馬美倩，呂偉為，沈國(guó)清，安連鎖，張世平

（華北電力大學(xué) 電站設(shè)備狀態(tài)監(jiān)測(cè)與控制教育部重點(diǎn)實(shí)驗(yàn)室，北京 102206）

基于聲學(xué)測(cè)溫與最小二乘支持向量機(jī)的鍋爐爐膛灰污監(jiān)測(cè)方法

馬美倩，呂偉為，沈國(guó)清，安連鎖，張世平

（華北電力大學(xué) 電站設(shè)備狀態(tài)監(jiān)測(cè)與控制教育部重點(diǎn)實(shí)驗(yàn)室，北京 102206）

研究電站鍋爐爐膛灰污監(jiān)測(cè)問題，提出了基于聲學(xué)測(cè)溫和最小二乘支持向量機(jī)的電站鍋爐爐膛灰污監(jiān)測(cè)方法。該方法采用聲學(xué)測(cè)溫裝置獲得實(shí)際運(yùn)行狀態(tài)下鍋爐爐膛出口煙溫，用最小二乘支持向量機(jī)獲得實(shí)際運(yùn)行狀態(tài)下鍋爐爐膛清潔時(shí)的潛在爐膛出口煙溫，運(yùn)用上述兩參數(shù)定義灰污特征參數(shù)來表征鍋爐爐膛整體灰污狀況。建立了監(jiān)測(cè)模型，從電廠采集數(shù)據(jù)對(duì)模型進(jìn)行了訓(xùn)練和驗(yàn)證，并對(duì)獲得的灰污特征參數(shù)進(jìn)行了分析，結(jié)果表明：基于聲學(xué)測(cè)溫和最小二乘支持向量機(jī)的鍋爐爐膛灰污監(jiān)測(cè)方法可以較準(zhǔn)確地實(shí)現(xiàn)電站鍋爐爐膛的灰污監(jiān)測(cè)，為爐膛的吹灰優(yōu)化打下了良好的基礎(chǔ)。

爐膛出口煙溫；聲學(xué)測(cè)溫；最小二乘支持向量機(jī)；灰污特征參數(shù)；灰污監(jiān)測(cè)

0 引言

受熱面的污染尤其爐膛內(nèi)受熱面的污染一直是電站鍋爐安全經(jīng)濟(jì)運(yùn)行面臨的重要問題，近些年來，結(jié)合鍋爐爐膛受熱面的結(jié)構(gòu)以及其熱量交換的特點(diǎn)，不少學(xué)者針對(duì)鍋爐爐膛內(nèi)受熱面的污染監(jiān)測(cè)進(jìn)行了研究并提出了一些方法：俞海淼［1］等使用灰污熱流計(jì)監(jiān)測(cè)爐膛灰污結(jié)渣的動(dòng)態(tài)過程，但該方法因測(cè)量設(shè)備的昂貴以及高溫惡劣環(huán)境對(duì)設(shè)備壽命的影響而受到限制；徐嘯虎［2］等使用爐膛出口煙溫增量表征爐膛灰污染程度；王軍［3］等通過計(jì)算熱有效系數(shù)判斷爐膛的污染情況；王洪江等采用水冷壁背火側(cè)溫度作為爐內(nèi)局部結(jié)渣故障特征參數(shù)［4］。

鍋爐爐膛出口煙溫是判斷爐膛整體污染情況的重要參數(shù)。爐膛出口煙溫高，一般很難安裝測(cè)點(diǎn)直接測(cè)量，文獻(xiàn) ［5］從能夠準(zhǔn)確測(cè)量獲得的排煙溫度開始，逆著煙氣流動(dòng)方向根據(jù)熱平衡的原理逐步計(jì)算，最終得到了爐膛出口煙溫；文獻(xiàn)［6］采用鍋爐半經(jīng)驗(yàn)公式計(jì)算獲得爐膛出口煙溫。上述方法由于需要計(jì)算，所以很多計(jì)算過程存在較大誤差。聲學(xué)測(cè)溫技術(shù)作為一種新興技術(shù)，不受高溫、腐蝕、輻射等的影響，測(cè)量精度高，能夠在電廠安裝測(cè)點(diǎn)直接測(cè)量爐膛的出口煙溫，近些年來在電廠鍋爐爐膛出口煙溫的測(cè)量中得到了廣泛應(yīng)用。

