多喷嘴对置式水煤浆气化炉炉膛温度的软测量方法

摘要

本发明涉及一种多喷嘴对置式水煤浆气化炉炉膛温度的软测量方法，此方法选取若干个可测的过程状态辅助变量，包括干基煤、入炉中心氧气流量、氧煤比、出口合成气氢气H2、一氧化碳CO、甲烷CH4含量，作为软测量模型的输入变量，同时采集实际工业装置操作数据，进行数据预处理，基于BP人工神经网络，选用6×6×1的三层网络拓扑结构，采用Levenberg-Marquardt学算法对模型进行训练，从而实现多喷嘴对置式水煤浆气化炉炉膛温度的软测量。本软测量技术可以为多喷嘴对置式水煤浆气化炉提供有效的炉膛温度信息，以指导气化反应过程的优化运行操作，且此方法也可以适用于目前其它技术的水煤浆气化炉的炉膛温度软测量。

主权项

1.多喷嘴对置式水煤浆气化炉炉膛温度的软测量方法，其特征在于，它由下列步骤组成：步骤1采集实际工业装置气化炉的操作数据确定软测量模型的辅助变量和目标变量；所述操作数据包括，入炉煤浆流量、水煤浆浓度、水煤浆密度、入炉氧气中值、中心氧气流量、出口合成气氢气H₂、一氧化碳CO、甲烷CH₄含量和炉膛温度；所述辅助变量包括，干基煤、入炉中心氧气流量、氧煤比、出口合成气氢气H₂、一氧化碳CO、甲烷CH₄含量；其中，是引入系数，式中Max、Min分别取当前采集时刻点入炉中心氧气流量的最大值、最小值。所述目标变量为炉膛温度；步骤2对步骤一中采集得到的实际工业装置操作数据进行数据预处理，剔除部分异常工况数据点，并构造样本数据集S，取其中2/3的样本数据作为训练集S₁，用于学习和建模，剩余的样本数据则作为模型的测试集S₂；步骤3通过计算经验公式得到BP人工神经网络的隐含层节点数目，并结合交叉验证方法，确定其网络拓扑结构；所述BP人工神经网络选取三层网络结构，第一层为输入层，其节点个数等于辅助变量的个数，为6个；第二层为隐含层，其节点个数由如下经验公式确定：$p=\sqrt{0.43\mathrm{ij}+0.12j^2+2.54i+0.77j+0.35}+0.5$其中，p代表隐含层节点个数，i代表输入层节点个数，j代表输出层节点个数，这里隐含层节点个数为6；第三层为输出层，其节点个数为1，即炉膛温度输出；步骤4对于训练集S₁，采用Levenberg-Marquardt学习算法训练BP人工神经网络模型，并用测试集S₂对模型进行验证，从而获得有效的人工神经网络权重和阈值参数，得到能够正确描述多喷嘴对置式水煤浆气化炉炉膛温度变化的软测量模型；步骤5采集辅助变量的实时运行数据、并经过数据预处理后将其作为软测量模型输入，预测出多喷嘴对置式水煤浆气化炉的炉膛温度；其中，步骤2和步骤5中所述数据预处理为对采集得到的实际工业装置操作数据取其稳定工况状态下的平均值，软测量模型的输入变量进行归一化处理；其中，所述炉膛温度软测量模型为：y＝f(x₁，…，x_k)+e，其中，x_i(i＝1，2，...，k)、y分别是软测量模型的输入变量、输出变量，即炉膛温度，e是零均值高斯白噪声，f代表该多输入单输出系统的非线性关系。