亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于知識(shí)蒸餾的鍋爐飛灰含碳量預(yù)測研究

        2021-07-08 02:33:32楊興森王海超楊子江
        山東電力技術(shù) 2021年6期
        關(guān)鍵詞:含碳量煤質(zhì)飛灰

        路 寬,楊興森,王海超,劉 科,楊子江

        (1.國網(wǎng)山東省電力公司電力科學(xué)研究院,山東 濟(jì)南 250003;2.山東科技大學(xué)電氣與自動(dòng)化工程學(xué)院,山東 青島 266590)

        0 引言

        飛灰含碳量是影響鍋爐燃燒熱效率的主要因素[1-3]。飛灰含碳量過高,會(huì)造成機(jī)械不完全燃燒熱損失增大,燃燒效率下降,鍋爐受熱面磨損、結(jié)焦積灰,從而縮短使用壽命,嚴(yán)重時(shí)會(huì)出現(xiàn)鍋爐滅火、機(jī)組停運(yùn)等事故。因此,飛灰含碳量的實(shí)時(shí)準(zhǔn)確預(yù)測對(duì)于火電廠機(jī)組的安全運(yùn)行、節(jié)能減排、經(jīng)濟(jì)效益等有著重要意義。

        目前,飛灰含碳量的預(yù)測方法主要是通過采集易于檢測且與飛灰含碳量密切相關(guān)的輔助變量,研究其與飛灰含碳量之間的關(guān)系,然后運(yùn)用統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)等方法建立可靠的數(shù)學(xué)模型[4]。王芳等[5]提出利用隨機(jī)森林的變量選擇方法篩選最優(yōu)變量,將最優(yōu)變量完成隨機(jī)森林建模訓(xùn)練,進(jìn)而實(shí)現(xiàn)了飛灰含碳量的預(yù)測;王春林等[6-7]應(yīng)用支持向量機(jī)算法建立了大型四角切圓燃燒鍋爐飛灰含碳量特性的模型;崔銳等[8]運(yùn)用反向傳播(Back Propagation,BP)神經(jīng)網(wǎng)絡(luò)進(jìn)行飛灰含碳量預(yù)測,并結(jié)合LM(Levenberg?Marquardt,LM)優(yōu)化算法進(jìn)行網(wǎng)絡(luò)訓(xùn)練;趙新木等[9]基于BP 神經(jīng)網(wǎng)絡(luò)建立了飛灰含碳量預(yù)測模型,并進(jìn)行了單因素影響因素分析;馮旭剛等[10]提出了基于遺傳神經(jīng)網(wǎng)絡(luò)敏感度分析的飛灰含碳量測量方法。

        上述文獻(xiàn)中關(guān)于飛灰含碳量預(yù)測的方法都是以影響參數(shù)和飛灰含碳量的采樣周期一致為前提的。但現(xiàn)實(shí)中,受飛灰實(shí)時(shí)采樣裝置維護(hù)成本高、準(zhǔn)確度低或沒有安裝等因素影響,大部分電廠的飛灰含碳量主要是通過燃燒失重法[11]來實(shí)現(xiàn)測量。由于燃燒失重法存在中間環(huán)節(jié)多、測量結(jié)果時(shí)間滯后等問題,因此獲得飛灰含碳量樣本的采樣周期必然與鍋爐運(yùn)行參數(shù)等實(shí)時(shí)指標(biāo)的采樣周期存在偏差。前者的采樣是以小時(shí)級(jí)為單位,而后者的采樣周期往往以分鐘級(jí)為單位。

        因此,為了能夠既保證實(shí)際飛灰測量的準(zhǔn)確度,又充分利用鍋爐運(yùn)行的大數(shù)據(jù)信息以提高飛灰含碳量預(yù)測模型的準(zhǔn)確度,提出一種基于知識(shí)蒸餾框架的火電廠鍋爐飛灰含碳量預(yù)測模型,目的是在模型輸入值采樣周期和實(shí)際飛灰含碳量采樣周期存在差異時(shí),給出準(zhǔn)確的分鐘級(jí)飛灰含碳量預(yù)測結(jié)果。該框架由Teacher 模型和Student 模型兩部分組成,其中:Teacher 模型通過前饋神經(jīng)網(wǎng)絡(luò)模型彌補(bǔ)鍋爐實(shí)時(shí)運(yùn)行參數(shù)和飛灰實(shí)際測量值的采樣周期差異,完成對(duì)實(shí)時(shí)飛灰含碳量的數(shù)值模擬;Student 模型則通過隨機(jī)森林模型完成對(duì)飛灰含碳量的實(shí)時(shí)預(yù)測。模型應(yīng)用于山東省內(nèi)某電廠在運(yùn)機(jī)組的飛灰含碳量預(yù)測,取得了良好的效果。

