过程的状态识别或者在线检 测。目前，该技术常和模糊数学或人工神经网络等人工智能技术结合使用。 目前关于软测量的建模方法的研究多种多样，但是此阶段大多数方法仍然停 留在理论的研究和计算机仿真的阶段，有些软仪表的仿真拟合的精度较高但是其 预测性较差，有些软仪表则抗干扰性比较差，或者其计算量很大，在线更新的能 力和学习的能力不够等等，这些不足使得很多方法离实际应用还有一段距离。相 对而言，前六种软测量技术的研究已经较为深入，在过程控制和检测领域中已有 许多成功的应用，后三种软测量技术限于技术发展的水平，在过程控制中目前应 用还较少。 1 2 2 软测量系统原理 2 3 软测量模型的工程实现 软测量模型的工程实现包括四个环节：辅助变量的优化选择、测量数据的预 处理、测量模型的建立和软测量模型的在线校正。 1 辅助变量的选择 辅助变量的选择是建立软测量模型的第一步，也是软测量成功与否的关键。 辅助变量的选择包括可测变量的类型、数目和测点的位置选择。这三方面是 互相关联的，同时在实际的应用中还需要考虑到可靠性、可行性、经济性等额外 因素的制约。 ( 1 ) 变量类型的选择 变量类型的选择往往是从间接质量指标的基础上出发，例如：精馏塔参数的 软测量一般采用都会采用塔板温度；化工反应器中产品的软测量一般都会采用反 应器管壁的温度。 辅助变量类型的选择范围是过程的可测变量集，软测量中使用最广泛的是与 主导变量动态特性相近、关系较密切的可测参数。 ( 2 ) 变量数目的选择 辅助变量数目的选择一般是从过程机理的分析入手，从影响主导变量的可测 变量中挑选主要因素，显然全部引入既不可能也没必要。如果缺乏机理知识，则 可用回归分析的方法找出影响主导变量的主要因素，但是这需要大量的观测数据。 此外，需要指出，由于受自由度的限制，辅助变量的个数的下限值为被估计 的主导变量的个数。 ( 3 ) 测点的位置的选择 在许多工业过程中，各辅助变量对应的测点的位置的选择是非常重要的。一 般情况下，辅助变量的位置和数目是同时确定的，用于选择变量数目的准则往往 也被应用于检测点位置的选择。 2 测量数据的处理 软测量是软仪表在过程测量数据的基础上经过数值计算实现的，其性能指标 在很大的程度上要取决于过程中所获测量数据的有效性和准确性，因此对过程测 量数据的预处理在软测量技术的实际应用中是一个重要方面。 过程测量数据的预处理包括了测量数据的变换和测量误差的处理两部分。 ( 1 ) 测量误差的处理 在工业生产中，过程数据受现场的测量环境、测量仪表的可靠性和精度等因 素的影响，测量误差将不可避免地产生，采用失效或低精度的测量数据将可能对 北京交通大学硕士学位论文 软仪表测量的性能产生很大影响，使之产生大幅度的下降，影响严重时甚至有可 能致使软测量失败，因此对测量数据产生的误差进行处理是保证软仪表正常并且 可靠运行的必要条件。 测量数据的误差一般可分为过失误差和随机误差两大类。 ( 2 ) 测量数据的变换 测量数据的变换不仅对模型的精度和非线性映射能力影响很大，而且对数值 算法的运行效果也有重要影响作用。 3 软测量模型的建立 软测量模型的建立是软测量的核心。软测量模型是研究者在深入理解过程机 理的基础上，利用建模、辨识的方法取得的适用于估计的模型。它和一般意义下 的数学模型不同，强调通过辅助变量来获取对主导变量的最佳估计。 4 软仪表的在线校正 工业生产中实际装置在运行过程中，由于装置的操作条件及原料性质都会随 时间而变化，软测量模型只适用于一定的操作范围，因而需要不定期地对模型进 行修正，以适应工况的变化。