最小二乘支持向量機(jī) （LS-SV M），是在統(tǒng)計(jì)學(xué)習(xí)理論框架下產(chǎn)生出來的支持向量機(jī) （SV M）的基礎(chǔ)上改進(jìn)的新的通用機(jī)器學(xué)習(xí)方法。LS-SV M具有SV M獲全局最優(yōu)解、可應(yīng)用于小樣本的學(xué)習(xí)問題、可自動(dòng)地獲取網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)等優(yōu)點(diǎn)，同時(shí)由于LS-SV M將SV M的不等式約束改進(jìn)為等式約束，因此需確定的參數(shù)變少、訓(xùn)練時(shí)間相對(duì)變短，近年來在預(yù)測(cè)領(lǐng)域得到了廣泛應(yīng)用［7，8］。

基于上述背景，本文提出用聲學(xué)測(cè)溫裝置獲得爐膛的實(shí)時(shí)出口煙溫，用最小二乘支持向量機(jī)預(yù)測(cè)獲得爐膛清潔時(shí)的潛在出口煙溫，用兩煙溫定義灰污特征參數(shù)，與臨界灰污特征參數(shù)對(duì)比判斷爐膛的污染狀況，同時(shí)建立了污染監(jiān)測(cè)模型并從電廠采集數(shù)據(jù)驗(yàn)證了此模型的準(zhǔn)確性。

1 基于聲學(xué)測(cè)溫和LS-SV M的鍋爐爐膛灰污監(jiān)測(cè)原理

本文定義灰污特征參數(shù)η判斷鍋爐爐膛整體的灰污狀況：令η＝1－Tqj／Tsj，其中Tqj是實(shí)際運(yùn)行工況下，應(yīng)用LS－SV M獲得的鍋爐爐膛清潔時(shí)的潛在出口煙溫；Tsj是實(shí)際運(yùn)行狀態(tài)下聲學(xué)測(cè)溫裝置獲得的爐膛出口煙溫。η最小，即趨于0時(shí)，表明鍋爐爐膛清潔；η最大，即趨于1時(shí)，Tsj趨近于無窮大，表明鍋爐爐膛污染嚴(yán)重；對(duì)污染程度的確定需與臨界灰污特征參數(shù)作比較，臨界值的選取一般根據(jù)爐膛對(duì)經(jīng)濟(jì)與安全性的要求憑經(jīng)驗(yàn)確定。從上述分析可知，灰污特征參數(shù)η能較好地反映鍋爐爐膛整體的污染狀況［9］。

1.1 聲學(xué)測(cè)溫原理

在電廠使用聲學(xué)測(cè)溫裝置測(cè)量爐膛出口煙溫時(shí)，是在爐墻一側(cè)安裝聲波發(fā)射器，在爐墻的另一側(cè)安裝聲波接收器，測(cè)量爐墻兩側(cè)的距離即聲波發(fā)射裝置和接收裝置之間的距離L和聲波飛渡時(shí)間τ，即可確定聲波在傳播路徑上的平均速度：

結(jié)合式 （1）和式 （2），經(jīng)推導(dǎo)可以得出聲波傳播路徑上介質(zhì)的平均溫度：

式中：T為聲波傳播路徑上介質(zhì)的平均溫度，K；L為聲波發(fā)射裝置和接收裝置之間的距離，m；B為聲音常數(shù)；τ為聲波飛渡時(shí)間，ms。

聲學(xué)測(cè)溫系統(tǒng)裝置主要包括聲波收發(fā)器、聲波導(dǎo)管、信號(hào)處理器、功率放大器、溫度的輸入輸出設(shè)備以及溫度顯示設(shè)備等。聲學(xué)測(cè)溫系統(tǒng)基本組成如圖1所示［10，11］。

圖1 聲學(xué)測(cè)溫系統(tǒng)組成圖Fig.1 Composition diagram of acoustic measurement system

