循环流化床锅炉二次风机电流预测系统及方法

摘要

本发明公开了一种循环流化床锅炉二次风机电流预测系统及方法，系统包括与循环流化床锅炉连接的现场智能仪表、数据库、数据接口、控制站以及上位机；现场智能仪表与控制站、数据库和上位机连接，上位机包括：标准化处理模块，用于从数据库中采集关键变量的训练样本，并进行标准化处理；预测机制形成模块，用于建立预测模型；预测执行模块，用于实时预测二次风机电流；模型更新模块；信号采集模块；结果显示模块。本发明根据循环流化床锅炉的运行工况和操作变量对二次风机电流进行预测，以便于建议并指导运行操作，将循环流化床锅炉的二次风机电流控制在理想范围，有效提高锅炉运行效率，延长设备使用寿命，并为进一步对运行效率进行优化奠定基础。

主权项

1.一种循环流化床锅炉二次风机电流预测系统，其特征在于，包括与循环流化床锅炉连接的现场智能仪表、数据库、数据接口、控制站以及上位机；现场智能仪表与控制站、数据库和上位机连接，所述的上位机包括：标准化处理模块，用于从数据库中采集运行工况变量和操作变量的历史记录，组成自变量的训练样本矩阵X，采集对应的二次风机电流信号的历史记录，组成因变量训练样本向量Y，对训练样本X、Y进行标准化处理，使各变量的均值为0，方差为1，得到标准化后自变量训练样本矩阵X^*(n×p)、标准化后因变量训练样本向量Y^*(n×1)，采用以下过程来完成：1.1）求均值：${\bar{x}}_j=\frac{1}{n}\underset{i=1}{\overset{n}{\Sigma }}{x}_{\mathrm{ij}},(i=\mathrm{1,2},···,n;j=\mathrm{1,2},···,p)---\left(1\right)$$\bar{y}=\frac{1}{n}\underset{i=1}{\overset{n}{\Sigma }}{y}_i,(i=1,2,···,n)---\left(2\right)$1.2）求标准差$s_{x,j}=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\Sigma }}{(x_{\mathrm{ij}}-{\bar{x}}_j)}^2},(i=\mathrm{1,2},···,n;j=\mathrm{1,2},···,p)---\left(3\right)$$s_y=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\Sigma }}{(y_i-\bar{y})}^2},(i=\mathrm{1,2},···,n)---\left(4\right)$1.3）标准化$x_{\mathrm{ij}}^{*}=\frac{x_{\mathrm{ij}}-{\bar{x}}_j}{s_{x,j}},(i=\mathrm{1,2},···,n;j=\mathrm{1,2},···,p)---\left(5\right)$$y_i^{*}=\frac{y_i-\bar{y}}{s_y},(i=\mathrm{1,2},···,n)---\left(6\right)$其中，x_ij、y_i为训练样本点的原值，n为训练样本个数，p为自变量个数，为训练样本的均值，s_x,j、s_y为训练样本的标准差，为训练样本点的标准化值，其中下标i、j分别表示第i个训练样本点、第j个自变量；预测机制形成模块，用于建立预测模型，其实现步骤如下：2.1）令初始自变量残差阵E₀=X^*；2.2）令因变量初始残差向量F₀=Y^*；2.3）令初始成分数h=1；2.4）依次按以下各式求解：$w_h=\frac{E_{h-1}^T{F}_{h-1}}{\left|\right|E_{h-1}^T{F}_{h-1}\left|\right|}---\left(7\right)$t_h=E_h-1w_h    （8）$r_h=\frac{F_{h-1}^T{t}_h}{{\left|\right|t_h\left|\right|}^2}---\left(9\right)$$p_h=\frac{E_{h-1}^T{t}_h}{{\left|\right|t_h\left|\right|}^2}---\left(10\right)$$w_h^{*}=\underset{j=1}{\overset{h-1}{\Pi }}(I-w_j{p}_j^T)w_h---\left(11\right)$$E_h=E_{h-1}-t_h{p}_h^T---\left(12\right)$F_h=F_h-1-t_hr_h    （13）$\beta =r_1{w}_1^{*}+r_2{w}_2^{*}+···+r_h{w}_h^{*}---\left(14\right)$其中，w_h是第h个成分的轴向量，t_h是第h个成分，r_h是中间过程系数，p_h、是中间过程向量，E_h是自变量的第h个残差阵，F_h是因变量的第h个残差阵，β是因变量的预测系数向量，上标T表示矩阵的转置，下标h、h-1分别表示含下标的物理量所对应的成分序号为h、h-1；2.5）从数据库中读取测试样本，按（15）、（16）式进行无量纲化处理：${x_{\mathrm{ij}}^{*}}^{\prime }=\frac{{x_{\mathrm{ij}}}^{\prime }-{\bar{x}}_j}{s_{x,j}},(i=\mathrm{1,2},···,m;j=\mathrm{1,2},···,p)---\left(15\right)$${y_i^{*}}^{\prime }=\frac{{y_i}^{\prime }-\bar{y}}{s_y},(i=\mathrm{1,2},···,m)---\left(16\right)$其中，x_ij'、y_i'是测试样本点的原值，是测试样本点的无量纲化值，m为测试样本个数；2.6）求因变量的预测值：${{\hat{y}}_i^{*}}^{\prime }=({x_{i1}^{*}}^{\prime },{x_{i2}^{*}}^{\prime },...,{x_{\mathrm{ip}}^{*}}^{\prime })\beta ---\left(17\right)$其中，是因变量测试样本点的无量纲化预测值；2.7）求当前预测误差：${S_{\mathrm{SS},h}}^{\prime }=\underset{i=1}{\overset{m}{\Sigma }}{({y_i}^{\prime }-{{\hat{y}}_i}^{\prime })}^2---\left(18\right)$其中，S_SS,h'为残差平方和；2.8）如果h=1，令h=2，返回2.4），否则转2.9）；2.9）求判别系数当P_h≥0.02时，认为引进第h个成分可以明显改善预测能力，令h=h+1，返回2.4），否则令h=h-1，转2.10）；2.10）将预测系数向量β传递并存储到预测执行模块；预测执行模块，用于根据循环流化床锅炉的运行工况和设定的操作变量预测二次风机电流，其实现步骤如下：3.1）将输入的自变量信号按（19）式处理：${x\left(t\right)}_j^{*}=\frac{x{\left(t\right)}_j-{\bar{x}}_j}{s_{x,j}},(j=\mathrm{1,2},···,p)---\left(19\right)$其中，x(t)_j为t时刻第j个自变量的原值，为第j个自变量的训练样本的均值，s_x,j为第j个自变量的训练样本的标准差，为t时刻第j个自变量的无量纲化值，t表示时间、单位为秒；3.2）按下式求二次风机电流的无量纲化预测值：$\hat{y}{\left(t\right)}^{*}=\left(\begin{array}{cccc}{x\left(t\right)}_1^{*}& {x\left(t\right)}_2^{*}& ···& {x\left(t\right)}_p^{*}\end{array}\right)\beta ---\left(20\right)$其中，为t时刻二次风机电流的无量纲化预测值；3.3）按下式求二次风机电流的原量纲预测值：$\hat{y}\left(t\right)=\hat{y}{\left(t\right)}^{*}·s_y+\bar{y}---\left(21\right)$其中，为t时刻二次风机电流的原量纲预测值；所述的上位机还包括：模型更新模块，用于按设定的时间间隔将实际的二次风机电流与预测值比较，如果相对误差大于10%，则将新数据加入训练样本数据，重新执行标准化处理模块与预测机制形成模块；信号采集模块，用于按设定的采样时间间隔，从现场智能仪表采集实时数据，以及从数据库中采集历史数据；结果显示模块，用于从控制站读取设置参数，并将二次风机电流预测值传给控制站进行显示，并给出操作建议：在当前的工况下，操作变量如何调整最有利于将二次风机电流控制在理想范围，以便控制站工作人员，根据二次风机电流预测值和操作建议，及时调整操作条件，将二次风机电流控制在理想范围，提高锅炉运行效率，同时延长设备使用寿命；其中，操作变量如何调整最有利于将二次风机电流控制在理想范围，一个简便方法是将操作变量的多种组合值，代入二次风机电流预测系统，得到相应的二次风机电流预测值，从而非常直观地通过比较大小得到；所述自变量包括：运行工况变量：主蒸汽流量、环境温度、给水温度、炉膛负压、床压、燃煤水分、燃煤挥发分、燃煤灰分、燃煤硫分；操作变量：一次风总风量、二次风总风量。