通常对软仪表的在线修正包括模型的参数修正，具 体方法包括自适应法、多时标法和增量法等。 对模型结构的修正耗费较长的时间和需要大量的样本数据，在线进行有困难。 这可采用长期学习和短期学习的思路来解决。短期学习是指以某辅助变量的采样 化验分析值与软测量预测值之差为依据，采用建模方法，修改模型系数。而长期 学习是指当软测量模型在线运行一段时间后，逐步积累了足够多的新样本时，根 据新样本，采用建模方法，重建软测量模型。 值得一提的是，在线分析仪表配备的场合，系统的主导变量参数的真值是可 以连续得到的，此时采用校正方法问题不大。在某些工业生产过程中主导变量的 真值仅能来源于离线人工试验，这时通常取样周期为数小时或更长，样本密度更 稀疏。此时，采用何种校正方法仍值得研究。此外，样本数据与过程数据在时序 上的配合，尤其在人工分析情况下，从辅助变量即时反映产品质量状态到取样位 置需要一定的取样时间，取样后直到产品质量数据返回现场又要耗费很长时间。 因此，在利用分析值与辅助变量进行软仪表校正时，应特别注意保持两者在时间 上的对应关系。 2 4 烟气含氧量的软测量实现方法 烟气含氧量的软测量技术为电厂的氧量测量提供了新的手段，对实现燃烧系 统的优化运行具有重要的意义，还可以对现有的氧量测量仪提供校正参考。 1 4 2 软测量系统原理 2 4 1 基于工艺机理分析的方法 通过对象的机理分析，找出不可测主导变量与可测辅助变量之间的关系。 华北电力大学的谷俊杰等人【8 】建立了在烟气含氧量影响下，各种热经济性参数 的变化特性分析计算模型，并且建立了最佳烟气含氧量的偏微分方程，其目标是 最小供电煤耗率，在不同工况下电站锅炉的最佳烟气含氧量的设定值是可以通过 求解该方程来确定。华北电力大学的赵征【9 】也讨论了基于燃烧机理的分析来建立锅 炉烟气含氧量的关系模型。 此法是建立在对工艺过程机理深刻认识的基础上的，建模难度较大，对于机 理研究不充分、尚不完全清楚的复杂工业过程，难以建立合适的机理模型，此时 该方法就需要与其他方法相结合才能构造软测量仪表。 2 4 2 基于过程对象动态数学模型的方法 直接利用生产过程的数学模型，进行过程的状态估计。 河北燕山大学的郑德忠等人【l o 】给出了一种烟气含氧量软测量方法，其是基于 新型广义预测算法( g p c ) 的，与传统广义预测算法软仪表预测的氧量值、氧化锆仪 表直接测得的烟气含氧量进行了对比研究，结果表明在新型广义预测算法基础上 构建的软仪表能够更加客观的反映锅炉燃烧过程中任何时段的真实情况，并且对 锅炉燃烧控制系数的性能进行了优化，同时提高了烟气含氧量的测量的精度。 这类方法其实等同于过程控制问题中状态观测和状态估计问题。由于软测量 是控制学的一个分支，因此在软测量技术中也有使用控制学中的建模或辨识的方 法来建立软测量模型，它通常是系统的动态数学模型，常用方法有基于状态估计、 线性模型等方法。 2 4 3 基于人工神经网络的软测量建模方法 基于神经网络仆附) 的软测量是近年来研究最多、发展很快和应用范围很广泛 的一种软测量技术。 华北电力大学的韩璞等人【】提出了一种火电厂烟气含氧量软测量模型，该模 型是基于复合型n n 的，该n n 由一个不含隐层的线性前向网络和一个具有隐层的 三层前向网络并联构成，实现线性映射时，不含隐层的前向网络非常快，实现非 线性映射，多层前向网络则能较好实现，因而这种复合型n n 具有好的映射关系 和快的收敛性。