基于主元回归的发电厂烟气含氧量软测量研究 soft-sensing study on oxygen content in flue gas of power plant based on principal component regression.pdfVIP

研 究 与 分 析 基子 毫元o归的戎由厂蛔气含 氧量孜测量研 霓 付江永 常太华朱红路 华北电力大学北京 摘 要 为 了有效测量炉膛烟气含氧量 采用主元 回归建模 的方法对几个与烟气含氧量有关的过程变量进行统 计分析 建立 了烟气含氧量的预测模型实现 了对烟气含氧量的软测量利用主元 回归建模 的方法可以降低对数 据维数的要求消除各个过程变量 间的耦合性简化模型并能有效提高建模 的计算效率 关键词 火电厂 烟气含氧量 主元 回归软测量 中图分类号 文献标志码 文章编号 引言 主元回归理论 由于 目前大部分工业现场采用的氧量分析仪价 主元分析基本思想 格昂贵 测量精度不高且容易损坏 因此烟气含氧量 主元分析的特点是通过多元统计投影用少量独 的软测量方法得到了广泛研究 软测量技术是利用一 立变量来表示多个相关变量的动态信息 起到数据降 些容易测量的辅助变量建立与被测变量的关系模型 维的作用 它是一种统计相关分析技术 是研究如何 进而估计不可测或难测的被测变量的一种方法 目前 将多指标 的问题转化为较少的综合指标 的一种重要 用于氧量测量的软测量方法主要有基于工艺机理 的 方法 即将高维空间的问题转化到低维空间去处理 软测量 基于人工智能的软测量和基于统计分析的软 使要处理的问题变得 比较简单和直观 而且这些较少 测量 基于工艺机理的软测量方法建立在对工艺过 的综合指标之间互不相关 并能提供原有指标的绝大 程机理深刻认识的基础上 建模难度较大 基于人工智 部分信息 能的软测量方法主要指基于神经网络的软测量 其训 这里以一个简单 的一维变量为例 说 明主元分 练的样本空间和训练方法会对神经网络的性能有很大 析的内涵 假设一个要研究 的系统仅包含变量 影响 基于统计分析的软测量方法通过采取现场数据 将这 个变量的样本点表示在一个平面图上 如图 并进行统计分析 建立被数据测量的预测模型 这种方 所示 从 图 可以看出 所有的样本点集 中在一个椭 法结构清晰 计算简单 有很高的实用性 圆区域 内 因为样本点之间的差异显然是 由于 由于发 电厂生产 中过程参数数量繁多 且数据 的变化而引起 的 还可以看出 在沿着椭 圆横轴的方 信息间具有强耦合性 给软测量方法在现场 中的实 向上 的变动较大 而纵轴方 向上 的变动较小 这 现带来 了不便 说 明样本点的主要变动都体现在横轴方 向上 当变 本文采用主元 回归建模 的方法 将原始 自变量 动所 占比例达到一定程度时 比如 以上 那么这 数据进行降维处理 把获得的新