1.2 LS-SV M原理

2 LS-SV M預(yù)測(cè)模型構(gòu)建

2.1 輸入?yún)?shù)的選擇

本文以爐膛的理想出口煙溫作為L(zhǎng)S-SV M結(jié)構(gòu)的輸出參數(shù)，因此LS-SV M結(jié)構(gòu)的輸入?yún)?shù)選擇對(duì)爐膛出口煙溫影響較大的變量，爐膛出口煙溫主要受爐膛燃燒情況以及受熱面的傳熱過程影響，因此，結(jié)合實(shí)際情況，本文以給煤量、進(jìn)風(fēng)量 （即一次風(fēng)量、二次風(fēng)量）、管入口處工質(zhì)流量以及工質(zhì)進(jìn)出口焓差作輸入數(shù)據(jù)，即假設(shè)LSSV M的訓(xùn)練樣本集 ｛（xi，yi），i＝1，2，…，n｝，本文中：n＝5；x1為給煤量、x2為一次風(fēng)量、x3為二次風(fēng)量、x4為管入口處工質(zhì)流量、x5為工質(zhì)進(jìn)出口焓差；y為爐膛理想出口煙溫。給煤量、一次風(fēng)量、二次風(fēng)量、管入口處工質(zhì)流量可以從電廠DAS系統(tǒng)實(shí)時(shí)采集，工質(zhì)進(jìn)出口焓差，可以根據(jù)數(shù)據(jù)采集系統(tǒng)采集的工質(zhì)進(jìn)出口壓力溫度等參數(shù)通過水和蒸汽性質(zhì)軟件得到的焓值計(jì)算得到。

2.2 數(shù)據(jù)采集及篩選

本文以某電廠300 MW鍋爐為研究對(duì)象，通過電廠DAS系統(tǒng)實(shí)時(shí)采集數(shù)據(jù)，采集數(shù)據(jù)需兩種：（1）鍋爐爐膛清潔時(shí)的潛在出口煙溫預(yù)測(cè)用數(shù)據(jù)。因?yàn)槭且A(yù)測(cè)清潔參數(shù)，實(shí)際情況下，爐膛完全清潔的狀態(tài)是不存在的，本文認(rèn)為爐膛吹掃一段時(shí)間 （10 min）時(shí)爐膛清潔，從DAS系統(tǒng)中獲取此時(shí)爐膛的參數(shù)存入數(shù)據(jù)庫(kù)中。 （2）污染監(jiān)測(cè)用實(shí)時(shí)運(yùn)行數(shù)據(jù)。每隔一段時(shí)間 （如5 min）采集所需的電廠實(shí)時(shí)運(yùn)行數(shù)據(jù)。此外，對(duì)于系統(tǒng)出問題、設(shè)備故障、溫度測(cè)點(diǎn)壞死等情況下獲得的數(shù)據(jù)對(duì)LS-SV M預(yù)測(cè)模型不適用，應(yīng)篩除。

2.3 核函數(shù)的選取

核函數(shù)的選取是構(gòu)建LS-SV M結(jié)構(gòu)的重要環(huán)節(jié)。常用的核函數(shù)有線性函數(shù)、高斯徑向基函數(shù)（RBF）、Sigmoid函數(shù)以及多項(xiàng)式函數(shù)。線性函數(shù)適用于線性問題；Sigmoid函數(shù)存在一定局限性，其公式中的某些參數(shù)只對(duì)部分值滿足 Mercer條件；多項(xiàng)式函數(shù)在應(yīng)用于維數(shù)很好的特征空間時(shí)計(jì)算量大，計(jì)算精度不高；而高斯徑向基函數(shù)是目前普遍采用的一種核函數(shù)，將樣本數(shù)據(jù)的非線性轉(zhuǎn)換到高維空間里，表現(xiàn)形式簡(jiǎn)單，解析性好，在特定參數(shù)選擇下線性函數(shù)是徑向基函數(shù)的一個(gè)特例，Sigmoid核的表現(xiàn)則會(huì)與徑向基函數(shù)一樣。通過對(duì)比研究，本文選擇高斯徑向基函數(shù)作為核函數(shù)［13，14］。

