一種自適應(yīng)在線校正的火電廠球磨機(jī)負(fù)荷軟測(cè)量方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種磨機(jī)負(fù)荷的在線預(yù)測(cè)方法，特別涉及一種火電廠筒式鋼球磨煤 機(jī)自適應(yīng)在線校正的負(fù)荷軟測(cè)量方法，該方法采用多個(gè)過(guò)程參數(shù)建立離線訓(xùn)練模型，并根 據(jù)不同的誤差干擾分別建立誤差校正模型，從而實(shí)現(xiàn)對(duì)磨機(jī)負(fù)荷自適應(yīng)在線校正的實(shí)時(shí)預(yù) 測(cè)。
【背景技術(shù)】
[0002] 制粉系統(tǒng)是火力發(fā)電廠的主要輔助系統(tǒng)之一，由于筒式鋼球磨煤機(jī)對(duì)煤種的適應(yīng) 性強(qiáng)的特點(diǎn)，目前仍是國(guó)內(nèi)應(yīng)用最廣的一種磨煤機(jī)。磨煤機(jī)是制粉系統(tǒng)的關(guān)鍵設(shè)備，它能否 工作在最佳工況，直接關(guān)系到制粉系統(tǒng)的工作效率，而磨機(jī)負(fù)荷的準(zhǔn)確監(jiān)測(cè)是確保對(duì)制粉 系統(tǒng)進(jìn)行優(yōu)化控制的先決條件。因此如何準(zhǔn)確監(jiān)測(cè)磨機(jī)負(fù)荷成為關(guān)鍵和難點(diǎn)。
[0003] 由于磨機(jī)工作環(huán)境差，粉塵污染大，內(nèi)部環(huán)境惡劣，因此無(wú)法直接測(cè)量，只能通過(guò) 間接法檢測(cè)。目前，應(yīng)用較多的磨機(jī)負(fù)荷檢測(cè)方法有磨音法、振動(dòng)法以及功率法。現(xiàn)有磨音 法是通過(guò)單個(gè)聲音傳感器簡(jiǎn)單檢測(cè)磨機(jī)噪聲聲強(qiáng)來(lái)判斷其負(fù)荷，缺點(diǎn)是檢測(cè)精度不高，未 能有效去除背景噪聲干擾，特別是當(dāng)多臺(tái)磨機(jī)同時(shí)在一個(gè)車(chē)間內(nèi)運(yùn)行時(shí)，臨近磨機(jī)運(yùn)行時(shí) 所發(fā)出的噪聲會(huì)嚴(yán)重影響負(fù)荷檢測(cè)的準(zhǔn)確性。振動(dòng)法是利用磨機(jī)運(yùn)轉(zhuǎn)時(shí)，研磨體和物料偏 于磨機(jī)的一側(cè)，磨機(jī)的轉(zhuǎn)動(dòng)部分處于嚴(yán)重的不平衡狀態(tài)，造成不平衡的離心力，并使磨機(jī)系 統(tǒng)振動(dòng)，磨機(jī)在轉(zhuǎn)速不變時(shí)其振動(dòng)強(qiáng)度與被磨物料量的多少有關(guān)這一特性檢測(cè)的；振動(dòng)法 的不足在于線性度差，準(zhǔn)確度不高。功率法的思路是通過(guò)測(cè)量磨機(jī)運(yùn)行時(shí)電機(jī)所消耗的功 率來(lái)判斷磨機(jī)內(nèi)的負(fù)荷。在實(shí)際應(yīng)用中，是測(cè)量磨機(jī)的工作電流。此種方法的不足之處在于 工作電流在整個(gè)工作過(guò)程中，變化不是很大，因?yàn)槟C(jī)內(nèi)煤質(zhì)所占整個(gè)球磨機(jī)的比重不大， 所以導(dǎo)致測(cè)量靈敏度低。
[0004] 近年來(lái)，也有一些采取多種輸入信息進(jìn)行綜合獲得磨機(jī)負(fù)荷的方法，如《基于 ANFIS的火電廠磨機(jī)負(fù)荷檢測(cè)的軟測(cè)量模型》（司剛?cè)軙?，張彥斌等，儀器儀表學(xué)報(bào)，第 4期增刊II，2007, vol. 28)【1】，《基于復(fù)合式神經(jīng)網(wǎng)絡(luò)的火電廠筒式鋼球磨煤機(jī)負(fù)荷軟測(cè) 量》（司剛?cè)?，曹暉，張彥斌等，熱力發(fā)電，2007,第5期）【2】?！痘谏窠?jīng)元網(wǎng)絡(luò)的制粉系統(tǒng) 球磨機(jī)負(fù)荷軟測(cè)量》（王東風(fēng)，宋之平）【3】。但是這些方法存在的問(wèn)題是，都是基于離線訓(xùn) 練-在線應(yīng)用的原則，并針對(duì)單一球磨機(jī)負(fù)荷工況建立的軟測(cè)量模型，一旦工況發(fā)生變化 或者運(yùn)行過(guò)程中受到干擾，就會(huì)導(dǎo)致軟測(cè)量模型的預(yù)測(cè)精度變差或偏移。如果考慮到全工 況的離線建模，往往需要大量的訓(xùn)練數(shù)據(jù)，使軟測(cè)量模型的復(fù)雜度太高，影響在線應(yīng)用中的 實(shí)時(shí)性。因此，對(duì)于多種輸入?yún)?shù)建立的全工況離線訓(xùn)練模型，有必要提出一種能夠降低模 型復(fù)雜度和保證模型精度的建模方法。
