基于最小二乘支持向量机和粒子群法的水煤浆性能优化.PDFVIP

基于最小二乘支持向量机和粒子群法的水煤浆性能优化 1 2 2 2 儒 ，叶向荣 ， 王 可 ， 刘定平 （1.茂名洁能水煤浆有限公司 2. 华南理工大学） 要：采用最小二乘支持向量机（LSSVM ）进行水煤浆（CWM ）浓度建模，并利用 粒子群法（PSO ）对运行工况寻优，获得优化水煤浆浓度的调整方式。以优化调整方式的相 应参数作为当前负荷下的基准值，能很好地解决了制浆变工况下运行参数基准的确定问题。 以该基准为中心分析了给水流量和 散剂流量对水煤浆浓度的敏感性影响。通过现场试验证 明，按此基准值运行，可以提高水煤浆性能。 关键词：水煤浆；运行优化；最小二乘支持向量机；粒子群法 水煤浆是 20 世纪 70 年代石油危机中发展起来的一种煤基流体燃料。它是由约 70% 的 煤粉、30%的水和少量化学添加剂加工制成的混合体。其具有良好的流动性和稳定性，可以 像油一样实现全密封储运和高效率的雾化燃烧。水煤浆属于一种见效快、成本低、节能和环 保型的代油燃料。其作为重油、天然气的替代燃料，已经在发电、工业锅炉、窑炉等领域实 现了工业应用 。 在水煤浆制造过 中，如何提高水煤浆性能是人们关注的一个重要问题。而水煤浆浓度 m 直接影响到水煤浆的燃烧性能，可将其作为衡量水煤浆性能的主要参数。影响水煤浆浓度的 因素很多，如煤种配比、给煤量、给水量、 散剂量、破碎机电流等等。水煤浆浓度与上述 参数存在强耦合关系，难以用简单的机理模型描述。现场中往往通过试验来摸索其规律。由 于试验耗时耗力，且存在滞后和偏差， 使运行经常偏离优化工况。因此，需建立水煤浆浓 w 度优化模型，用于指导水煤浆优化生产。 近年来，作为机器学习领域中备受瞩目的支持向量机（SVM ）在许多领域取得了成功 的应用，显示出巨大的优越性：①支持向量机是根据结构风险最小化原则，尽量提高学习 c 机的泛化能力，即由有限的训练样本得到小的误差，对独立的测试集仍然能保证小的误差； ②支持向量机算法是一个凸优化问题，因此局部最优解一定是全局最优解； ③支持向量机 算法中的核函数利用隐式非线性变换，巧妙地解决了维数灾难问题。最小二乘支持向量机 LS-SVM 是标准支持向量机的一种扩展，它是支持向量机在二次损失函数下的一种形式。 最小二乘支持向量机只求解线性方 ，其求解速度快，在函数估计和逼近中得到了广泛应用。 笔者提出基于最小二乘支持向量机的水煤浆浓度优化模型；并利用粒子群算法实现给煤量、 分散剂量等运行参数的寻优，获得的优化调整参数可用于指导制浆优化运行。现场试验表明， 按此基准值运行，可以提高水煤浆浓度。 1 水煤浆浓度的最小二乘支持向量机 水煤浆制造过 是一个复杂的物理过 ，它是一个多输入单输出系统。影响水煤浆浓度 的参数很多，为了描述这些参数之间具有强耦合、非线性等特征，可以用基于支持向量机的 黑箱模型来描述输入与输出的非线性函数关系，建立支持向量机制浆优化模型。 1 1.1 最小二乘支持向量机 设训练样本集： m 式中： a, b 可由式（1）求解出。 w 核函数有不同的形式，如：多项式 、多层感知高斯 （MLP ） 、RBF 等。在研究中， 取 RBF 核函数如下所示：c 最小二乘支持向量机的函数估计精度和收敛速度受γσ选择的影响。 1.2 模型的输入与输出 笔者以茂名洁能水煤浆厂 37t/h 水煤浆生产线为对象开展研究。在制浆时，球磨机内部 磨介、钢球匹配可认为基本不变。原煤由破碎机输送到球磨机进行研磨；再由 2 台输浆泵 A 、 B 送往储浆罐。 水煤浆浓度是反映水煤浆性能的主要参数。因此取水煤浆浓度作为制浆优化模型的输出 参数。 给煤量和给水流量变化直接影响水煤浆浓度。 散剂流量对水煤浆浓度也有一定的影 响。输浆泵频率、电流反映水煤浆产量，破碎机电流与球磨机电