一种利用垃圾热值预测辅助垃圾稳定燃烧的控制方法

摘要

本发明公开了一种利用垃圾热值预测辅助垃圾稳定燃烧的控制方法,该方法实现的流程是：从垃圾焚烧控制系统将运行参数信号转换为输入参数，利用Garson算法筛选出与垃圾热值联系相对紧密的参数，把所得参数通过主成分进行降维处理，去除冗余信息；建立遗传算法优化神经网络模型读取处理所得数据进行训练，输出预测的垃圾热值；垃圾热值经过信号转换之后反馈给控制器，垃圾焚烧炉控制系统便可根据控制器的指令调节相关参数，消除垃圾热值波动引起的不利影响。该方法既可实现垃圾热值的在线预测，也可提高相应的预测精度，避免了采用传统方法测量造成的滞后性，或者利用简单神经网络预测引起的较大偏差。

主权项

一种利用垃圾热值预测辅助垃圾稳定燃烧的控制方法，其特征在于，包括如下步骤：（一）利用Garson方法筛选出从垃圾焚烧炉控制系统所读取数据的参数，该参数包括垃圾处理量(t)、炉膛温度(℃)、炉膛负压(Pa)、过热器进口温度(℃)、省煤器出口温度(℃)、主蒸汽流量(t/d)、主蒸汽压力(MPa)、主蒸汽温度(℃)、一次风流量(km3/h)、二次风流量(km3/h)、一级减温水流量(t/d)、二级减温水流量(t/d)、给水温度(℃)、一级暖风器蒸汽进口流量(t/d)、二级暖风器蒸汽进口流量(t/d)；根据垃圾焚烧炉控制系统所读取参数的个数，选择的隐含层个数，建立神经网络进行训练，直至达到训练误差；读取神经网络每个连接层的权值，把每一个隐含层、输出层节点的连接权分配到隐含层、输入层节点的连接权上去；对所选参数进行主成分分析，去除冗余信息，降低输入参数的维数，加快预测速度；选取累计贡献率>85%的特征值，求得对应的主成分值，最后把该成分值代表原始输入信息；（二）建立三层神经网络，根据步骤（一）所得输入参数确定其结构，并利用遗传算法优化神经网络的阈值和权值，防止神经网络训练时陷入局部最小值，其过程如下：(1)根据输入参数的维数，隐含层节点数和输出向量维数确定遗传算法的染色体长度；(2)定义适应度函数为真实值和预测值之差的平方和的倒数，遗传算法根据该函数进行选择、交叉和变异进行迭代，寻找其最小值；(3)遗传算法把最小值时所对应的权值和阈值赋给神经网络进行训练，若神经网络仍无法达到误差所要求的值，则重新返回步骤(1)进行迭代。