CN103400015A - 基于数值模拟与试验运行数据的燃烧系统复合建模方法 - Google Patents
基于数值模拟与试验运行数据的燃烧系统复合建模方法 Download PDFInfo
- Publication number
- CN103400015A CN103400015A CN2013103567368A CN201310356736A CN103400015A CN 103400015 A CN103400015 A CN 103400015A CN 2013103567368 A CN2013103567368 A CN 2013103567368A CN 201310356736 A CN201310356736 A CN 201310356736A CN 103400015 A CN103400015 A CN 103400015A
- Authority
- CN
- China
- Prior art keywords
- data
- model
- svm
- numerical simulation
- boiler
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了属于电站锅炉燃烧系统燃烧过程的复合建模技术领域的一种基于数值模拟与试验运行数据的燃烧系统复合建模方法。采用三维稳态工况,建立目标煤粉炉的数值模拟模型;针对LS-SVM所建立的目标模型,首先确立合适的输入变量,并且确定各输入变量的取值范围,利用正交法给定训练样本数据组数和各输入变量的值,得到变量列表,得到试验数据,建立机理LS-SVM模型;根据电厂实时数据更新LS-SVM模型。本发明弥补单纯的试验数据建模时数据单一的不足。利用电厂实时更新的数据更新模型,有效地提高了LS-SVM模型的精度,为锅炉燃烧优化打好基础。
Description
技术领域
本发明属于电站锅炉燃烧系统燃烧过程的复合建模技术领域,特别涉及一种基于数值模拟与试验运行数据的燃烧系统复合建模方法。具体说是一种以数值模拟模型提供数据并结合机组试验数据、实时运行数据建立LS-SVM模型的复合建模方法。
技术背景
机理建模是从基本物理定律,即利用各个专门学科领域提出的物质和能量的守恒性和连续性原理,以及系统(设备)的结构数据推导出模型。这种方法得出的数学模型称之为机理模型,这种建立模型的方法称为解析法。fluent软件属于计算流体软件(CFD),用于流体传热、燃烧过程的数值模拟。利用该软件来完成炉膛内完整的煤粉燃烧过程数值模拟,生成炉膛的流场和温度场,以及O2、NOx等分布,进而得出锅炉效率。但是这种数值模拟模型计算速度很慢,无法直接应用到锅炉燃烧优化中去。
机器学习建模最小二乘支持向量机(LS-SVM)对非线性系统具有很强的逼近能力,以等式约束代替不等式约束,将模型的训练转化为线性方程组的求解,简化了计算,缩短了训练时间,非常适合于从试验数据建立模型。但是这种黑箱辨识方法无法反应锅炉内部机理,建模精度受建模时的训练样本数据影响较大,好的建模数据对LS-SVM模型非常重要。
电站锅炉燃烧过程是个复杂的物理化学过程,涉及到燃烧学、流体力学、热力学、传热传质学等学科领域。目前用于电厂锅炉燃烧优化的模型多是神经网络、支持向量机等机器学习模型,建模数据只是锅炉试验数据,数据来源过于单一,并且试验数据无法涉及所有工况,这样会极大影响机器学习模型的精度。
发明内容
本发明的目的是为电站锅炉燃烧系统提供一种基于数值模拟与试验运行数据的复合建模方法,其特征在于,包括:
(1)选用可用于流体传热、燃烧过程的数值模拟软件fluent对目标锅炉的煤粉燃烧过程进行数值模拟建模;
(2)确定输入变量,利用正交法给定训练样本数据组数和各输入变量的值,利用第1步中的数值模拟模型计算每组输入对应的输出,得到变量列表;
(3)利用(2)中变量列表作为训练样本集,建立初始机理LS-SVM模型;
(4)采集目标电厂的燃烧调整试验数据,整合试验验数据,利用最小欧氏距离法修正机理LS-SVM模型;
(5)对于锅炉运行的实时数据,以允许的最大误差δs为基准,对LS-SVM进行实时更新。
所述数值模拟建模采用三维稳态模拟方法,建立目标煤粉炉的数值模拟模型;
所述步骤(2)根据建立的煤粉炉数值模拟模型计算LS-SVM建模所需要的训练样本数据,针对LS-SVM所建立的目标模型,首先确立合适的输入变量,并且确定各输入变量的取值范围,利用正交法给定训练样本数据组数和各输入变量的值,得到变量列表,得到试验数据,建立机理LS-SVM模型;
所述步骤(4)对目标电厂锅炉进行燃烧调整试验,通过数值模拟模型计算出每组数据的输出,根据电厂实时数据更新LS-SVM模型;