2.4 LS-SV M結(jié)構(gòu)

根據(jù)上述分析，本文建立如圖2的LS-SV M預(yù)測(cè)結(jié)構(gòu)。

圖2 最小二乘支持向量機(jī)結(jié)構(gòu)圖Fig.2 Structure diagram of least square support vector machine structure

2.5 LS-SV M預(yù)測(cè)模型訓(xùn)練與驗(yàn)證

本文采集96組鍋爐爐膛清潔時(shí)的潛在出口煙溫預(yù)測(cè)用數(shù)據(jù)，采用Premnmx和Postmnmx函數(shù)對(duì)采集的數(shù)據(jù)進(jìn)行歸一化和反歸一化的處理，其中70組數(shù)據(jù)作為訓(xùn)練集訓(xùn)練預(yù)測(cè)模型并最終確定模型各參數(shù)，模型采用Gauss徑向基核函數(shù)，通過參數(shù)尋優(yōu)函數(shù)tunelssvm確定σ2和γ的取值，經(jīng)尋優(yōu)過程，取預(yù)測(cè)值平均絕對(duì)誤差最小時(shí)，即σ2和γ分別取值7.1，1 170 549作為模型用參數(shù)，確定好模型后，本文采用另外的26組數(shù)據(jù)作為驗(yàn)證集來驗(yàn)證預(yù)測(cè)模型的適用范圍及其預(yù)測(cè)的準(zhǔn)確度。

爐膛出口煙溫訓(xùn)練集預(yù)測(cè)結(jié)果如圖3所示。

本文選擇相對(duì)誤差 （RPE）作為實(shí)驗(yàn)結(jié)果的評(píng)價(jià)指標(biāo)，各誤差計(jì)算公式如下：

圖3 LS-SV M訓(xùn)練集預(yù)測(cè)結(jié)果Fig.3 Prediction results of LS-SV Mtraining set

式中：A （i）表示聲學(xué)測(cè)溫技術(shù)獲得的爐膛出口煙溫實(shí)際值；F （i）表示LS－SV M預(yù)測(cè)獲得的爐膛理想出口煙溫；n表示樣本數(shù)。爐膛出口煙溫訓(xùn)練集預(yù)測(cè)結(jié)果相對(duì)誤差如圖4所示。

圖4 訓(xùn)練集相對(duì)誤差Fig.4 Relative error of training set

爐膛出口煙溫驗(yàn)證集預(yù)測(cè)結(jié)果及預(yù)測(cè)相對(duì)誤差如表1所示。

從上述LS-SV M預(yù)測(cè)模型訓(xùn)練集的預(yù)測(cè)結(jié)果和相對(duì)誤差圖以及驗(yàn)證集的預(yù)測(cè)結(jié)果和相對(duì)誤差對(duì)照表可以看出，無論是訓(xùn)練集還是驗(yàn)證集LSSV M的預(yù)測(cè)相對(duì)誤差均能保持在5%以下，說明其預(yù)測(cè)效果好，能夠滿足工程上的預(yù)測(cè)要求，可以較準(zhǔn)確地預(yù)測(cè)爐膛出口煙溫，為爐膛的污染監(jiān)測(cè)提供可靠的依據(jù)。

表1 驗(yàn)證集預(yù)測(cè)結(jié)果及相對(duì)誤差對(duì)照表Tab.1 Comparison of validation set prediction results and relative error

