论文部分内容阅读
在全球节能减排的大背景下,燃气蒸汽联合循环发电技术的应用日益广泛。燃气电厂烟气中的污染物主要为NOx,研究其排放特性,利用机器学习方法建立排放特性模型具有一定的现实意义。本文以西门子V94.3A型燃气轮机为研究对象,结合历史数据分析运行参数对NOx的影响,并利用MATALB的LSSVM工具箱建立NOx排放特性模型。具体研究内容如下:(1)分析燃气蒸汽联合循环机组的NOx排放特性:结合燃气轮机燃烧工艺和NOx生成过程确定影响NOx生成的因素,并结合历史数据分析运行参数对NOx的具体影响过程。最终确定影响NOx生成的10个运行参数:值班阀位、扩散阀位、IGV开度、透平排气温度、烟气氧含量、燃机负荷、排烟温度、大气温度、大气压力、大气湿度。(2)从DCS系统采集308组样本,对数据进行预处理:利用Min-Max法对数据归一化,消除量纲的影响;利用正态分布检验法除去数据的离群点,提高数据质量;利用五点三次平滑法对数据平滑,消除随机误差;利用偏最小二乘法对数据降维,克服自变量间的多重相关性。将PLS法提取的主成分矩阵作为LSSVM的输入变量。预处理后得到296组数据,将其中222组作为训练数据建立模型,剩余74组作为测试数据验证模型的精度。(3)分别利用LSSVM,PSO-LSSVM,改进PSO-LSSVM建立NOx排放特性模型,仿真结果表明:试凑法对LSSVM的超参数寻优时虽能得到较优的正则化参数和核参数,但过程耗时,训练结果存在偶然性与盲目性,预测精度不高;PSO-LSSVM算法:PSO算法能有效的对LSSVM的正则化参数和核参数寻优,预测精度较高,但PSO算法易早熟,易陷入局部最优;改进PSO-LSSVM算法,对PSO算法的学习因子与惯性权重进行改进以增强全局搜索能力与局部搜索能力,优化性能更高。改进PSO-LSSVM预测精度与可靠性更高,能够有效的实现NOx浓度的预测。最后分析了负荷稳定、升高、降低时的NOx排放特性,并利用改进PSO-LSSVM算法建立NOx模型。结果表明:在上述三种情况下,利用PLS法提取到的主成分不尽相同,说明这三种状态下各参数对NOx生成量的影响作用不完全一致,但利用改进PSO-LSSVM进行NOx排放建模均取得较好的预测结果。