[0005] 文獻(xiàn)【1】和【2】基于噪聲和振動(dòng)信號(hào)進(jìn)行特征提取和建立模型，但是沒(méi)有考慮到 背景噪音和鄰磨啟停的影響，當(dāng)有鄰磨啟動(dòng)或停止時(shí)，會(huì)引起磨機(jī)負(fù)荷預(yù)測(cè)的偏移；文獻(xiàn) 【2】和【3】選擇壓力類(lèi)信號(hào)作為輔助變量，但并未考慮這些壓力信號(hào)更易受風(fēng)門(mén)開(kāi)度變化的 影響，在線應(yīng)用中當(dāng)風(fēng)門(mén)開(kāi)度變化時(shí)，基于全工況建立的離線模型的預(yù)測(cè)結(jié)果就會(huì)受到影 響。而文獻(xiàn)【1】、【2】和【3】都是假設(shè)球磨機(jī)在同一煤質(zhì)下的預(yù)測(cè)估計(jì)，并未考慮煤質(zhì)發(fā)生 變化時(shí)對(duì)預(yù)測(cè)模型的影響。因此在磨機(jī)負(fù)荷估計(jì)過(guò)程中，必須將這些影響因素進(jìn)行剔除和 補(bǔ)償才能反映磨機(jī)負(fù)荷的變化。因此建立一種自適應(yīng)在線校正的磨機(jī)負(fù)荷軟測(cè)量模型，通 過(guò)煤種、煤水份、熱風(fēng)門(mén)、再循環(huán)風(fēng)門(mén)、給煤量以及磨機(jī)背景噪聲等多種因素對(duì)磨機(jī)干擾進(jìn) 行辨識(shí)，并根據(jù)補(bǔ)償模型得到干擾引起的估計(jì)偏差，從而獲得準(zhǔn)確的磨機(jī)負(fù)荷信息，將對(duì)磨 機(jī)負(fù)荷的監(jiān)測(cè)及控制起到重要的推動(dòng)作用。

【發(fā)明內(nèi)容】

[0006] 為了克服上述現(xiàn)有技術(shù)存在的問(wèn)題，本發(fā)明的目的在于提供一種自適應(yīng)在線校正 的火電廠磨機(jī)負(fù)荷軟測(cè)量方法，用以解決長(zhǎng)期以來(lái)火電廠磨煤機(jī)負(fù)荷難以長(zhǎng)期在線檢測(cè)的 問(wèn)題；該軟測(cè)量方法通過(guò)煤易磨性系數(shù)、煤水份、熱風(fēng)門(mén)、再循環(huán)風(fēng)門(mén)、給煤量以及磨機(jī)背景 噪聲、磨機(jī)負(fù)荷對(duì)運(yùn)行過(guò)程中的干擾因素進(jìn)行辨識(shí)，在基于全工況的離線模型和補(bǔ)償模型 的基礎(chǔ)上，依據(jù)不同干擾因素對(duì)離線模型預(yù)測(cè)結(jié)果的影響，進(jìn)行基于規(guī)則的自適應(yīng)加權(quán)，從 而獲得準(zhǔn)確的磨機(jī)負(fù)荷信息。
[0007] 為了實(shí)現(xiàn)上述任務(wù)，本發(fā)明采取如下的技術(shù)解決方案：
[0008] -種自適應(yīng)在線校正的火電廠磨機(jī)負(fù)荷軟測(cè)量方法，其特征在于，該方法在實(shí)現(xiàn) 磨機(jī)負(fù)荷的在線估計(jì)的同時(shí)，能夠?qū)崿F(xiàn)對(duì)干擾信號(hào)的在線監(jiān)測(cè)，并對(duì)負(fù)荷估計(jì)進(jìn)行補(bǔ)償，具 體包括以下步驟：
[0009] 1)在磨機(jī)運(yùn)行過(guò)程中，每秒采集一次運(yùn)行參數(shù)，包括磨機(jī)噪音E_、磨機(jī)背景噪音 Eb_、磨機(jī)振動(dòng)Evlb、磨機(jī)出入口差壓Pdlf、磨機(jī)入口負(fù)壓Ρ ιη、磨機(jī)入口溫度Τιη、磨機(jī)出口溫度 、熱風(fēng)門(mén)開(kāi)度Dhc]t、和再循環(huán)風(fēng)門(mén)開(kāi)度。，同時(shí)根據(jù)磨機(jī)運(yùn)行情況更新給煤量Μ、煤水分 Mw和煤易磨性系數(shù)M m三個(gè)輔助參數(shù)；
