• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      基于LSTM的飛灰含碳量預(yù)測(cè)

      2022-01-17 08:55:58河北建投任丘熱電有限責(zé)任公司劉四輩
      電力設(shè)備管理 2021年15期
      關(guān)鍵詞:含碳量飛灰蒸汽

      河北建投任丘熱電有限責(zé)任公司 李 奔 薛 峰 劉四輩

      1 引言

      飛灰含碳量是反映電廠燃煤鍋爐效率及經(jīng)濟(jì)性的重要指標(biāo)之一。飛灰含碳量的準(zhǔn)確測(cè)量是提高鍋爐運(yùn)行過程的熱轉(zhuǎn)化效率、降低發(fā)電煤耗的基礎(chǔ)。目前,飛灰含碳量測(cè)量方法主要分為物理測(cè)量和軟測(cè)量?jī)纱箢?。主流的物理測(cè)量方法中,傳統(tǒng)的燃燒失重法準(zhǔn)確性高,適用性廣但是取樣間隔長(zhǎng)、時(shí)滯性大,難以及時(shí)反映鍋爐燃燒情況;熱重分析法自動(dòng)化程度高、準(zhǔn)確度高,但是分析時(shí)間長(zhǎng),設(shè)備昂貴;微波法測(cè)量速度快、精度高、儀器簡(jiǎn)單,但是難以適應(yīng)火電廠煤質(zhì)多變情況,測(cè)量腔易堵灰[1]。其它物理測(cè)量方法也都面臨延時(shí)性、準(zhǔn)確性、價(jià)格方面的問題,難以做到飛灰含碳量的實(shí)時(shí)測(cè)量。

      軟測(cè)量技術(shù)是利用一些易于實(shí)時(shí)測(cè)量的,與被測(cè)量密切相關(guān)的變量,通過在線分析來(lái)估計(jì)難以測(cè)量的實(shí)時(shí)值,為飛灰含碳量測(cè)量提供了方法。在飛灰含碳量軟測(cè)量方面,多采用支持向量機(jī)(SVM)構(gòu)建軟測(cè)量模型:基于數(shù)據(jù)相似度加權(quán)因子的最小二乘支持向量機(jī)(LSSVM)軟測(cè)量模型,利用雙種群差分進(jìn)化算法優(yōu)化模型參數(shù)的選取,通過在線評(píng)估和遞推矯正實(shí)現(xiàn)模型的自適應(yīng)矯正[2];萬(wàn)有引力搜索算法(GSA)與LSSVM 算法相結(jié)合的GSA-LSSVM 飛灰含碳量預(yù)測(cè)模型[3];利用主成分分析的方法優(yōu)化了LSSVM 模型的輸入?yún)?shù)[4];在計(jì)算樣本特征距離的基礎(chǔ)上,融合密度和離散度構(gòu)建全局代表性指標(biāo),完成樣本的稀疏化,降低了LSSVM 模型的計(jì)算規(guī)模的同時(shí)提高了模型精度[5];采用交叉驗(yàn)證法[6]、粒子群[7]優(yōu)化了SVM 模型的主要參數(shù),并驗(yàn)證了模型的準(zhǔn)確性;采用粒子群和支持向量回歸法構(gòu)建了飛灰含碳量測(cè)量模型[8];基于LSSVM 飛灰含碳量測(cè)量裝置[9-10]。支持向量機(jī)的優(yōu)勢(shì)在于具有較強(qiáng)的非線性映射能力,并且具有明確的數(shù)學(xué)理論支持,但是在處理多特征大規(guī)模的樣本時(shí)會(huì)耗費(fèi)大量機(jī)器內(nèi)存和運(yùn)算時(shí)間,難以保證時(shí)效性。除支持向量機(jī)外,具有高緯非線性擬合能力的神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)飛灰含碳量方面同樣得到了廣泛應(yīng)用。文獻(xiàn)提出一種基于互信息選擇的神經(jīng)網(wǎng)絡(luò)飛灰含碳量預(yù)測(cè)模型,并通過PLC 硬件實(shí)現(xiàn)[11]。還有基于蟻群算法優(yōu)化的BP 神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)飛灰含碳量,和燃煤鍋爐飛灰含碳量的BP 神經(jīng)網(wǎng)絡(luò)模型。