        1 影響因素分析與數(shù)據(jù)預(yù)處理

        影響飛灰含碳量的因素主要分為設(shè)備運(yùn)行因素和煤質(zhì)因素兩大類。機(jī)組運(yùn)行因素主要包括發(fā)電機(jī)組有功功率、選擇性催化還原(Selective Catalytic Reduction,SCR)進(jìn)口煙氣氧量、一次風(fēng)機(jī)風(fēng)量、二次風(fēng)機(jī)風(fēng)量等25 個(gè)指標(biāo);煤質(zhì)因素主要包括空氣干燥基水分、灰分等7個(gè)指標(biāo)。表1給出了建模過程中所使用的主要變量名稱。其中:鍋爐運(yùn)行指標(biāo)的采樣頻率為1條/min,煤質(zhì)和實(shí)際飛灰含碳量的采樣頻率都為1 條/6 h。這里,考慮到煤質(zhì)的變化周期較長,因此認(rèn)為煤質(zhì)數(shù)據(jù)在每6 h的周期內(nèi)不發(fā)生變化,這樣就可以把煤質(zhì)數(shù)據(jù)分解到每分鐘里,與運(yùn)行數(shù)據(jù)保持一致。

        表1 模型主要參數(shù)

        通過山東省網(wǎng)源監(jiān)督服務(wù)技術(shù)平臺(tái)提取了山東省某電廠的機(jī)組運(yùn)行和煤質(zhì)數(shù)據(jù)作為建模的數(shù)據(jù)源。由于數(shù)據(jù)中存在缺失值、異常值等,因此建立了數(shù)據(jù)預(yù)處理流程以提升數(shù)據(jù)質(zhì)量,如圖1所示。

        圖1 飛灰含碳量數(shù)據(jù)預(yù)處理流程

        2 Teacher?Student模型

        2.1 Teacher模型

        在機(jī)器學(xué)習(xí)和認(rèn)知科學(xué)領(lǐng)域,人工神經(jīng)網(wǎng)絡(luò)是一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的數(shù)學(xué)模型或計(jì)算模型,用于對(duì)函數(shù)進(jìn)行估計(jì)或近似[12]。神經(jīng)網(wǎng)絡(luò)由大量的人工神經(jīng)元聯(lián)結(jié)進(jìn)行計(jì)算,其能在綜合外界信息的基礎(chǔ)上改變內(nèi)部結(jié)構(gòu),是一種自適應(yīng)系統(tǒng)。這里的Teacher 模型采用了多層前饋神經(jīng)網(wǎng)絡(luò),學(xué)習(xí)從自變量到因變量的映射。模型為含4 層神經(jīng)網(wǎng)絡(luò),輸入變量維度為32 維,兩個(gè)隱含層的神經(jīng)元個(gè)數(shù)分別為512 和256,最終輸出層為含碳量的預(yù)測,如圖2所示。

        圖2 Teacher模型網(wǎng)絡(luò)結(jié)構(gòu)

        選取ReLU 函數(shù)[13](Rectified Linear Unit,ReLU)作為Teacher模型的激活函數(shù),計(jì)算公式為

        2.2 Student模型

        Student 模型采用了隨機(jī)森林算法Xgboost[14]。Xgboost 每一輪訓(xùn)練一棵樹,使得損失函數(shù)能夠極小化。其損失函數(shù)不僅衡量了模型的擬合誤差,還增加了正則化項(xiàng),即對(duì)每棵樹復(fù)雜度的懲罰項(xiàng),來防止過擬合。損失函數(shù)的計(jì)算公式為

