孫博海，仲亞

（廣西大學(xué)電氣工程學(xué)院，廣西 南寧 530004）

鍋爐氧含量在線測(cè)量的研究

孫博海，仲亞

（廣西大學(xué)電氣工程學(xué)院，廣西 南寧 530004）

鍋爐尾部煙氣氧含量的測(cè)量精確度對(duì)提高鍋爐燃燒經(jīng)濟(jì)性有重要意義，但目前市面上的氧含量檢測(cè)儀表如氧化鋯測(cè)量探頭可靠性差，壽命短，制造成本高等問題，使得氧含量在線測(cè)量成為各行業(yè)難以解決的問題。本文主要闡述了如何把軟測(cè)量技術(shù)應(yīng)用于鍋爐的尾部煙氣氧含量測(cè)量中。對(duì)于氧含量，我們可選擇其他較易測(cè)量，又與氧含量有聯(lián)系的變量進(jìn)行測(cè)量，再尋找它們之間的函數(shù)關(guān)系，從而算出或估測(cè)出氧含量。通過多元回歸和神經(jīng)網(wǎng)絡(luò)的方法分別建立氧含量的軟測(cè)量模型，并進(jìn)行分析對(duì)比，仿真結(jié)果表明，神經(jīng)網(wǎng)絡(luò)所建軟測(cè)量模型的測(cè)量數(shù)值變化可更好的反映氧含量變化。

多元回歸；神經(jīng)網(wǎng)絡(luò)；氧含量；軟測(cè)量

隨著人們對(duì)環(huán)境保護(hù)這一理念更加重視，許多廢氣排放多的企業(yè)如水泥廠、石油煉廠、火力發(fā)電廠等單位，已經(jīng)著眼于如何提高燃燒率，減少尾氣排放，節(jié)省能源，綠色生產(chǎn)等問題，力求做到高效低排，為企業(yè)謀求更長遠(yuǎn)、更健康的發(fā)展。如何做到實(shí)現(xiàn)在線監(jiān)測(cè)燃燒煙氣中的氧含量，調(diào)節(jié)助燃空氣和燃料的比例，確定最佳的空氣消耗系數(shù)，及時(shí)的調(diào)整燃燒過程中的空燃比，從而提高鍋爐整體的燃燒效率成為了當(dāng)務(wù)之急。鍋爐一直都是能源消耗大戶，合理調(diào)控鍋爐中的各個(gè)參數(shù)，實(shí)現(xiàn)優(yōu)化燃燒是提高燃燒率、減少污染物的排放，保護(hù)環(huán)境最有效的手段之一。

1　軟測(cè)量

1.1軟測(cè)量技術(shù)

軟測(cè)量的基本思想就是將自動(dòng)控制理論與生產(chǎn)過程當(dāng)中的各種知識(shí)有機(jī)的結(jié)合在一起。在實(shí)際生產(chǎn)過程中，那些關(guān)鍵變量我們往往不能通過儀器直接測(cè)出，或者測(cè)量成本太大，這時(shí)候我們就可以選擇其他較易測(cè)量，又與關(guān)鍵變量有聯(lián)系的變量進(jìn)行測(cè)量，再通過尋找這些變量與關(guān)鍵變量之間的函數(shù)關(guān)系，從而達(dá)到測(cè)量這些變量就能算出或估測(cè)出關(guān)鍵變量的目的。應(yīng)用軟測(cè)量技術(shù)去實(shí)現(xiàn)各元素含量的在線檢測(cè)不僅可靠經(jīng)濟(jì)，而且響應(yīng)迅速，可連續(xù)給出萃取過程中元素成分的含量,更容易控制產(chǎn)品質(zhì)量。

1.2鍋爐氧含量軟測(cè)量模型的建立

在軟測(cè)量技術(shù)運(yùn)用過程中，軟測(cè)量模型的建立才是重中之重。它區(qū)別于一般意義下的數(shù)學(xué)模型，它的側(cè)重點(diǎn)是通過二次變量來獲得對(duì)主導(dǎo)變量的最優(yōu)估計(jì)。下面就介紹幾種常見的軟測(cè)量模型的建立方法。

基于回歸分析的建模方法：采用統(tǒng)計(jì)回歸方法可建立以下軟測(cè)量模型

使用PCR法將上式改寫為矩陣形式：Y=MTX。

對(duì)上式進(jìn)行奇異值分解，得到：

如果是線性系統(tǒng)，無論是采用PCR還是PLS，它的效果完全一樣，但如果是非線性系統(tǒng)，那么后者的效果要更好一些（如果PLS考慮了所有的方向，則還原為標(biāo)準(zhǔn)最小二乘法問題）。在工業(yè)生產(chǎn)過程中，常常通過對(duì)生產(chǎn)過程的歷史數(shù)據(jù)進(jìn)行回歸分析，從而建立起質(zhì)量指標(biāo)的軟測(cè)量模型，進(jìn)而在線估計(jì)其產(chǎn)品的質(zhì)量。

