本发明专利技术公开了一种循环流化床锅炉飞灰含碳量预测系统及方法，系统包括与循环流化床锅炉连接的现场智能仪表、数据库、数据接口、控制站以及上位机；现场智能仪表与控制站、数据库和上位机连接，上位机包括：标准化处理模块，用于从数据库中采集关键变量的训练样本，并进行标准化处理；预测机制形成模块，用于建立预测模型；预测执行模块，用于实时预测飞灰含碳量；模型更新模块；信号采集模块；结果显示模块。本发明专利技术根据循环流化床锅炉的运行工况和操作变量对飞灰含碳量进行预测，以便于建议并指导运行操作，从而降低循环流化床锅炉的飞灰含碳量，有效提高锅炉运行效率，并为进一步对运行效率进行优化奠定基础。
【技术实现步骤摘要】
【技术保护点】
一种循环流化床锅炉飞灰含碳量预测系统，其特征在于，包括与循环流化床锅炉连接的现场智能仪表、数据库、数据接口、控制站以及上位机；现场智能仪表与控制站、数据库和上位机连接，所述的上位机包括：标准化处理模块，用于从数据库中采集关键自变量的两组历史记录，构成自变量的训练样本矩阵X和测试样本矩阵X“，采集对应的飞灰含碳量的两组历史记录，构成因变量的训练样本向量Y和测试样本向量Y“，对训练样本和测试样本进行标准化处理，将各变量变换为[0.25,0.75]区间的值，得到标准化后自变量训练样本矩阵X*和测试样本矩阵X*“、标准化后因变量训练样本向量Y*和测试样本向量Y*“，采用以下过程来完成：1.1）标准化xij*=xij-xjmin2(xjmax-xjmin)+0.25,(i=1,2,···,n;j=1,2,···,p)---(1)yi*=yi-ymin2(ymax-ymin)+0.25,(i=1,2,···,n)---(2)xij*′xij′-xjmin2(xjmax-xjmin)+0.25,(i=1,2,···,n′;j=1,2,···,p)---(3)yi*′=yi′-ymin2(ymax-ymin)+0.25,(i=1,2,···,n′)---(4)其中，xij、yi为训练样本点的原值，n为训练样本个数，p为自变量个数，xjmin、ymin分别表示第j个自变量、因变量训练样本的最小值，xjmax、ymax分别表示第j个自变量训练样本、因变量训练样本的最大值，为训练样本点的标准化值，xij“、yi“为测试样本点的原值，n“为测试样本个数，为测试样本点的标准化值，其中下标i、j分别表示第i个训练样本点、第j个自变量；预测机制形成模块，用于建立预测模型，其实现步骤如下：2.1）初始化系数矩阵V和系数向量W：取V的各元素vjk（j=0,1,2,…,p，k=1,2,…,q）、W的各元素wk（k=0,1,2,…,q）为（0,1）区间内的随机数；2.2）令样本序号i=1；2.3）按当前系数矩阵V和系数向量W，通过（5）、（6）式，由自变量训练样本预测因变量值：zk=f(Σj=0pvjkxij*),(k=1,2,···,q)---(5)y^i*=f(Σk=0qwkzk)---(6)其中，zk为中间节点变量，下标k表示第k个中间节点，q为中间节点个数，取的取整值，为第i个训练样本点的因变量标准化预测值，f(x)为非线性变换函数：2.4）通过（7）、（8）式求当前的误差信号：δy=(yi*-y^i*)y^i*(1-y^i*)---(7)δkz=δywkzk(1-zk),(k=1,2,···,q)---(8)其中，δy为因变量误差信号，为中间节点误差信号；2.5）根据误差信号，通过（9）、（10）式对系数矩阵V和系数向量W进行修正：vjk=vjk+0.5δkzxij*,(j=0,1,2,···,p;k=1,2,···,q)---(9)wk=wk+0.5δyzk，（k=0,1,2,…,q）??????????（10）2.6）如果izk=f(Σj=0pvjkxij*′),(k=1,2,···,m)---(11)y^i*′=f(Σk=0qwkzk)---(12)SSS′=Σi=1n′(yi*′-y^i*′)2---(13)其中，为第i个测试样本点的因变量标准化预测值，SSS“为测试样本的因变量预测误差平方和；2.8）比较本次与前一次的预测误差平方和，如果较前一次低则转步...
【技术特征摘要】
【专利技术属性】
技术研发人员：吴家标，刘兴高，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。