ga-bp神经网络在动力配煤煤质和燃烧特性预测中的应用 application of the ga-bp network for predicting the blended coals quality and combustion characteristics.pdfVIP

能源研究与信息 第27卷第4期 ResearchandInformation V01．27No．42011 Energy 文章编号2011)04—0208—08 GA—BP神经网络在动力配煤煤质和燃烧 特性预测中的应用 彭皓，袁益超，王波 (上海理工大学能源与动力工程学院，上海200093) 摘要： 为了满足动力配煤数字化信息控制系统对配煤煤质和燃烧特性参数在线预测的精度 要求，利用GA—BP神经网络建立了动力配煤煤质和燃烧特性预测模型。该预测模型综合学习 了各煤质指标内部以及和配比的关系，能够根据各参配煤种的朋矗、‰、4ad、Q。。。和对应的 配比x，直接预测配煤产品的煤质指标坛d、巧d、4ad、Q。。。。和燃烧特性指标n、C、％。预 测结果表明，该预测模型具有较高的预测精度和可信度。 关键词：GABP神经网络：动力配煤：预测模型；煤质指标；燃烧特性 中图分类号：QT534 文献标识码：A 燃煤电厂锅炉一般是根据特定煤种进行设计的。设计锅炉时依据的煤种为设计煤种，是 最佳的“适炉”煤种。但实际上，由于市场和政策等原因，用煤企业不得不燃用2种或2种以 上的配煤。动力配煤技术是解决电厂煤源的有效技术手段之一，受到了电厂及相关科研单位的 重视。动力配煤煤质特性和燃烧特性的预测是优化配煤理论的研究基石，要得到较为合理的配 煤方案，首先必须弄清楚配煤煤质特性及燃烧特性的变化规律。研究动力配煤煤质和燃烧特性 预测技术的目的就是力求根据各组分单一煤种的煤质特性和燃烧特性来准确描述配煤的煤质 特性和燃烧特性。 大量理论研究和实践都表明【l～1：灰分、挥发份和低位发热量具有相对较好的线性可加性， 水分则不具有线性可加性，因此采用线性可加的方法进行煤质预测并不精确。神经网络具有并 行处理、联想记忆、分布式知识存储、鲁棒性强等特点，它具备自组织、白适应、自学习功能， 尤其是具有高度的非线性映射能力。它可以自己学习和记忆样本输入和输出之问的关系，能够 避开对特征因素与判别目标的复杂关系描述，特别是公式的表达【jJ。因而较为适合解决具有非 线性特性的动力配煤煤质预测问题。 目前的研究[4-61大多仅仅根据参配煤种的煤质指标数据及配比分别对挥发分、灰分、水分 和发热量等煤质指标建立单独的神经网络预测模型。这种预测模型由于没有考虑到各煤质指标 之问的相互影响关系，往往导致预测偏差较大，对电厂实际应用不具备指导意义。 24 收稿日期：201卜06 作者简介：彭皓(1987一)，男(汉)，硕士研究生，vippenghao@126．tom 万方数据 第4期 彭皓，等：GA．BP神经网络在动力配煤煤质和燃烧特性预测中的应用 209 BP神经网络是一种得到了广泛应用的神经网络，但存在易于陷入局部极小点和迭代的收 出的，并且已经证明如果问题域中的一定条件得到满足，GA就能够收敛到全局最优解。又由 于遗传算法具有鲁棒性强、随机性、全局性以及适于并行处理的优点，因此将GA与BP网络 结合起来则是一项很有意义的研究。这样不仅能发挥BP神经网络的泛化的映射能力，而且使 得BP神经网络具有很快的收敛性以及较强的学习能力。另外，相对于文献[6]采用的GRNN 网络而言，GA．BP网络更适合于有多个输入值的情况【8J，而且GA—BP网络在多个领域已经得 到了应用，发展更为成熟。 综上所述，本文尝试利用GA—BP神经网络建立一个综合考虑煤炭的水分、灰分、挥发份 和发热量的动力配煤预测模型，根据配煤的各参配煤种的工业分析值Mad、Aad、Vad、Q。。。．。和 对应的配比石直接推导配煤的煤质指标和燃烧特性。 1 GA—BP神经网络预测配煤煤质指标 1．1数据样本集的设计和预处理 在本文的研究中，网络训练和检测所采用的煤源数据来源于某电厂实际燃煤所采用的15种 单煤【6J，如表1所示。 表1 单煤煤样的发热量和工业分析数据