      支持向量機(jī)、BP 神經(jīng)網(wǎng)絡(luò)雖然具有較好的非線性映射能力,但是算法研究的對(duì)象是某一時(shí)刻的操作參數(shù)與對(duì)應(yīng)時(shí)刻的飛灰含碳量。而瞬時(shí)的飛灰含碳量是一段時(shí)間內(nèi)操作的綜合結(jié)果,用瞬時(shí)的操作對(duì)飛灰含碳量進(jìn)行擬合更適用于穩(wěn)態(tài)工況,難以滿足飛灰含碳量的動(dòng)態(tài)測(cè)量要求。本文利用長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)結(jié)合灰色關(guān)聯(lián)算法構(gòu)建飛灰含碳量預(yù)測(cè)模型,為飛灰含碳量動(dòng)態(tài)測(cè)量提供優(yōu)化方案。

      2 參數(shù)選擇

      2.1 數(shù)據(jù)篩選

      本文使用的數(shù)據(jù)為某熱電廠350MW 機(jī)組實(shí)際運(yùn)行數(shù)據(jù)。該電廠采用實(shí)驗(yàn)方法測(cè)量飛灰含碳量,每天測(cè)量?jī)纱危瑢?shí)測(cè)數(shù)據(jù)具有較高的準(zhǔn)確性。選取機(jī)組一年的運(yùn)行數(shù)據(jù),參考電廠超溫超限、環(huán)保性要求,以主蒸汽溫度、SO2排放量、NOx 排放量等參數(shù)為篩選條件,除去不符合電廠安全環(huán)保要求對(duì)應(yīng)的時(shí)間標(biāo)簽的樣本數(shù)據(jù)。以早晚兩次飛灰含碳量取樣時(shí)間為節(jié)點(diǎn),按時(shí)間標(biāo)簽取主要相關(guān)參數(shù)的前半小時(shí)運(yùn)行數(shù)據(jù)作為樣本數(shù)據(jù)。其中,主要相關(guān)參數(shù)數(shù)據(jù)由現(xiàn)場(chǎng)DCS 系統(tǒng)中直接取出,飛灰含碳量由現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)錄入。主要參數(shù)及測(cè)點(diǎn)名稱如表1所示:

      表1 主要參數(shù)及測(cè)點(diǎn)

      2.2 飛灰含碳量影響因素分析

      根據(jù)理論分析及現(xiàn)場(chǎng)實(shí)際調(diào)研,選用鍋爐汽水系統(tǒng)中的主蒸汽溫度、主蒸汽壓力、主蒸汽流量,風(fēng)煙系統(tǒng)中的總風(fēng)量、入爐一次風(fēng)溫度、空預(yù)器出口二次風(fēng)溫度、二次風(fēng)箱與爐膛差壓、燃燒器擺角,制粉系統(tǒng)中的總煤量、煤質(zhì)參數(shù)、磨煤機(jī)給煤量、電流等參數(shù)與飛灰含碳量進(jìn)行相關(guān)性分析。采用斯皮爾曼等級(jí)相關(guān)系數(shù),即spearman 相關(guān)系數(shù)進(jìn)行相關(guān)性計(jì)算分析,該系數(shù)計(jì)算公式為:

      將飛灰含碳量與每一個(gè)參數(shù)進(jìn)行相關(guān)性分析計(jì)算,結(jié)果如圖1所示。

      圖1 飛灰含碳量相關(guān)性因素分析

      從相關(guān)性分析結(jié)果來(lái)看,汽水系統(tǒng)中選取的參數(shù)均與飛灰含碳量有較強(qiáng)的相關(guān)性。主蒸汽溫度與飛灰含碳量的關(guān)聯(lián)性最強(qiáng)。主蒸汽溫度主要受燃燒強(qiáng)度的影響,主蒸汽溫度越高,燃燒強(qiáng)度越大,燃盡情況越好飛灰含碳量越低。與主蒸汽溫度類似,主蒸汽壓力、流量等與鍋爐燃燒狀態(tài)直接相關(guān)的狀態(tài)參數(shù)與飛灰含碳量也有較強(qiáng)的相關(guān)性。

