基于PCA—BP神经网络的锅炉煤质的软测量.pdf

《基于PCA—BP神经网络的锅炉煤质的软测量.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第3O卷第1期能源技术VO1．30No．12009年1月ENERGYTECHNOLOGYJan．2009基于PCA—BP神经网络的锅炉煤质的软测量谭浩艺，陈绍炳，周自强(东南大学能源与环境学院，南京210096)摘要：采用主元分析法(PCA)与BP神经网络相结合的方法，为电站锅炉入炉煤质中的挥发分和低位热值建立了软测量模型。应用主元分析法对与入炉煤质相关的运行参数进行降维处理，再将处理过后的综合变量作为BP神经网络的输入变量，方便和简化了过程数据的处理，亦使得煤质预测的精度得到了有效提高。关键词：煤质；挥发分；低位热值；软测量；主元分析；BP神经网络中图分类号：TK2

2、29．6文献标志码：A文章编号：1005—7439(2009)01-0009-03ResearchonSoft—sensingofBoilerCoalQualityBasedonPca-bpNeuralNetworkTANHao-yi，CHENShao-bing，ZHOUZi—qiang(InstituteofEnergyandEnvironment，SoutheastUniversity，Nanjing210096。China)Abstract：TocombinethePrincipa1ComponentAnalysisandtheBPNeura1Network，e

3、stablishasoft-sensingmodelforvolatileandlowercalorificvalueofboilercoalinpowerplant．Inthispaper，thePCAisappliedtoreducingthedimensionofoperationalparameterinterrelatedwithboilercoalquality-andthentheprocessedcomprehensivefactorsarerequiredastheinputvariablesoftheBPNeuralNetwork，treatmen

4、toftheprocessdataisfacilitatedandsimplified，andthepredictingprecisionofcoalqualitycanbealsoraisedeffectively．Keywords：coalquality；volatile；lowercalorificvalue；soft-sensing；PCA；BP-neuralnetwork近年来电站锅炉的人炉煤质普遍下降，主要表神经网络的建模不需要知道过程的机理模型，现为挥发分和低位热值的降低，这对燃煤锅炉的安非常适合用来为实时分析锅炉的燃烧情况，提供煤全稳定运行带来了很大的

5、影响，因此实时监测煤质质对燃烧的影响。3层BP神经网络可以任意逼近变化，并对锅炉运行作出相应调整就显得尤为重要。非线性函数，因此方案的挥发分和低位热值软测量目前发电厂传统的煤人炉煤煤质监测的主要通过离模型采用3层BP神经网络建模。主元分析方法线取样化验获得，化验时间长，得到的数据滞后调整(PrincipalComponentAnalysis)是多元统计分析的的需要，而且仅限于煤质的工业分析，在实时性、指主要方法之一，通过对过程数据的多元统计分析，可导性方面不能满足锅炉运行调整的需要。锅炉的燃以从大量过程变量的变化中找到影响过程主要监测烧过程是一个复杂的物理、化学过程，

6、与希望了解的参数变化或指标降低的主要原因[2～]。本文将通过煤质挥发分和低位热值相关的影响因素很多，这些BP神经网络建立软测量模型，并应用主元分析法对因素往往具有非线性等特征相互问还存在强耦合，网络输入变量进行降维处理，实现电站锅炉入炉煤是一个非常复杂的多输人多输出系统，很难用一般挥发分和低位热值的在线软测量。与单一BP神经的机理模型来描述。网络预测相比，此法应当可以获得较高的预测精度。软测量技术在成熟的硬件传感器基础上，以计1主元分析法与辅助变量预处理算机技术为核心，通过软测量模型，利用较容易测量的辅助变量和离线分析信息去映射不可测或难测量根据分析首先确定与燃煤挥发

7、分和低位热值相的变量[1]，20世纪9o年代以来在理论研究和实际关的一些过程变量嘲：主蒸汽流量、主蒸汽压力、高应用方面均取得了迅速发展。省人口烟温、氧量、磨煤机投用状态、磨煤机电流、排谭浩艺等：基于PCA-BP神经网络的锅炉煤质的软测量粉机电流、下层给粉机转速、上层给粉机转速、一次风压、磨煤机出人口压差、粗粉分离器出口负压、排粉机人口负压、排烟温度、磨煤机人口温度、磨煤机出口温度以及排粉机人口温度。若选择这17个变量作为神经网络的输入变量，则神经网络输入层的神经元就显得过多，而神经网络输入层的神经元越多，网络结构就越复杂。因此在保证必要精度的要123