基于这种方法，对电站锅炉烟气含氧量的进行了软测量建模仿真 验证，文中软测量建模的输入参数选择给水流量、排烟温度、主蒸汽流量、送风 北京交通大学硕士学位论文 量、引风量、燃料量、引风机电流、送风机电流等，来预测出烟气含氧量，用现 场不同负荷下的实测数据作仿真，验证结果表明了该软测量建模方法的有效性。 深圳大学的赵绪新【1 2 】用神经网络建立了测量炉膛出口处烟气含氧量特性的模 型，并采用遗传算法( g a ) 对模型进行寻优。文中采用1 2 8 2 的3 层b p 神经网络 结构，1 2 个输入参数分别为冷空气温度、收到基氢基碳基氧基氮基硫基挥发 分基水分基低位发热量基灰分、机组负荷和煤粉细度，2 个输出参数分别为烟 气含氧量和锅炉热效率。针对电厂锅炉的实际运行情况，对最优氧量进行预测， 该模型的预测结果和基于燃烧机理的定量分析结果是一致的。 由于n n 具有自学习、联想记忆、自适应和非线性逼近等功能，基于n n 的软 测量可在不具备对象的先验知识的条件下，根据对象的输入输出数据直接建模， 模型的在线校正能力强，并能适用于高度非线性和严重不确定性系统，因此它为 解决复杂系统过程参数的软测量问题提供了一条有效途径。 2 4 4 基于支持向量机的烟气含氧量的软测量 上海交通大学自动化所邵惠鹤、熊志化等人【1 3 】提出了一种基于支持向量机的 含氧量软测量建模方法，选用给水流量、主蒸汽流量、排烟温度、燃料量、送风 量、引风量、引风机电流、送风机电流这8 个作为辅助变量，估算出所要求的烟 气含氧量。 华北电力大学的刘吉臻、王勇等人【1 4 】提出了一种含氧量的软测量方法，是基 于l s s v m 的，给出了相应的系统算法和结构，运用现场实测数据计算，该模型 取得了良好的效果。通过和n n 方法的仿真结果比较，证明了该方法具有更好的 性能指标。 山东巨能电力集团的王宏志等人【”】也建立了基于l s s v m 的烟气含氧量的 软测量模型，并采用粒子群算法对l s s v m 的模型的参数进行优化，氧量软测量 模型的输入变量分别是8 个，包括送风挡板开度、给粉机转速、排烟温度、引炉 膛温度、风挡板开度以及反映锅炉负荷情况的主蒸汽压力、温度、流量等1 5 个， 取得了良好的测量效果。 支持向量机( s v m ) 能较好地解决小样本、非线性、高维数、局部极小点等实际 问题，具有很强的泛化能力，但标准s v m 算法的样本数据越大，求解相应的二次 规划问题越复杂，计算速度越慢，存在着鲁棒性、稀疏性和大规模运算问题。 2 4 5 组合建模方法的烟气含氧量测量方法 一种方法建立的模型由于实际系统的复杂多变是难以满足要求的。由于上述 1 6 2 软测量系统原理 论述的每种软测量建模方法都有各自的优缺点，而且它们之间存在一定的互补性， 根据实际系统的实际情况和机理分析，把两种或者两种以上的方法结合在一起， 建立起来的混合模型，就能发挥各自的长处，互相配合，实现优势互补，从而达 到软测量的更好的效果。 华北电力大学自动化系的赵征等人【i6 】提出了一种含氧量软测量的方法，该方 法采用燃烧机理分析以及统计分析技术。首先建立给煤量和风量的软测量模型， 同时结合多传感器的数据融合技术，并结合煤质校正等方法，完整的得到氧量软 测量模型。所建立的氧量软测量模型通过仿真验证，能够较好地反映烟气含氧量 的变化。模型具有计算方法简单、结构清晰等优点，具有很高的实际应用价值。 目前，氧量软传感器组已经应用到盘山电厂厂级监控系统( s i s ) 中，做物理氧量传 感器的验证和诊断。 清华大学热能工程系徐向东、卢勇等人【l 7 】建立烟气含氧量的动态和稳态的模 型，在对对象进行过程机理分析的基础上，该模型结合了n n 建模和统计分析两 种建模方法的优