        式中:l為衡量實(shí)際飛灰含碳量yi與預(yù)測的飛灰含碳量之間的差值;為損失函數(shù)的懲罰項(xiàng),它通過對(duì)模型的復(fù)雜度進(jìn)行懲罰來提高模型的泛化能力,ω為每棵樹上葉子的權(quán)值,T為決策樹的葉子數(shù)量,λ與γ為系數(shù)。

        式中:k為決策樹的數(shù)量;Γ為決策樹的集合;fk(xi)為樣本xi在第k棵樹上的預(yù)測結(jié)果。

        在訓(xùn)練的過程中,樹的建立過程由計(jì)算公式(4)給出。

        2.3 知識(shí)蒸餾架構(gòu)

        Hinton[15]等提出知識(shí)蒸餾的方法,用結(jié)構(gòu)復(fù)雜、參數(shù)較多的Teacher 模型訓(xùn)練,利用其預(yù)測輸出作為Student 模型的軟目標(biāo);然后利用輕量的Student 模型進(jìn)行二次訓(xùn)練,從而在分類問題中可以得到與復(fù)雜Teacher模型相近的結(jié)果。

        首先,運(yùn)用Teacher 模型學(xué)習(xí)出從分鐘級(jí)工況和煤質(zhì)數(shù)據(jù)到小時(shí)級(jí)飛灰含碳量的映射。訓(xùn)練完成的模型則可以得到分鐘級(jí)的飛灰含碳量計(jì)算結(jié)果。為了完成不同采樣周期的監(jiān)督學(xué)習(xí),對(duì)Teacher 模型的損失函數(shù)進(jìn)行重新構(gòu)建

        式中:LTSR-T為Teacher 模型的損失函數(shù);n為目標(biāo)樣本的數(shù)量,即實(shí)際得到的飛灰含碳量數(shù)量,每個(gè)目標(biāo)樣本之間的時(shí)間是6 h;i為第i個(gè)樣本為Teacher模型的分鐘級(jí)飛灰含碳量預(yù)測值;j為對(duì)應(yīng)第i個(gè)時(shí)間段內(nèi)的第j分鐘樣本,因此是分鐘級(jí)的模型預(yù)測;t為第i個(gè)時(shí)間段內(nèi)的分鐘數(shù),由于飛灰含碳量的實(shí)際觀察時(shí)間間隔為6 h,因此t為360。

        式中:為Student模型的分鐘級(jí)飛灰含碳量預(yù)測值。

        綜上,基于知識(shí)蒸餾的飛灰含碳量預(yù)測預(yù)測流程為:

        1)對(duì)分鐘級(jí)鍋爐運(yùn)行工況參數(shù)、煤質(zhì)參數(shù)和小時(shí)級(jí)的飛灰含碳量實(shí)際觀測值進(jìn)行數(shù)據(jù)提取和預(yù)處理;以工況和煤質(zhì)數(shù)據(jù)作為輸入數(shù)據(jù),飛灰含碳量作為目標(biāo)數(shù)據(jù),形成總體訓(xùn)練數(shù)據(jù)集。

        2)將分鐘級(jí)輸入數(shù)據(jù)輸入到Teacher 模型中,輸出分鐘級(jí)飛灰含碳量預(yù)測數(shù)據(jù),得到軟目標(biāo);通過修改損失函數(shù),完成模型訓(xùn)練。

        3)將訓(xùn)練完成Teacher 模型分鐘級(jí)預(yù)測結(jié)果作為Student 模型的目標(biāo)值,對(duì)模型進(jìn)行訓(xùn)練。輸入數(shù)據(jù)同樣為步驟2)中的分鐘級(jí)輸入數(shù)據(jù)。

        4)將新的分鐘級(jí)輸入數(shù)據(jù)輸入訓(xùn)練完成的Student模型即可得到預(yù)測分鐘級(jí)飛灰含碳量數(shù)據(jù)。

        圖3 基于知識(shí)蒸餾框架的飛灰含碳量預(yù)測流程

        3 數(shù)值試驗(yàn)