2　多元回歸分析

經(jīng)典的回歸分析是一種基本的建模方法，也是應(yīng)用最廣泛的初等建模方法。建立在最小二乘法原理之上的一元或多元線性回歸技術(shù)已經(jīng)發(fā)展的相當(dāng)成熟，多用于線性系統(tǒng)和簡(jiǎn)單的控制系統(tǒng)。當(dāng)自變量不多時(shí)，可以采用多元線性回歸的逐步回歸技術(shù)，從而得出較為理想的軟測(cè)量模型。而當(dāng)自變量較多時(shí)，往往處理起來就比較復(fù)雜，先通過機(jī)理法或經(jīng)驗(yàn)法獲得對(duì)象的各變量大致框架，然后再利用逐步回歸法得出軟測(cè)量模型。為了彌補(bǔ)此時(shí)系統(tǒng)的誤差，往往需要大量的實(shí)驗(yàn)數(shù)據(jù)，以及對(duì)測(cè)量誤差進(jìn)行有效的處理。一般這種情況，多元回歸并不是一個(gè)很好的選擇。

2.1基于多元回歸分析方法的軟測(cè)量模型建立

在鍋爐的運(yùn)行過程中，煙氣氧含量一直是監(jiān)測(cè)燃燒標(biāo)準(zhǔn)的一個(gè)重要參數(shù)。我們本次實(shí)驗(yàn)是利用鍋爐燃燒過程中容易測(cè)取的部分參數(shù)擋板開度、燃料量、空氣量、過熱蒸汽流量、真空度、爐膛溫度等，再按照這些參數(shù)與煙氣含氧量之間存在的某種函數(shù)關(guān)系模型對(duì)煙氣含氧量進(jìn)行預(yù)測(cè)。以下是實(shí)驗(yàn)儀器通過仿真模擬生成的數(shù)據(jù)，建立煙氣含氧量的軟測(cè)量模型。在實(shí)驗(yàn)平臺(tái)SMPT1000選取相關(guān)參數(shù)與用儀器測(cè)量的煙氣含氧量作為實(shí)驗(yàn)數(shù)據(jù)導(dǎo)入所建模型，并利用MATLAB得出回歸方程，再對(duì)方程中的各項(xiàng)系數(shù)進(jìn)行分析。最后得出的含氧量回歸方程為：

y=4.5023-0.075x1-6.5268x2+0.4583x3+0.0387x4-0.0014x6-0.0015x6（3）

式中x1……x6分別對(duì)應(yīng)著擋板開度、燃料量、空氣量、過熱蒸汽流量、真空度、爐膛溫度。利用建立的分析回歸模型對(duì)煙氣含氧量的預(yù)測(cè)進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果表明，分析回歸模型對(duì)煙氣含氧量的預(yù)測(cè)誤差較大，因子回歸后與實(shí)際模型比較的誤差如圖1-a。

在這次仿真實(shí)驗(yàn)中，我們總共測(cè)取了1818組數(shù)據(jù)，選取2/3為訓(xùn)練樣本，1/3為測(cè)試樣本。從圖中可以看出，部分區(qū)域誤差較大，分析實(shí)驗(yàn)數(shù)據(jù)可以發(fā)現(xiàn)較多壞數(shù)據(jù)，剔除掉壞數(shù)據(jù)后，再次進(jìn)行擬合，得到修改后的曲線對(duì)比如下圖1-b所示。從數(shù)據(jù)圖中我們可以看到曲線較之前者有了些許改善，但整體來說誤差依然很明顯。從數(shù)據(jù)上分析，第一，數(shù)據(jù)是從實(shí)驗(yàn)儀器上仿真得來，與實(shí)際值有較大出入，在部分?jǐn)?shù)據(jù)中存在不符合實(shí)際的突變，這些突變導(dǎo)致擬合曲線在部分位置與實(shí)際值出入較大；第二，數(shù)據(jù)本身不具備線性，用多元回歸分析非線性的數(shù)據(jù)始終不如線性系統(tǒng)的擬合來的優(yōu)秀。

3　人工神經(jīng)網(wǎng)絡(luò)

基于對(duì)人腦神經(jīng)網(wǎng)絡(luò)的系統(tǒng)研究上，用數(shù)理方法從信息處理的角度對(duì)人腦神經(jīng)網(wǎng)絡(luò)進(jìn)行抽象，并建立某種簡(jiǎn)化模型，按不同的連接方式組成不同的網(wǎng)絡(luò)就稱為人工神經(jīng)網(wǎng)絡(luò)，它只是對(duì)生物的神經(jīng)網(wǎng)絡(luò)進(jìn)行了簡(jiǎn)化、抽象與模擬。因此，人工神經(jīng)網(wǎng)絡(luò)是一種以人腦結(jié)構(gòu)及其功能為基礎(chǔ)之上建立的信息處理系統(tǒng)。

