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量精確度對提高鍋爐燃燒經(jīng)濟(jì)性有重要意義,但目前市面上的氧含量檢測儀表如氧化鋯測量探頭可靠性差,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量技術(shù)應(yīng)用于鍋爐的尾部煙氣氧含量測量中。對于氧含量,我們可選擇其他較易測量,又與氧含量有聯(lián)系的變量進(jìn)行測量,再尋找它們之間的函數(shù)關(guān)系,從而算出或估測出氧含量。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量模型,并進(jìn)行分析對比,仿真結(jié)果表明,神經(jīng)網(wǎng)絡(luò)所建軟測量模型的測量數(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;軟測量
隨著人們對環(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。
1.1軟測量技術(shù)
軟測量的基本思想就是將自動控制理論與生產(chǎn)過程當(dāng)中的各種知識有機(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出,或者測量成本太大,這時候我們就可以選擇其他較易測量,又與關(guān)鍵變量有聯(lián)系的變量進(jìn)行測量,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)到測量這些變量就能算出或估測出關(guān)鍵變量的目的。應(yīng)用軟測量技術(shù)去實(shí)現(xiàn)各元素含量的在線檢測不僅可靠經(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鍋爐氧含量軟測量模型的建立
在軟測量技術(shù)運(yùn)用過程中,軟測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主導(dǎo)變量的最優(yōu)估計。下面就介紹幾種常見的軟測量模型的建立方法。
基于回歸分析的建模方法:采用統(tǒng)計回歸方法可建立以下軟測量模型
使用PCR法將上式改寫為矩陣形式:Y=MTX。
對上式進(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)的軟測量模型,進(jìn)而在線估計其產(chǎn)品的質(zhì)量。
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)和簡單的控制系統(tǒng)。當(dāng)自變量不多時,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量模型。而當(dāng)自變量較多時,往往處理起來就比較復(fù)雜,先通過機(jī)理法或經(jīng)驗(yàn)法獲得對象的各變量大致框架,然后再利用逐步回歸法得出軟測量模型。為了彌補(bǔ)此時系統(tǒng)的誤差,往往需要大量的實(shí)驗(yàn)數(shù)據(jù),以及對測量誤差進(jìn)行有效的處理。一般這種情況,多元回歸并不是一個很好的選擇。
2.1基于多元回歸分析方法的軟測量模型建立
在鍋爐的運(yùn)行過程中,煙氣氧含量一直是監(jiān)測燃燒標(biāo)準(zhǔn)的一個重要參數(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)系模型對煙氣含氧量進(jìn)行預(yù)測。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量模型。在實(shí)驗(yàn)平臺SMPT1000選取相關(guān)參數(shù)與用儀器測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煙氣含氧量的預(yù)測進(jìn)行檢驗(yàn),檢驗(yàn)結(jié)果表明,分析回歸模型對煙氣含氧量的預(yù)測誤差較大,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,我們總共測取了1818組數(shù)據(jù),選取2/3為訓(xùn)練樣本,1/3為測試樣本。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。
基于對人腦神經(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人腦神經(jīng)網(wǎng)絡(luò)進(jìn)行抽象,并建立某種簡化模型,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),它只是對生物的神經(jīng)網(wǎng)絡(luò)進(jìn)行了簡化、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。對于不同的神經(jīng)網(wǎng)絡(luò),其神經(jīng)元的激勵函數(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)隨著時間的遞增呈規(guī)律變化,因此,我們可以采取MATLAB中滑動窗函數(shù)對數(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,可以基本做到對氧含量的估測。
測量尾部煙氣氧含量,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)法這兩種軟測量的方法對鍋爐氧含量進(jìn)行分析處理,我們發(fā)現(xiàn)這種軟測量的方法還是實(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,但是總體趨勢是正確的,在處理非線性系統(tǒng)時,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)的時候有著不可替代的優(yōu)勢。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].計算技術(shù)與自動化,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