        本次數(shù)值試驗(yàn)選取山東省某電廠額定容量680 MW機(jī)組2018 年全年鍋爐運(yùn)行、煤質(zhì)及飛灰含碳量數(shù)據(jù)。其中:鍋爐運(yùn)行數(shù)據(jù)為分鐘級(jí)采樣,煤質(zhì)和飛灰含碳量為每6 h采樣。為了對(duì)比驗(yàn)證模型的效果,分別選取了單獨(dú)使用Teacher 模型以及Teacher?Student模型2個(gè)方案。在利用2種方案進(jìn)行訓(xùn)練時(shí),首先對(duì)所有樣本進(jìn)行隨機(jī)抽取處理,即打亂數(shù)據(jù)的順序;然后對(duì)所有樣本均按照7∶3 的比例劃分訓(xùn)練集與測試集;在訓(xùn)練集上訓(xùn)練模型后,再在測試集上驗(yàn)證模型的效果。

        預(yù)測結(jié)果顯示模型在測試集上的10 次試驗(yàn)的平均誤差。采用Teacher?Student 模型的測試集誤差較僅用Teacher 模型下降16.5%,同時(shí)每個(gè)數(shù)據(jù)點(diǎn)的預(yù)測準(zhǔn)確度還更加穩(wěn)定,如表2所示。

        表2 模型測試集誤差 單位:%

        將Teacher?Student 方案的預(yù)測結(jié)果繪制出來與實(shí)際飛灰含碳量進(jìn)行比較,如圖4所示。從圖4中可以看出,經(jīng)過知識(shí)蒸餾的模型能夠比較精準(zhǔn)地給出飛灰含碳量的預(yù)測結(jié)果,特別是在飛灰含碳量波動(dòng)較大的區(qū)間中,模型依然能夠比較好地識(shí)別出數(shù)據(jù)變化的形態(tài)與趨勢。

        圖4 Teacher?Student模型預(yù)測結(jié)果對(duì)比

        4 結(jié)語

        運(yùn)用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)理論和方法,在對(duì)數(shù)據(jù)運(yùn)用統(tǒng)計(jì)方法進(jìn)行預(yù)處理的基礎(chǔ)上,構(gòu)建了基于知識(shí)蒸餾架構(gòu)的飛灰含碳量預(yù)測模型。通過山東省內(nèi)電廠的實(shí)際試驗(yàn),研究結(jié)果表明:從不同模型探索結(jié)果來看,融合Teacher和Student的模型效果優(yōu)于單獨(dú)的Teacher 模型,且模型的穩(wěn)定性和泛化能力有了一定程度的提高。

        猜你喜歡
        含碳量煤質(zhì)飛灰
        多煤層復(fù)雜煤質(zhì)配煤入選方案的研究
        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*
        1000MW機(jī)組鍋爐灰渣含碳量超標(biāo)原因分析及治理
        通柘煤田—1—2煤層的煤質(zhì)變化規(guī)律
        中國煤層氣(2015年6期)2015-08-22 03:25:30
        日本精品啪啪一区二区| 蜜桃免费一区二区三区| 开心久久婷婷综合中文字幕| 免费的日本一区二区三区视频| 99精品国产一区二区三区| 男男亚洲av无一区二区三区久久| 成人免费播放视频777777| 色婷婷五月综合久久| 狠狠人妻久久久久久综合蜜桃| 亚洲成av人片一区二区| 蜜桃麻豆www久久囤产精品| 最新亚洲av日韩av二区| 亚洲第一无码精品久久| 国产一区二区牛影视| 国产男女做爰猛烈视频网站| 亚洲国产综合精品一区最新| 在线观看视频国产一区二区三区 | 亚洲国产精品成人av在线不卡| 成 人色 网 站 欧美大片在线观看| а天堂中文在线官网| 伊人久久精品久久亚洲一区| 国产女精品视频网站免费| 亚洲国产精品一区二区第四页| 免青青草免费观看视频在线| 成人性生交大片免费看7| 免费观看人妻av网站| 91精品国产乱码久久中文| 私人vps一夜爽毛片免费| 亚洲欧美成人一区二区在线电影| 免费人成无码大片在线观看| 国产精品久久久久久2021| 国产日韩一区二区精品| 免费av在线视频播放| 亚洲综合在线观看一区二区三区| 久久午夜羞羞影院免费观看| 成人毛片av免费| 人人妻人人澡人人爽曰本| 精品免费在线| 人妻少妇精品无码系列| 97久久综合精品国产丝袜长腿| 熟妇高潮一区二区三区在线观看|