[0010] 2)采集樣本X⑴，Y⑴，i = 1，*··，Ν，其中X包含磨機(jī)噪音E_、磨機(jī)振動(dòng)Evlb、磨 機(jī)出入口差壓Pdlf、磨機(jī)入口負(fù)壓Ριη、磨機(jī)入口溫度τιη和磨機(jī)出口溫度T _，N為樣本個(gè)數(shù)， Υ為磨機(jī)真實(shí)負(fù)荷，根據(jù)（X，Υ)，離線訓(xùn)練得到基于主動(dòng)學(xué)習(xí)的初始約簡(jiǎn)最小二乘支持向量 機(jī) Model ;
[0011] 3)基于控制變量法，分別建立針對(duì)煤質(zhì)轉(zhuǎn)換、鄰磨啟停以及風(fēng)門(mén)動(dòng)作三種干擾因 素的誤差校正模型Modell、Model2和Model3 ;
[0012] 4)在線應(yīng)用中，基于在線自動(dòng)識(shí)別補(bǔ)償方式，對(duì)三種干擾因素進(jìn)行監(jiān)測(cè)，當(dāng)干擾發(fā) 生時(shí)，采用自適應(yīng)加權(quán)策略對(duì)在線估計(jì)的磨機(jī)負(fù)荷實(shí)現(xiàn)自動(dòng)補(bǔ)償。
[0013] 所述的基于主動(dòng)學(xué)習(xí)的約簡(jiǎn)最小二乘支持向量機(jī)模型Model的建模方法，其具體 步驟如下：
[0014] 1)采集從磨機(jī)空磨狀態(tài)到接近滿磨狀態(tài)各個(gè)工況下的樣本數(shù)據(jù)，并將此時(shí)的磨機(jī) 背景噪音、給煤量、煤水分、煤易磨性系數(shù)、熱風(fēng)門(mén)和再循環(huán)風(fēng)門(mén)開(kāi)度分別記為E' b_、M'、 M，W、M、、D，hot和 IV rec；
[0015] 2)數(shù)據(jù)預(yù)處理，對(duì)采集到的樣本數(shù)據(jù)基于均值濾波消除隨機(jī)誤差后，并采用歸一 法進(jìn)行標(biāo)準(zhǔn)化處理得到有效樣本；
[0016] 3)基于主動(dòng)學(xué)習(xí)的初始約簡(jiǎn)最小二乘支持向量機(jī)Model，其建模過(guò)程簡(jiǎn)寫(xiě)為 AL-LSSVM，就是在訓(xùn)練離線模型的過(guò)程中，采用逐漸增加訓(xùn)練樣本直到利用部分訓(xùn)練數(shù)據(jù) 建模能夠代替全部樣本進(jìn)行建模的過(guò)程；其具體實(shí)現(xiàn)步驟為：
[0017] ?將初始樣本數(shù)據(jù)（X，Y)作為未標(biāo)注集U，并令標(biāo)注集L剛開(kāi)始為空集；基于高斯 混合分布聚類(lèi)算法對(duì)未標(biāo)注集U進(jìn)行分類(lèi)，其中選取k個(gè)聚類(lèi)中心作為初始支持向量，加 入到標(biāo)注集L，并從U中刪除，并在標(biāo)注集L上利用最小二乘支持向量機(jī)訓(xùn)練得到初始估計(jì) 器；
[0018] 魯根據(jù)評(píng)估函數(shù)，選擇未標(biāo)注集U中擬合誤差絕對(duì)值最大的那個(gè)點(diǎn)，加入到標(biāo)注 集L，并從未標(biāo)注集U中刪除，其中評(píng)估函數(shù)為：
[0020] 其中，i e L, j e U，α肩標(biāo)注集L中每個(gè)樣本對(duì)應(yīng)的拉格朗日乘子，b是權(quán)衡評(píng) 估函數(shù)的一個(gè)偏移量；
[0021] 魯在標(biāo)注集L上利用最小二乘支持向量機(jī)重新建立估計(jì)模型，并根據(jù)該估計(jì)模型 計(jì)算初始訓(xùn)練集的均方誤差，重復(fù)上述過(guò)程，直到模型精度滿足要求，并得到基于部分樣本 的LSSVM稀疏化模型。
[0022] 所述基于控制變量法，分別建立針對(duì)煤質(zhì)轉(zhuǎn)換、鄰磨啟停以及風(fēng)門(mén)動(dòng)作三種干擾 因素的誤差校正模型Modell、Model2和Model3,其步驟分別如下：
[0023] 1)對(duì)于煤質(zhì)轉(zhuǎn)換，在不同的工況下選取多種不同煤水分和不同易磨系 數(shù)的煤質(zhì)進(jìn)行實(shí)驗(yàn)，并基于初始約簡(jiǎn)最小二乘支持向量機(jī)Model得到預(yù)測(cè)結(jié)果
'再分別得到煤水分、煤易磨性系數(shù)在各個(gè)運(yùn)行工況和 建立Model時(shí)的誤差：Errl=Mw-M' vErrfzM^-M' "，預(yù)測(cè)結(jié)果與真實(shí)值之間的
，.最后根據(jù)