论文部分内容阅读
火力发电是我国的主要发电方式,是国民经济的先行军,因此提高锅炉燃烧效率、降低发电煤耗是电力领域急需解决的问题。过量空气系数是反映锅炉燃烧效率和热利用率的重要参数,但在锅炉运行过程中,过量空气系数不可直接测量,往往通过烟气氧含量来间接得到该数值。因此,烟气氧含量的精确测量对于指导生产运行有着重要的作用。目前火电厂常采用氧化锆氧量传感器测量烟气氧含量,但氧化锆传感器使用一段时间后存在测量误差大且维修复杂等问题。因此,对烟气氧含量软测量技术进行研究具有重要意义。本文以陕西某电厂锅炉燃烧系统为背景,在对锅炉燃烧系统的工艺流程分析的基础上,围绕辅助变量的初选与终选、数据的采集与预处理、软测量模型的建立与在线校正、烟气氧含量软测量系统的实现等方面展开了深入研究,具体研究内容如下:(1)辅助变量的初选与终选在综合分析了锅炉燃烧系统工艺流程和烟气氧含量影响因素的基础上,首先初选锅炉负荷、主蒸汽温度等11个量作为辅助变量,然后以辅助变量携带信息量最大化和与烟气氧含量相关性最大为准则,利用主元分析法和灰色关联度法选择建立软测量模型所需的辅助变量。最终确定总送风量、主蒸汽流量、送风电流、引风电流、总给煤量、锅炉负荷、主蒸汽温度、主蒸汽压力和给水流量9个量作为辅助变量。(2)数据的采集与预处理从火电厂现场DCS系统中采集300组样本,首先对采集到的样本进行最小-最大标准化,然后基于3?原则、五点三次法消除过失误差和随机误差。从经过数据预处理后的275组样本中,选择其中的192组样本作为训练数据,建立软测量模型,剩余的83组样本作为测试数据,验证所建模型的预测精度和泛化性能。(3)烟气氧含量软测量模型的建立与在线校正分别采用LSSVM、PSO-LSSVM和改进的PSO-LSSVM算法建立烟气氧含量软测量模型。通过仿真对比发现,传统的LSSVM模型采用试凑法确定正则化参数和核参数,存在盲目性和偶然性,且模型预测精度不高。PSO-LSSVM软测量模型,利用PSO算法优化LSSVM的超参数,模型预测精度明显提高,但标准PSO算法易陷入局部最优值。改进的PSO-LSSVM算法,使用带有随机惯性权重的CPSO算法优化LSSVM的超参数,改进的PSO-LSSVM算法拥有很好的预测精度和可靠性,更适用于现场烟气氧含量的检测。最后建立滑动窗口实现模型的在线校正。(4)烟气氧含量软测量系统的实现为了不影响现有锅炉燃烧DCS系统的正常运行,从现有锅炉燃烧DCS系统的上位机中直接读取辅助变量的实测值,利用OPC技术实现MATLAB与上位机WinCC系统的数据通讯,实现在线检测烟气氧含量。本文采用改进的PSO算法优化LSSVM的正则化参数和核参数的方法,提高了烟气氧含量模型的预测精度、泛化性能和可靠性。借助OPC技术和工业以太网通讯,给出了锅炉燃烧系统烟气氧含量软测量的具体工程实现方案,实现烟气氧含量的实时高精度检测。