      風(fēng)煙系統(tǒng)中煙氣含氧量是評(píng)價(jià)爐內(nèi)燃燒情況的重要指標(biāo),表征了爐內(nèi)的氧化還原氣氛,含氧量越高煤粉燃盡越充分。總風(fēng)量、二次風(fēng)箱與爐膛差壓表征了爐內(nèi)總配風(fēng)量及二次風(fēng)配風(fēng)大小,在影響爐內(nèi)燃燒氣氛的同時(shí)也影響了煙氣帶出熱量的多少,與飛灰含碳量具有較強(qiáng)的相關(guān)性。入爐一次風(fēng)平均溫度體現(xiàn)了煤粉流在燃燒初期攜帶的熱量,影響煤粉的初期燃燒情況。一次風(fēng)溫的大小取決于入爐煤的煤種,對(duì)于難燃的無(wú)煙煤、貧煤等一般采用較高的一次風(fēng)溫,而此類煤種燃盡情況較差,從總體趨勢(shì)上呈現(xiàn)出一次風(fēng)溫越高,燃盡情況越差的趨勢(shì)。燃燒器擺角決定了爐內(nèi)火焰的基本形狀,進(jìn)而影響燃燒狀況,影響飛灰含碳量。

      制粉系統(tǒng)中,表征煤質(zhì)信息的參數(shù)直接影響了煤粉的燃燒過程,其中熱值表征了入爐煤在爐膛內(nèi)釋放的熱量,對(duì)燃燒強(qiáng)度起決定性作用,但是熱值越高的煤種煤化程度越高,通常燃燒特性較差,著火溫度要求高,燃盡困難。而揮發(fā)分較高的煤種燃燒特性好,易于燃盡?;曳植粎⑴c燃燒并且在燃燒過程中會(huì)吸收熱量,導(dǎo)致爐膛溫度降低,進(jìn)而導(dǎo)致燃盡程度降低,飛灰含碳量升高??偯毫吭诳傮w趨勢(shì)上體現(xiàn)了鍋爐帶負(fù)荷的情況,總煤量越大爐內(nèi)燃燒強(qiáng)度越高,燃燼情況越好。與總煤量類似的各層磨煤機(jī)給煤量對(duì)燃燼情況也具有較強(qiáng)的影響,同時(shí)呈現(xiàn)上下層磨煤機(jī)影響較大,中間層影響較小的趨勢(shì)。磨煤機(jī)電流一定程度上表征了磨煤機(jī)的出力情況,影響煤粉細(xì)度,與飛灰含碳量具有較強(qiáng)的相關(guān)性。

      根據(jù)灰色相關(guān)性分析結(jié)果,最終選定氧量、總煤量、空預(yù)器二次風(fēng)出口溫度、入爐一次風(fēng)平均溫度、燃燒器擺角、灰分、揮發(fā)分、熱值、總風(fēng)量、主蒸汽流量、主蒸汽壓力、主蒸汽溫度作為模型輸入?yún)?shù),構(gòu)建飛灰軟測(cè)量模型。

      3 飛灰含碳量預(yù)測(cè)模型

      3.1 長(zhǎng)短期記憶網(wǎng)絡(luò)簡(jiǎn)介

      長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)是在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的基礎(chǔ)上提出的時(shí)序神經(jīng)網(wǎng)絡(luò)算法。與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)不同,在RNN 神經(jīng)網(wǎng)絡(luò)中,一個(gè)序列當(dāng)前的輸出與之前的輸出也有聯(lián)系。具體表現(xiàn)為網(wǎng)絡(luò)會(huì)對(duì)前面的信息進(jìn)行記憶并應(yīng)用于當(dāng)前輸出的計(jì)算中,即隱含層之間的節(jié)點(diǎn)互相連接,并且隱含層的輸入包括輸入層的輸出與上一時(shí)刻隱含層的輸出。但是循環(huán)神經(jīng)網(wǎng)絡(luò)無(wú)法解決長(zhǎng)時(shí)依賴問題。針對(duì)這一問題LSTM 在RNN 的基礎(chǔ)上增加了遺忘門、信息增加門、輸出門的概念,實(shí)現(xiàn)長(zhǎng)期記憶功能。在LSTM 算法中,將各種門控的結(jié)果稱為細(xì)胞記憶,細(xì)胞記憶的更新過程就是LSTM 算法訓(xùn)練的過程,由各種門層的結(jié)構(gòu)決定。