3 灰污特征參數(shù)監(jiān)測(cè)及結(jié)果分析

本文在電廠每隔5 min采集了一段時(shí)間內(nèi)的爐膛實(shí)時(shí)運(yùn)行數(shù)據(jù)，使用聲學(xué)測(cè)溫技術(shù)獲得了爐膛的實(shí)時(shí)出口煙溫，采用上述LS-SV M預(yù)測(cè)模型預(yù)測(cè)爐膛的理想出口煙溫，根據(jù)上文定義的灰污特征參數(shù)獲得了此段時(shí)間的爐膛灰污狀況?；椅厶卣鲄?shù)如圖5所示。從圖中灰污特征參數(shù)走勢(shì)情況可以看出此段時(shí)間爐膛的灰污特征參數(shù)在0.162左右上下浮動(dòng)，說明此時(shí)爐膛污染情況基本不變。文獻(xiàn) ［15］指出鍋爐爐膛受熱面的沾污系數(shù)，可以反映爐膛受熱面的污染情況。為驗(yàn)證本文結(jié)果的準(zhǔn)確性，根據(jù)文獻(xiàn) ［15］給出的爐膛出口煙溫與熱有效系數(shù)的關(guān)系式 （9）以及熱有效系數(shù)與沾污系數(shù)的關(guān)系式 （10），采用上述采集的爐膛出口煙溫，結(jié)合相關(guān)參數(shù)，本文進(jìn)行了沾污系數(shù)的計(jì)算，經(jīng)計(jì)算，此段時(shí)間沾污系數(shù)基本保持在0.35左右，說明爐膛受熱面的污染情況基本不變，進(jìn)一步驗(yàn)證了本文監(jiān)測(cè)模型結(jié)果的準(zhǔn)確性。

式中：θ″為爐膛出口煙溫，℃；Ta為理論燃燒溫度，K； M為爐膛火焰中心位置系數(shù)；σ0為玻爾茲曼常數(shù)；a1為爐膛黑度；ψ為熱有效系數(shù)；F1為爐墻總面積，m2；φ為保熱系數(shù)；Bj為計(jì)算燃料消耗量，kg／s；為平均熱容量，KJ／（kg·℃）。

式中：x為角系數(shù)；ξ為灰污系數(shù)。

圖5 灰污特征參數(shù)Fig.5 Fouling characteristic parameters

4 結(jié)論

（1）鍋爐爐膛的灰污監(jiān)測(cè)是實(shí)現(xiàn)爐膛吹灰優(yōu)化的前提，本文提出了基于聲學(xué)測(cè)溫和LS-SV M的鍋爐爐膛受熱面污染監(jiān)測(cè)方法，建立了污染監(jiān)測(cè)模型，從電廠采集數(shù)據(jù)對(duì)模型進(jìn)行了訓(xùn)練和驗(yàn)證，并對(duì)一段時(shí)間內(nèi)的灰污特征參數(shù)進(jìn)行了分析，結(jié)果表明：LS-SV M預(yù)測(cè)精確度高，基于聲學(xué)測(cè)溫和LS-SV M的爐膛受熱面污染監(jiān)測(cè)方法，能夠較準(zhǔn)確地實(shí)現(xiàn)鍋爐爐膛整體的灰污監(jiān)測(cè)。

（2）本文采集的數(shù)據(jù)為機(jī)組一段時(shí)期的數(shù)據(jù)，實(shí)際情況下運(yùn)行機(jī)組的工況變化比較復(fù)雜，因此需要隨著采集數(shù)據(jù)所在工況范圍不斷地?cái)U(kuò)大，對(duì)模型訓(xùn)練數(shù)據(jù)進(jìn)行不定期地更新，使監(jiān)測(cè)模型更準(zhǔn)確。

［1］俞海淼，曹欣玉，李志，等.應(yīng)用灰污熱流計(jì)監(jiān)測(cè)燃煤鍋爐爐膛灰污結(jié)渣的動(dòng)態(tài)過程 ［J］.中國(guó)動(dòng)力工程學(xué)報(bào)，2005，25 （1）：88-91.

Yu Haimiao，Cao Xinyu，Li Zhi，et al.Research on the dynamic process of ash deposition in boilers with heat flux probes ［J］.Chinese Journal of Power Engneering.2005，25 （1）：88-91.

［2］徐嘯虎，周克毅，韋紅旗，等.燃煤鍋爐爐膛灰污染監(jiān)測(cè)的爐膛出口煙溫增量方法 ［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2011，31 （29）：21-26.

Xu Xiaohu，Zhou Keyi，Wei Hongqi，et al.Increment of furnance exit gas temperature for monitoring ash fouling in the furnace of coal－fired boilers ［J］.Proceedings of the CSEE.2011，31 （29）：21-26.

［3］王軍，王碩.鍋爐爐膛結(jié)渣狀態(tài)兩種判別方法的研究［J］.電力科學(xué)與工程，2009，25 （2）：34-36.

