李洋

摘要：汽包水位是鍋爐正常運行中最主要的監(jiān)視參數(shù)之一。受各個因素的影響和制約，導(dǎo)致水位經(jīng)常發(fā)生變化。引起汽包水位發(fā)生變化的因素較多，本文應(yīng)用偏最小二乘方法對其進(jìn)行了多重相關(guān)性分析，并在馬頭電廠9#機(jī)組的水位變化因素分析中進(jìn)行應(yīng)用取得了良好的效果。

關(guān)鍵詞：汽包水位 ?多重相關(guān)性分析 ?偏最小二乘

0 引言

鍋爐在正常運行中，汽包水位是最主要的監(jiān)視參數(shù)之一。通常情況下，如果水位過高，就會壓縮蒸汽空間，進(jìn)而造成蒸汽帶水，進(jìn)一步惡化蒸汽品質(zhì)，在過熱器管內(nèi)就會產(chǎn)生鹽垢，金屬強(qiáng)度因管子過熱而降低，進(jìn)而發(fā)生爆破[1]，在一定程度上損壞設(shè)備。

受各種因素的相互影響，導(dǎo)致鍋爐在運行過程中，經(jīng)常出現(xiàn)水位變化的情況，其中物質(zhì)平衡關(guān)系和汽包水空間內(nèi)工質(zhì)狀態(tài)變化是引起汽包水位發(fā)生變化的主要因素[2]。

1 分析方法的選擇

在實際熱工過程中，采用偏最小二乘法對所得數(shù)據(jù)進(jìn)行分析篩選，其原因為：①偏最小二乘回歸是一種多因變量對多自變量的回歸建模方法;②偏最小二乘回歸可以較好地解決許多以往用普通多元回歸無法解決的問題;③可以實現(xiàn)回歸分析、相關(guān)分析及主成分分析等多種數(shù)據(jù)分析方法綜合應(yīng)用。分析影響汽包水位的因素，可以得出其自變量之間具有多重相關(guān)性，若如果采用普通的最小二乘方法，這種變量多重相關(guān)性就會嚴(yán)重危害參數(shù)估計，擴(kuò)大模型誤差[3]，并破壞模型的穩(wěn)定性。

2 偏最小二乘法離線建模原理

設(shè)有q個因變量y1，…，yq和p自變量x1，…，xq，在提取這兩個成分時，為了回歸分析的需要，有下列兩個要求[4]：①t1和u1應(yīng)盡可能大地攜帶他們各自數(shù)據(jù)表中的變異信息;②t1和u1的相關(guān)程度能夠達(dá)到最大。

3 偏最小二乘法離線辨識算法推導(dǎo)

第一步，記t1是E0的第一個成分，t=E0w1，w1是E0的第一個軸，它是一個單位向量，即w1=1;記u1是F0的第一個成分，u=F0c1，c1是F0的第一個軸，它是一個單位向量，即c1=1。如果要t1，u1能分別很好的代表X與Y中的數(shù)據(jù)變異信息，根據(jù)主成分分析原理，應(yīng)該有：

Var（t1）→max（1）

另一方面，由于回歸建模的需要，又要求t1對u1有最大的解釋能力，由典型相關(guān)分析的思路，t1與u1的相關(guān)度應(yīng)達(dá)到最大值，即r（t1，u1）→max（2）

綜合起來，在偏最小二乘回歸中，要求t1與u1協(xié)方差達(dá)到最大，即

Cov（t1，u1）=■→max（3）

故求解下列優(yōu)化問題：

max〈E0w1，F(xiàn)0c1〉w■■w1=1c■■c1=1 （4）

因此，將在w1=1和c1=1的約束條件下，去求（w■■E■■F0c1）的最大值。此種情況下我們就可以用拉格朗日算法求其最優(yōu)解，記

s=w■■E■■F0c1-λ1（w■■w1-1）-λ2■（c■■c1-1） （5）

對s分別求關(guān)于w1、c1、λ1、λ2的偏導(dǎo)，并令之為零，有：

■=E■■F0c1-2λ1w1=0 （6）

■=F■■E0w1-2λ2c1=0 （7）

■=-（w■■w1-1）=0 （8）

■=-（c■■c1-1）=0 （9）

由（2）～（5）可以推出：

2λ1=2λ2=w■■E■■F0c1= （10）

記？茲1=2λ1=2λ2=w■■E■■F0c1，所以？茲1是優(yōu)化問題的目標(biāo)函數(shù)值。

把式（2）和式（3）寫成：

E■■F0c1=？茲■■w1（11）

F■■E0w0=？茲■■c1（12）

將式（7）代入式（6），有：

E■■F0F■■E0w1=？茲■■w1（13）

由式（8）可知，w1是矩陣E■■F0F■■E0特征向量，對應(yīng)的特征值為？茲■■，？茲■■是目標(biāo)函數(shù)值，要求取得其最大值，所以w1 是對應(yīng)于矩陣E■■F0F■■E0最大特征值？茲■■的單位特征向量。