      LSTM 算法中,遺忘門用于決定從上一時(shí)刻的細(xì)胞狀態(tài)中丟棄哪些信息。本文中選擇sigmoid 函數(shù)作為遺忘門ft的激活函數(shù),記為σ,則忘記門表達(dá)式為:

      其中Wf為遺忘門的權(quán)值,bf為偏置值,ht-1為上一時(shí)刻的隱藏狀態(tài)。

      信息增加門中,包括輸入門層it和候選值向量選兩值部向分量,為輸備入選門的層更it新決內(nèi)定容哪。些本信文息中需選要擇更σ新,作候?yàn)榈募せ詈瘮?shù),tanh 函數(shù)作為的激活函數(shù),則對(duì)應(yīng)的表達(dá)式為:

      利用遺忘門和信息增加們對(duì)細(xì)胞狀態(tài)Ct進(jìn)行更新:

      輸出門中,包括輸出ot和t 時(shí)刻的隱藏狀態(tài)ht,表達(dá)式為:

      對(duì)于每一時(shí)刻,采用梯度下降法(backpropagation through time,BPTT)進(jìn)行網(wǎng)絡(luò)的反向傳播,假設(shè)該時(shí)刻網(wǎng)絡(luò)的第k 個(gè)輸出參數(shù)為ok,該輸出參數(shù)的實(shí)際值為yk,則總誤差E 的計(jì)算公式為:

      則采用梯度下降法對(duì)LSTM 網(wǎng)絡(luò)各層權(quán)值更新的計(jì)算公式為:

      3.2 基于LSTM 的飛灰含碳量預(yù)測(cè)模型

      采 用TensorFlow-2.2構(gòu) 建LSTM 網(wǎng) 絡(luò),對(duì)飛灰含碳量進(jìn)行預(yù)測(cè)模型建模。建模使用該廠350MW 機(jī)組2020年1月至12月的實(shí)際運(yùn)行數(shù)據(jù)。模型中選用sigmoid 函數(shù)作為遺忘門、輸入門層的激活函數(shù),選用tanh 函數(shù)作為候選值向量、細(xì)胞狀態(tài)的激活函數(shù)。選用均方誤差作為模型的損失函數(shù),選用平均誤差作為評(píng)價(jià)預(yù)測(cè)誤差的標(biāo)準(zhǔn)。模型實(shí)現(xiàn)過程如下:

      根據(jù)電廠各系統(tǒng)之間的耦合關(guān)系及現(xiàn)場(chǎng)調(diào)研結(jié)果,初步選定與飛灰含碳量相關(guān)的參數(shù);以飛灰取樣時(shí)間為基準(zhǔn),按時(shí)間標(biāo)簽向前取半小時(shí)主要影響參數(shù)的運(yùn)行數(shù)據(jù)作為時(shí)序樣本數(shù)據(jù),對(duì)樣本數(shù)據(jù)進(jìn)行穩(wěn)定性、環(huán)保性、安全性篩選;采用灰色關(guān)聯(lián)分析模型,計(jì)算出相關(guān)參數(shù)與飛灰含碳量的關(guān)聯(lián)系數(shù),并對(duì)參數(shù)進(jìn)行篩選,得到影響飛灰含碳量的主要參數(shù)的時(shí)序樣本數(shù)據(jù);采用Kera3.0構(gòu)建基于LSTM神經(jīng)網(wǎng)絡(luò)的飛灰含碳量測(cè)量模型:

      初始化網(wǎng)格,設(shè)置雙層隱含層結(jié)構(gòu)、損失函數(shù)、對(duì)應(yīng)層的激活函數(shù)、初始化各層權(quán)值、設(shè)置初始超參數(shù);按照時(shí)間標(biāo)簽對(duì)時(shí)序樣本數(shù)據(jù)進(jìn)行處理,將相同時(shí)間段內(nèi)的數(shù)據(jù)與對(duì)應(yīng)的飛灰含碳量測(cè)量值作為一組樣本,按照6:2:2的比例將樣本組劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集;利用訓(xùn)練集和驗(yàn)證集對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,并根據(jù)訓(xùn)練結(jié)果調(diào)整網(wǎng)格結(jié)構(gòu)和超參數(shù);利用測(cè)試集數(shù)據(jù)驗(yàn)證模型的有效性與準(zhǔn)確性。

