基于KPCA和LSSVM的锅炉飞灰含碳量软测量.pdf

基于KPCA和LSSVM的锅炉飞灰含碳量软测量

金秀章;张扬

【摘要】在火力发电厂中,飞灰含碳量是燃烧经济性的主要指标.飞灰含碳量精准的

实时测量有益于控制空气与燃煤比例,提高锅炉的燃烧效率,提升经济性并且减少污

染和资源浪费.为提高锅炉燃烧经济性,降低发电成本、降低煤耗、节约能源,需要合

理控制飞灰含碳量.本文提出了一种基于KPCA和LSSVM的软测量模型来解决飞

灰含碳量的精确测量和滞后问题.首先要选取样本,对数据进行采集,然后对于选取的

与飞灰含碳量相关的辅助变量进行特征提取,以此作为最小二乘支持向量机软测量

模型的输入,提升了软测量模型的精度.本文提出的方法为飞灰含碳量的及时、精确

测量提供了理论上的依据.

【期刊名称】《仪器仪表用户》

【年(卷),期】2018(025)007

【总页数】5页(P73-76,84)

【关键词】锅炉飞灰含碳量;核的主成分分析;最小二乘支持向量机;软测量

【作者】金秀章;张扬

【作者单位】华北电力大学计算机与控制工程学院,河北保定071003;华北电力大

学计算机与控制工程学院,河北保定071003

【正文语种】中文

【中图分类】TK471

0引言

随着国民经济的快速发展，电力需求日益旺盛，中国电力设备装机量以每年7%～

8%的速度增长，其中火电燃煤机组仍占有很大比重。但随着一次能源的日益枯竭

和竞价上网政策的实行，迫使每个火电厂都在安全生产的前提下，努力提高运行的

经济性。因此，提高锅炉效率、降低煤耗、节约能源成为了电力系统的一项艰巨而

重要的任务。当飞灰含碳量过高时，会产生煤炭资源的浪费，降低发电厂的发电效

率，增加了空气的污染和空气内部可吸入颗粒物的浓度。为提倡节能减排，提高锅

炉效率、降低煤耗，可以从改进锅炉结构和有关设备状况着手，同时还要实现优化

燃烧，这就需要对有关燃烧参数及时、准确地在线监测提出了要求。

在发电厂，锅炉燃烧效率的主要指标就有飞灰含碳量，故飞灰含碳量的准确测量至

关重要，但其特性复杂，受到如煤的品质、总风量、总煤量、机组负荷、锅炉型号、

燃烧器的型式、煤粉细度、风粉分配均匀性、炉膛风箱压差等多种因素的影响，难

以进行简单地计算，从而需要采用实际测试方法来确定，并由试验结果用来探讨和

研究如何去降低飞灰含碳量提高燃烧效率[1]。但是由于实际现场操作复杂，工作

量很大，各个情况都会对燃烧的特性产生干扰，导致参数不准确，并且测量延迟比

较大，不能及时准确地反映锅炉燃烧实际状况[2]。

到目前只有两种可行的方法可以用于解决测量不准确的问题：一种是提升科技水平

从而提高测量仪表的精度和准确性，用硬件的形式去实现直接测量；另一种则是利

用软测量的方式，这是一种间接测量方法，合理地去对辅助变量进行选取，从而去

对被测变量进行准确地估算。

文献[3]中采用神经网络的方法对飞灰含碳量进行测量，其文章中选取了大量的锅

炉运行参数，使得运算复杂，大量数据还导致了训练过度的现象，导致测量结果精

度比较低，并且运算时间长的缺点。

文献[4]中采用了小波的自适应加权融合和LSSVM融合的方法去建立模型，结果

表明预测精度要比BP建模精确度要高很多，但是方法过于繁琐。

而如今飞灰含碳量采用的软测量方法存在一些缺点并普遍存在精度低，具有很大误

差的特点急需去改进。因此，本文将介绍一种基于KPCA-LSSVM的建模方法用于

提升测量品质。

1辅助变量的选取

辅助变量的准确选取对于软测量模型的建立有极大的帮助。锅炉系统工况复杂，内

部环境多变，并且具有多变量、耦合性等特点，很难用机理建模去实现。合适的辅

助变量选择能够保证和提升模型准确度，所以选取的辅助变量尽量要获取简单、方

便测量，并且最重要能够影响主导变量。但是还应尽量广泛全面地去选择辅助变量，

从而能够保证模型的测量精度[5]。本文将对已投运的锅炉进行研究，其炉膛结构

参数已经确定，故飞灰含碳量的特性，主要受电厂锅炉燃烧工况的影响。具体选取

了总煤量、总风量、机组负荷、送风机电流、磨煤机A～F的电流、一次风量、一

次风机电流、二次风量、二次风温、烟气含氧量、炉膛风箱差压16个辅助变量作

为软测量模型的输入，飞灰含碳量作为软测量模型的输出。

2基于相似度的样本优化

使用基于相似度函数的方法，它