基于KPCA-LS-SVM的工业锅炉烟气含氧量预测.pdfVIP

第29卷第7期 计算机与应用化学 Vbl．29，N0．7 2012年7月28日 28，2012 Computers锄dAppliedCheInis仃y J_uly 基于KPCA-LS．SVM的工业锅炉烟气含氧量预测 许巧玲‘，林伟豪，赵超，黄云云 (福州大学化学化工学院，福建，福州，350108) 摘要：排烟含氧量是评价燃烧过程好坏和锅炉优化运行的重要指标，也是调节最佳风煤比的主要依据。针对工业锅炉氧 量计使用受限的问题，提出一种混合的软测量方法。为了提高烟气含氧量的软测量预测精度，本文分析与烟气含氧量有 关的锅炉运行变量，从中确定8个，并采用核主成分析法进行参数处理，整合冗余，降低维数。经处理后得到的6个主 成分，其累计贡献率达95．522％，以此作为最小二乘支持向量机软测量模型的输入。在此基础上，通过划分网格来改进交 叉实验法，进而优化最小二乘支持向量机的2个参数。经优化得到的误差参数y和径向基核函数参数盯2分别为90．3和 239．6，模型具有较高的训练精度。最后对某循环流化床锅炉进行建模仿真，利用采集的数据，分别建立最小二乘支持向 量机、核主成分分析的最小二乘支持向量机和BP神经网络3种模型。应用3种模型对烟气含氧量进行预测，并采用3个 模型性能指标进行对比分析。结果表明，基于核主成分分析的最小二乘支持向量机的工业锅炉烟气含氧量模型，在小样 本条件下学习更加有效，建模采样过程更快，预测精度更高。该模型有助于实现工业锅炉烟气含氧量在线软测量。 关键词：工业锅炉；烟气含氧量；软测量：核主成分分析：最小二乘支持向量机 中图分类号：n(314；024l 文献标识码：A 文章编号：100l_4160(2012)07-834-838 1 引言 与产品之间的函数关系【3】。国内外学者对锅炉烟气含氧量 的软测量进行了大量研究，卢勇、徐向东等【2】采用M帅LS 在工业锅炉的能源消耗构成中，燃料量占90％以上， 建立烟气含氧量软测量模型，王勇【41等提出LS．SvM方 所以以节约燃料为目的的各种节能措施对实现节能减排 法并与神经网络相比较，详细对比分析得出LS—SⅥ订方 是十分必要的【¨。国内工业锅炉装备水平参差不齐，普遍 法的优越性，同时指出一个10×20×l神经网络至少需 存在管理运行水平不高、热效率低下等问题，造成严重 要3660个优良的样本，才能保证训练不出现过拟合现 的能源浪费和环境污染。工业锅炉节能减排的首要任务 象，而获得如此多的样本是困难的。 是提高燃烧过程质量、降低煤耗。而实现经济燃烧的关 在锅炉运行过程中，烟气含氧量受到给煤量、燃煤 键在于保持最佳风煤比【2】。锅炉烟气含氧量的大小反映了 发热量、送风量、引风量，还有生产负荷等因素影响， 燃烧过程品质的优良，氧含量过高将导致锅炉热效率降 这些参数存在时变性、非线性、易受干扰性，以及较强 低，增加排烟热量损失以及送、引风机的耗电量；氧含 的耦合性，给软测量带来许多困难。如果不加选择地使 量过低则加剧燃料不完全燃烧，因