      3.3 模型訓(xùn)練結(jié)果

      取該廠2019年全年的運(yùn)行數(shù)據(jù)的4/5作為訓(xùn)練集用于模型訓(xùn)練。采用交叉驗(yàn)證法,將訓(xùn)練集分為5個(gè)子集,每個(gè)子集均做一次測(cè)試集,其余的作為訓(xùn)練集,進(jìn)行交叉驗(yàn)證。模型優(yōu)化器選擇綜合性能較好的Adam 優(yōu)化器,在學(xué)習(xí)率0.01、一階矩估計(jì)的指數(shù)衰減0.9,二階矩估計(jì)的指數(shù)衰減率0.99的情況下,以均方誤差作為模型的損失函數(shù),對(duì)模型進(jìn)行500次訓(xùn)練,訓(xùn)練結(jié)果顯示初始階段損失函數(shù)值下降較快,之后在震蕩中持續(xù)下降,最終在250次訓(xùn)練后趨于穩(wěn)定。此時(shí)飛灰含碳量的均方誤差為0.0038168,平均訓(xùn)練誤差為4.17%,符合現(xiàn)場(chǎng)應(yīng)用的精度要求。

      4 預(yù)測(cè)模型效果驗(yàn)證

      圖2 LSTM 飛灰含碳量預(yù)測(cè)結(jié)果比對(duì)

      從測(cè)試數(shù)據(jù)集中隨機(jī)選取50組數(shù)據(jù),驗(yàn)證模型預(yù)測(cè)效果,結(jié)果如圖3所示。從圖中可以看出,預(yù)測(cè)結(jié)果與實(shí)際測(cè)量結(jié)果吻合較好。預(yù)測(cè)樣本誤差如圖4、圖5所示,其中相對(duì)誤差均值為9.85%,最大相對(duì)誤差為23.995%,絕對(duì)誤差絕對(duì)值的均值為0.104,最大為0.4126,證明軟測(cè)量模型具有較好的預(yù)測(cè)效果。

      圖3 LSTM 飛灰含碳量預(yù)測(cè)相對(duì)誤差

      圖4 LSTM 飛灰含碳量預(yù)測(cè)絕對(duì)誤差

      猜你喜歡
      含碳量飛灰蒸汽
      核電廠蒸汽發(fā)生器一次側(cè)管嘴堵板研發(fā)和應(yīng)用
      生活垃圾焚燒飛灰濕法預(yù)處理研究
      上海建材(2022年2期)2022-07-28 03:15:58
      中儲(chǔ)式鋼球磨鍋爐飛灰含碳量偏高的原因分析及對(duì)策
      能源工程(2022年1期)2022-03-29 01:06:38
      碳化對(duì)飛灰穩(wěn)定化加藥量測(cè)評(píng)的影響
      摻加解毒飛灰的路基材料重金屬浸出特征與潛在風(fēng)險(xiǎn)
      簡(jiǎn)析影響CFB鍋爐底渣和飛灰含碳量因素及應(yīng)對(duì)措施
      酸洗預(yù)處理對(duì)飛灰中氯和重金屬脫除的影響規(guī)律
      立木含碳量估算方法比較*
      一種新型蒸汽發(fā)生器結(jié)構(gòu)設(shè)計(jì)
      第一艘蒸汽輪船
      枣强县| 吴川市| 佛坪县| 蒲江县| 沙湾县| 来凤县| 海南省| 瓮安县| 洛南县| 嘉义县| 高碑店市| 崇礼县| 敦化市| 凤翔县| 贵定县| 湖口县| 光泽县| 通河县| 商都县| 吉木萨尔县| 乌兰县| 米脂县| 定安县| 武夷山市| 乐清市| 台安县| 泾阳县| 望奎县| 博野县| 丰顺县| 林西县| 札达县| 阳信县| 五台县| 鄂州市| 静乐县| 崇义县| 紫阳县| 泾川县| 昌图县| 北海市|