求得軸w1和c1后，即可得到成分

t1=E0■w1（14）

u1=F0■c1

然后，分別求E0和F0對t1和u1的回歸方程

E■■=t1P■■+E1，F(xiàn)■■=u1Q■■+F■■，F(xiàn)■■=t1r■■+F1（15）

其中，P■=E■■t1/t12，Q■=F■■u1/u12，向量r1=F■■t1/t12;E1，F(xiàn)1*，F(xiàn)1為回歸方程的殘差矩陣。

第2成分t2的提取，以E1取代E0， F1取代F0， 用上面的方法求第2個軸W2和第2個成分t2有

W2=■，t2=E1W1（16）

同樣，E1，F(xiàn)1分別對t2做回歸， 得到

E1=t2P■■+E2，F(xiàn)1=t2r■■+F2（17）

同理可推得第h 成分th，h的個數(shù)可以用交叉有效性原則進(jìn)行，h小于X的秩。

如此計算下去，如果X的秩為A，則會有

E0=t1P■■+…+tAP■■（18）

F0=t1r■■+…+tAr■■+FA

由于t1，…，tA均可以表示成E01，…，E0P的線性組合，因此，上式可以還原成YK=F0K關(guān)于XJ=E0J的回歸方程形式：

YK=bk1X■■+…+bkPX■■+FAK ?k=1，…，q（19）

4 馬頭電廠水位分析

根據(jù)影響汽包給水因素，選取1給粉機(jī)平均轉(zhuǎn)速（AMCCS10707）、2汽泵出口壓力（LAC10CP003）、3負(fù)荷給定值（AMCCS10106）、4熱量信號（AMCCS10701）、5鍋爐主控信號（AMCCS10702）和6總?cè)剂狭浚ˋMCCS10706），分析其對汽包水位實際測量值之間的相關(guān)性;擬合所需數(shù)據(jù)由系統(tǒng)DCS給出，采樣間隔為1s，實際采樣點為42303個，如圖1所示：

■

圖1 ?汽包水位影響因素分析

由圖所示，橫坐標(biāo)依次代表給粉機(jī)平均轉(zhuǎn)速，汽泵出口壓力，負(fù)荷給定值，熱量信號，鍋爐主控信號和總?cè)剂狭苛鶄€測點;縱坐標(biāo)代表權(quán)值。

■

圖2 ?汽包水位的預(yù)測分布

上圖為根據(jù)采樣數(shù)據(jù)得到的擬合預(yù)測曲線，圖中直線代表實際測量值與采用偏最小二乘法得到的擬合預(yù)測值相等情況下的邊際線。

5 結(jié)論

本文采用偏最小二乘算法對其影響因素進(jìn)行多重相關(guān)性分析，由于負(fù)荷對其影響顯而易見，這與直觀分析結(jié)果是一致的，但負(fù)荷不能作為調(diào)節(jié)量，要想使其水位波動減小只能從熱量信號，汽泵出口壓力兩個方面著手分析。通過分析發(fā)現(xiàn)該邏輯中熱量信號構(gòu)建誤差較大，經(jīng)修改過后投入，水位波動明顯降低。

參考文獻(xiàn)：

[1]李樹全.200MW燃煤機(jī)組汽包水位的控制[J].電力科學(xué)與工程，2007，23（5）：14-7.

[2]鄭麗娜.鍋爐汽包水位非穩(wěn)態(tài)影響因素及水位控制分析[J].電站信息，2012.

[3]謝小韋，印凡成.解決多元線性回歸中多重共線性問題的方法分析[J].2007.

[4]董玉才，李紅燕，朱連軍，等.基于偏最小二乘回歸的油田產(chǎn)量預(yù)測[J].信息系統(tǒng)工程，2009，10：27-30.

[5]吳瓊，原忠虎，王曉寧.基于偏最小二乘回歸分析綜述[J].沈陽大學(xué)學(xué)報，2007，19（2）.