Wang Jun，Wang Shuo.Research on two distinguishing methods for slagging state of boiler furnace ［J］.Electric Power Science and Engineering，2009，25（2）：34-36.

［4］王洪江，孫保民，田進(jìn)步，等.汽包鍋爐爐內(nèi)局部結(jié)渣實(shí)時(shí)診斷研究 ［J］.工程熱物理學(xué)報(bào)，2008，29（6）：1077-1079.

［5］魏鐵錚，王平川，王建軍.鍋爐爐膛出口煙氣溫度的推算 ［J］.華北電力技術(shù)，1999 （9）：14-16.

［6］李永興，陳春元，孫家慶.電站鍋爐爐膛出口溫度計(jì)算方法的研究與改進(jìn) ［J］.動(dòng)力工程，1992，12（5）：22-25.

［7］陳磊，張土橋.基于最小二乘支持向量機(jī)的時(shí)用水量預(yù)測(cè)模型 ［J］.哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2006，389（9）：1528-1530.

Chen Lei，Zhang Tuqiao.Hourly water demand forecast model based on least squares support vector machine ［J］.Journal of Harbin Institute of Technology，2006，389 （9）：1528-1530.

［8］羅偉，習(xí)勇華.基于最小二乘支持向量機(jī)的降雨量預(yù)測(cè) ［J］.人民長(zhǎng)江，2008，39 （19）：29-31.

［9］鄧喆，李庚生，安連鎖，等.基于聲學(xué)測(cè)溫與人工神經(jīng)網(wǎng)絡(luò)的爐膛結(jié)渣在線監(jiān)測(cè)方法 ［J］.現(xiàn)代電力，2011，28 （4）：70-72.

［10］沈國(guó)清.基于聲波理論的爐膛溫度場(chǎng)在線監(jiān)測(cè)技術(shù)研究 ［D］.北京：華北電力大學(xué)，2007.

［11］杜功煥，朱哲民，龔秀芬.聲學(xué)基礎(chǔ) ［ M］.南京：南京大學(xué)出版社，2001.

［12］王定成.支持向量機(jī)建模預(yù)測(cè)與控制 ［ M］.北京：氣象出版社，2009.

［13］杜鵑.基于支持向量機(jī)的非線性預(yù)測(cè)控制研究 ［D］.杭州：浙江大學(xué)，2006.

［14］鄧乃揚(yáng)，田英杰.數(shù)據(jù)挖掘的新方法：支持向量機(jī)［ M］.北京：科學(xué)出版社，2004.

［15］樊泉桂.鍋爐原理 ［ M］.北京：中國(guó)電力出版社，2008.

Method of Furnace Fouling Monitoring Based on Acoustic Pyrometry and Least Squares Support Vector Machine

Ma Meiqian，Lv Weiwei，Shen Guoqing，An Liansuo，Zhang Shiping
（Key Laboratory of Condition Monitoring and Control for Power Plant Equipment（North China Electric Power University）， Ministry of Education，Baoding 102206，Beijing，China）

This paper studies power station boiler furnace pollution monitoring，puts forward the method of boiler hearth fouling monitoring based on the acoustic pyrometry and least squares support vector machine，in this method，we get the actual boiler furnace outlet gas temperature with acoustic pyrometry device and gain the potential cleaning outlet gas temperature under the practical operating condition with the least squares support vector machine，then using the two parameters define fouling characteristic parameter to show the conditions of boiler furnace fouling.Collect data from the power plant to train and certification the model，analyze the fouling characteristic parameter，results show that method of boiler hearth fouling monitoring based on the acoustic pyrometry and least squares support vector machine can more accurately realize boiler furnace fouling monitoring and it is a good foundation for furnace blowing optimization.

furnace outlet gas temperature；acoustic pyrometry；least squares support vector machine （LS－SV M）；characteristic parameters of fouling；fouling monitoring

T M621.2

A

2012－06－11。

國(guó)家自然科學(xué)基金項(xiàng)目 （50976034）；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助 （09QG43）。

馬美倩 （1987-），女，碩士研究生，主要從事電站鍋爐受熱面污染監(jiān)測(cè)的研究，E-mail：weixiaoangel＠126.com。