基于含噪數(shù)據(jù)的電站鍋爐數(shù)據(jù)驅(qū)動(dòng)建模方法研究.pdf

1、我國(guó)火電機(jī)組占發(fā)電裝機(jī)容量的75％左右，隨著經(jīng)濟(jì)發(fā)展對(duì)電力需求的增加和社會(huì)對(duì)環(huán)境質(zhì)量的日益關(guān)注，提高電站鍋爐的燃燒效率、降低其污染排放愈來(lái)愈重要。電站鍋爐是一個(gè)復(fù)雜大系統(tǒng)，其中包含燃料燃燒、工質(zhì)流動(dòng)與換熱等物理化學(xué)過(guò)程，難以用精確數(shù)學(xué)模型描述，對(duì)系統(tǒng)的優(yōu)化運(yùn)行造成了困難。鍋爐工作過(guò)程中一些重要參數(shù)，如飛灰含炭量、煙氣含氧量、風(fēng)粉濃度和氮氧化物含量等都能反映鍋爐燃燒效率，但由于燃燒系統(tǒng)復(fù)雜、關(guān)聯(lián)性強(qiáng)，加上技術(shù)或經(jīng)濟(jì)的原因，很難通過(guò)直接測(cè)量

2、獲取這些參數(shù)值，通過(guò)機(jī)組運(yùn)行過(guò)程中積累的數(shù)據(jù)，建立這些關(guān)鍵參量的軟測(cè)量模型是一種有效方法。
　　本文以煙氣含氧量模型為例，研究了數(shù)據(jù)驅(qū)動(dòng)的軟測(cè)量建模方法，來(lái)解決難以測(cè)量的問(wèn)題。鍋爐工作過(guò)程中由于受到外界干擾或內(nèi)部設(shè)備振動(dòng)等影響，數(shù)據(jù)易受到噪聲污染，本文對(duì)含噪數(shù)據(jù)進(jìn)行小波去噪處理，建立基于最小二乘支持向量機(jī)（least square support vector machine,LS-SVM）軟測(cè)量模型，并將粒子群算法應(yīng)用在 LS-

3、SVM參數(shù)優(yōu)化上，進(jìn)而優(yōu)化模型提高測(cè)量精度和泛化能力。本文的主要工作如下：
　　通過(guò)分析比較幾種常用小波去噪方法，提出了利用小波收縮閾值的去噪方法，分析了閾值函數(shù)、分解層數(shù)、小波基和閾值選取方式對(duì)去噪效果的影響，并對(duì)鍋爐工作現(xiàn)場(chǎng)采集的數(shù)據(jù)進(jìn)行仿真分析，結(jié)果表明小波收縮閾值法可有效去除噪聲。
　　結(jié)合電站鍋爐工作過(guò)程，以煙氣含氧量為例，建立基于最小二乘支持向量機(jī)的煙氣含氧量軟測(cè)量模型，考慮到數(shù)據(jù)噪聲對(duì) LS-SVM模型精度的影

4、響，將小波收縮閾值去噪方法用于對(duì)采集到樣本數(shù)據(jù)的處理，并建立 LS-SVM模型，并對(duì)數(shù)據(jù)去噪前后建模效果進(jìn)行了對(duì)比分析，仿真結(jié)果表明小波閾值去噪和 LS-SVM相結(jié)合能夠提高模型精度。
　　模型參數(shù)是影響模型性能的一個(gè)重要因素，本文利用一種改進(jìn)的粒子群算法（improvedparticle swarm optimization,IPSO）對(duì)LS-SVM的參數(shù)進(jìn)行優(yōu)化，仿真結(jié)果表明改進(jìn)的 PSO算法較標(biāo)準(zhǔn) PSO算法可提高優(yōu)化效率；