发明名称 一种基于统计分类的冶金煤气系统实时平衡调整方法
摘要 一种基于统计分类的冶金煤气系统实时平衡调整方法,其特征是先应用高斯过程分类器将调整单元数据对应的时刻分离为调整时刻和非调整时刻,将调整时刻对应的发生单元数据、消耗单元数据以及被调整单元作为模糊规则库的样本,建立调整样本库;然后使用模糊C均值聚类算法将样本库中的各个样本转换成If-Then的模糊规则,建立完备的模糊规则库;当监测到煤气系统某一时刻即将运行不平衡,将该时刻的煤气发生单元数据和消耗单元数据使用模糊C均值聚类算法转换成If-Then的模糊规则,与所建立的模糊规则库进行比对,确定出该时刻的可调整单元;然后采用差分计算法获得煤气系统的调整总量;最后根据煤气系统调整单元的优先级和各调整单元的最大负荷能力,将调整总量分配给不同的调整单元,实现冶金煤气系统的实时平衡调整。
申请公布号 CN102799151B 申请公布日期 2014.04.23
申请号 CN201210231635.3 申请日期 2012.07.05
申请人 大连理工大学 发明人 赵珺;张婷婷;盛春阳;王伟
分类号 G05B19/418(2006.01)I 主分类号 G05B19/418(2006.01)I
代理机构 大连理工大学专利中心 21200 代理人 梅洪玉
主权项 1.一种基于统计分类的冶金煤气系统实时平衡调整方法,其特征包括如下步骤: (1)从冶金煤气系统现场实时数据库读取所需的调整单元数据、被调整单元类别、发生单元数据、消耗单元数据、煤气柜位数据; (2)建立高斯过程二分类模型 ①读取已知的调整单元数据组成一个样本集,计算样本集中的每个样本中的间隔相同的点的斜率,将所得到的所有斜率值作为高斯过程二分类模型的输入样本,输出样本为每个输入样本对应的类别标签,输入样本和输出样本的数据样本集表示为D={(x<sub>i</sub>,y<sub>i</sub>)|<sub>i=1,...,N</sub>},其中输入样本x<sub>i</sub>∈R<sup>d</sup>,输出样本y<sub>i</sub>∈{-1,1},N是输入样本的个数; ②建立基于调整单元数据的高斯过程二分类模型 在给定输入样本x<sub>i</sub>的情况下,计算输出样本y<sub>i</sub>,则输出样本的联合似然函数可以描述为: <img file="FDA0000456420430000011.GIF" wi="1484" he="201" />给定超参数θ,隐函数值f的后验分布表示为: <img file="FDA0000456420430000012.GIF" wi="1805" he="204" />给定检测样本x<sub>*</sub>,对公式(2)中的隐函数值f的后验分布进行边缘化,那么f<sub>*</sub>的后验分布表述为: p(f<sub>*</sub>|D,θ,x<sub>*</sub>)=∫p(f<sub>*</sub>|f,X,θ,x<sub>*</sub>)p(f|D,θ)df    (3) 将公式(2)中的隐函数值f的后验分布代入公式(3)中,得出近似后验概率 <img file="FDA0000456420430000013.GIF" wi="1434" he="102" />均值和方差分别为: <img file="FDA0000456420430000021.GIF" wi="1793" he="102" />K是隐函数值f的协方差矩阵,k<sub>*</sub>是检测样本x<sub>*</sub>和输入样本集X的协方差,<img file="FDA0000456420430000022.GIF" wi="930" he="106" />m和A是隐函数值f服从高斯分布的均值和方差,根据公式(4)和期望计算公式,给定检测样本x<sub>*</sub>,则输出样本y<sub>*</sub>属于类别1的概率的近似值表示为:<img file="FDA0000456420430000023.GIF" wi="1858" he="187" />采用极大似然函数估计法求取超参数θ,即通过求解超参数的似然函数的最大值,进而寻得最优的超参数,见公式(7) p(D|θ)=∫p(y|f)p(f|X,θ)df    (7) 对于二分类的检测样本x<sub>*</sub>,设定当x<sub>*</sub>属于正类的概率q(y<sub>*</sub>=1|D,θ,x<sub>*</sub>)&gt;0.5时,则将其划分为正类,即该时刻为调整时刻;否则,将其划分为负类,即该时刻为非调整时刻; (3)建立模糊规则库 ①将步骤(2)分类得到的调整时刻对应的发生单元数据和消耗单元数据作为模糊规则库的输入样本,对应输出样本为调整时刻对应的被调整单元类别; ②将输入样本空间和输出样本空间划分为模糊域,即通过对输入样本、输出样本分析,得出煤气系统发生单元数据和消耗单元数据的最佳聚类个数,使其能够完整反映输入样本的特征; ③使用模糊C均值聚类算法对输入样本进行段聚类,并记录每段数据所属的类别,产生初始的基于If-Then模糊规则的模糊规则库; ④记录每段数据所属每一类别的隶属度; ⑤精简模糊规则库,剔除相同输入样本,相同输出样本的模糊规则,将相同输入样本,不同输出样本的模糊规则合并为一条模糊规则,说明当前时刻有多个调整单元对煤气系统平衡调整; (4)实时在线确定调整单元 监测煤气系统运行不平衡的时刻,将该时刻对应的发生单元数据和消耗单元数据,使用模糊C均值聚类算法化为If-Then模糊规则,与步骤(3)所建立的模糊规则库进行比对,找出与模糊规则库中最相近的模糊规则,其输出样本就是当前时刻的可调整单元; (5)调整总量的计算 采用差分计算法获得需要调整的煤气总量,具体流程如下: 在煤气柜位超限的时间段内选择三个柜位超限点t<sub>1</sub>,t<sub>2</sub>,t<sub>3</sub>;假设在初始时刻t=0的煤气柜位值为gh<sub>i</sub>,那么在t<sub>1</sub>时刻煤气柜位值描述为: <img file="FDA0000456420430000031.GIF" wi="1301" he="199" />同理,求得gh<sub>2</sub>和gh<sub>3</sub>; 如果将煤气柜位调整到正常水平时的目标值gh<sub>o</sub>,定义调整后的煤气系统在t时刻发生单元数据和消耗单元数据的流量差值为dflow<sub>o</sub>(t),那么gh<sub>o</sub>表示为: <img file="FDA0000456420430000032.GIF" wi="1318" he="199" />将式(8)和(9)相减得式(10),进一步,式(10)简写成式(11); <img file="FDA0000456420430000033.GIF" wi="1512" he="199" />Δgh<sub>1</sub>=t<sub>1</sub>·Δdflow<sub>1</sub>    (11) 以此求得将三个柜位超限点调到目标值时,流量差值的变化量: Δdflow<sub>1</sub>=Δgh<sub>1</sub>/t<sub>1</sub>, Δdflow<sub>2</sub>=Δgh<sub>2</sub>/t<sub>2</sub>, Δdflow<sub>3</sub>=Δgh<sub>3</sub>/t<sub>3</sub>; 进一步根据式(12)获得调整总量: Δdflow=max{Δdflow<sub>1</sub>,Δdflow<sub>2</sub>,Δdflow<sub>3</sub>}    (12) (6)分配各调整单元的调整量 依据步骤(4)中得到的调整单元,根据现场调整单元的优先级和各调整单元的最大负荷能力,将步骤(5)得到的调整总量分配给不同调整单元。 
地址 116024 辽宁省大连市凌工路2号