3.1基于多元回歸分析方法的軟測(cè)量模型建立

BP（Back-Propagation）神經(jīng)網(wǎng)絡(luò)是目前研究最為全面、系統(tǒng)、也是使用最多的人工神經(jīng)網(wǎng)絡(luò)模型之一。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)并不復(fù)雜，對(duì)于其他方法無法處理的棘手問題非線性系統(tǒng)，它也能輕松駕馭。人工神經(jīng)網(wǎng)絡(luò)包含了許多最基本的組成單位——神經(jīng)元。對(duì)于不同的神經(jīng)網(wǎng)絡(luò)，其神經(jīng)元的激勵(lì)函數(shù)、網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)以及學(xué)習(xí)算法是不同的。探究燃油鍋爐的燃燒過程，結(jié)合實(shí)際鍋爐的運(yùn)行特點(diǎn)，煙氣氧含量與燃油量、鼓風(fēng)量、油氣壓差（燃油與霧化蒸汽的壓差）、燃油溫度、煙氣溫度等相關(guān)，據(jù)此，確立其輸入輸出模式的映射關(guān)系，如圖2-a所示。上述的映射關(guān)系，用三層BP神經(jīng)元網(wǎng)絡(luò)來實(shí)現(xiàn)，網(wǎng)絡(luò)結(jié)構(gòu)如圖2-b所示。

3.2數(shù)據(jù)的處理

數(shù)據(jù)處理的方法選用了歸一化的方法，取2/3樣本為訓(xùn)練樣本，剩余1/3為測(cè)試樣本，得出的仿真結(jié)果如圖3-a；從圖中我們不難發(fā)現(xiàn)，數(shù)據(jù)的誤差在不斷增大，仔細(xì)觀察數(shù)據(jù)可以發(fā)現(xiàn)，部分?jǐn)?shù)據(jù)隨著時(shí)間的遞增呈規(guī)律變化，因此，我們可以采取MATLAB中滑動(dòng)窗函數(shù)對(duì)數(shù)據(jù)進(jìn)行處理，使其做到定期更新。數(shù)據(jù)處理后得出的仿真圖如圖3-b；從圖中可以看出，處理后得出的曲線精確度有了大大的提高。擬合后的曲線與實(shí)際值基本吻合，也就是說明，用神經(jīng)網(wǎng)絡(luò)作為軟測(cè)量的方法，利用大量相關(guān)變量做數(shù)據(jù)樣本，可以基本做到對(duì)氧含量的估測(cè)。

4　結(jié)語

測(cè)量尾部煙氣氧含量，從而判斷當(dāng)前鍋爐燃燒情況，是提高鍋爐燃燒效率最直接也是最有效的方法。而通過軟測(cè)量的方法有很多，本文主要通過使用多元回歸分析法和神經(jīng)網(wǎng)絡(luò)法這兩種軟測(cè)量的方法對(duì)鍋爐氧含量進(jìn)行分析處理，我們發(fā)現(xiàn)這種軟測(cè)量的方法還是實(shí)際可行的。從多元回歸的仿真圖可以看出，結(jié)果雖不盡人意，但是總體趨勢(shì)是正確的，在處理非線性系統(tǒng)時(shí)，多元回歸并不是很優(yōu)秀。與之不同的是神經(jīng)網(wǎng)絡(luò)在處理復(fù)雜非線性系統(tǒng)的時(shí)候有著不可替代的優(yōu)勢(shì)。雖然沒有經(jīng)過實(shí)際生產(chǎn)的考驗(yàn)，但是單單從實(shí)驗(yàn)結(jié)果我們可以看出，模型是十分成功的，這也為日后的研究提出了一種新的思路與方向。

[1] 王建.軟測(cè)量輔助變量選擇方法研究[J].電力科學(xué)與工程，2011,37~40.

[2] 馬銳編.人工神經(jīng)網(wǎng)絡(luò)原理[M].北京：機(jī)械工業(yè)出版社，2010:17~19.

[3] 谷廷華，等.改進(jìn)的基于神經(jīng)網(wǎng)絡(luò)的非線性多元回歸分析[J].計(jì)算技術(shù)與自動(dòng)化，2004(4)．

圖1　分析因子回歸與實(shí)際模型比較

圖3 神經(jīng)網(wǎng)絡(luò)擬合曲線與實(shí)際值

圖2　

TM621.2

A

1671-0711（2016）09（上）-0114-02