所述步骤(5)对于锅炉运行的实时数据,以允许的最大误差δs为基准,对LS-SVM进行实时更新,对于新的输入数据xj,比较模型的预测输出Yj与对象的实际输出yj,通过式δ=|(yj-Yj)/yj|计算模型预测的相对误差δ,若δ≤δs,则说明模型对新输入有效,若δ>δs,则模型失效,需要对模型进行更新。
本发明的有益效果是本发明利用数值模拟模型计算出的样本数据、实验数据建立LS-SVM初始模型,弥补单纯的实验数据建模时数据单一的不足。利用电厂实时更新的数据更新模型,有效地提高了LS-SVM模型的精度,为锅炉燃烧优化打好基础。
附图说明
图1为燃烧系统复合建模方法总体流程图。
图2为针对某燃煤发电机组锅炉的LS-SVM模型更新算法流程图。
具体实施方案
本发明提供一种基于数值模拟与试验运行数据的复合建模方法。下面结合附图予以说明。
图1燃烧系统复合建模方法总体流程图。包括如下主要步骤:
(1)选用可用于流体传热、燃烧过程的数值模拟软件fluent对目标锅炉的煤粉燃烧过程进行数值模拟建模。
(2)确定输入变量,利用正交法给定训练样本数据组数和各输入变量的值。利用第1步中的数值模拟模型计算每组输入对应的输出,得到变量列表。
(3)利用(2)中变量列表作为训练样本集,建立初始机理LS-SVM模型。
(4)采集目标电厂的燃烧调整试验数据,整合试验验数据,利用最小欧氏距离法修正机理LS-SVM模型;
(5)对于锅炉运行的实时数据,以允许的最大误差δs为基准,对LS-SVM进行实时更新。
图2为针对某燃煤发电机组锅炉的LS-SVM模型更新算法流程图。
(1)建立目标煤粉炉的数值模拟模型由下述方法得到:气固两相间的湍流计算采用RNG k-ε湍流模型、煤粉颗粒的轨迹场采用基于拉格朗日的随机颗粒轨道方法、采用离散传播法计算辐射传热、对煤粉挥发分的释放采用双平行反应模型;用混合分数模型描述气相混合燃烧;对于焦炭的燃烧采用了扩散动力学模型;采用De’Soete对燃料NOX生成所作的机理模型;对热力NOx采用Zeldovich提出的机理进行计算;最后采用Spalding和Patankar建立起来的数值方法进行计算,其中计算区域的离散化采用正交非均匀交错网格,使用控制容积法推导差分方程,差分方程的求解采用压力-速度校正的SIMPLER方法及颗粒相的计算采用拉氏方法;
(2)根据建立的煤粉炉数值模拟模型计算LS-SVM建模所需要的训练样本数据,针对LS-SVM所建立的目标模型,首先确立合适的输入变量,并且确定各输入变量的取值范围,利用正交法给定训练样本数据组数和各输入变量的值,通过数值模拟模型计算出每组数据的输出,得到变量列表,建立机理LS-SVM模型;
(3)对目标电厂锅炉进行燃烧调整试验,得到试验数据,然后对机理LS-SVM模型进行修正,设一组试验数据为(xk,yk),计算得到xk与所有仿真数据的最小欧氏距离dmin,当dmin>ds时,那么这组数据就添加到训练样本集中,当dmin<ds时,替换掉与仿真数据距离最小的那组数据;其中ds为欧氏距离设定值,需要注意的是在进行欧氏距离计算前需要先将数据归一化到[-1,1]之间,归一化公式如式(A),
(4)根据电厂实时数据更新LS-SVM模型,对于新的输入数据xj,比较模型的预测输出Yj与对象的实际输出yj,通过式(B)计算模型预测的相对误差δ,若δ≤δs,则说明模型对新输入有效,若δ>δs,则模型失效,需要对模型进行更新,其中δs为允许的最大误差;
δ=|(yj-Yj)/yj| (B)
当模型失效时计算输入样本xj与每一个支持向量xk,k=1,…l之间的欧氏距离,其中与第i个样本的距离最近,其值为d,若d≤ds,说明新样本与原支持向量集中第i个样本特性相似,则将(xj,yj)替换训练样本集中第i个样本,若d>ds,说明新样本与原支持向量集特性偏差较大,则将(xj,yj)直接添加到原训练样本集中。
Claims (5)
1.一种基于数值模拟与试验运行数据的复合建模方法,其特征在于,包括:
(1)选用可用于流体传热、燃烧过程的数值模拟软件fluent对目标锅炉的煤粉燃烧过程进行数值模拟建模;
(2)确定输入变量,利用正交法给定训练样本数据组数和各输入变量的值,利用第1步中的数值模拟模型计算每组输入对应的输出,得到变量列表;
(3)利用(2)中变量列表作为训练样本集,建立初始机理LS-SVM模型;
(4)采集目标电厂的燃烧调整试验数据,整合试验验数据,利用最小欧氏距离法修正机理LS-SVM模型;
(5)对于锅炉运行的实时数据,以允许的最大误差δs为基准,对LS-SVM进行实时更新。
2.根据权利要求1所述基于数值模拟与试验运行数据的复合建模方法,其特征在于,所述数值模拟建模采用三维稳态工况,建立目标煤粉炉的数值模拟模型。
3.根据权利要求1所述基于数值模拟与试验运行数据的复合建模方法,其特征在于,所述步骤(2)根据建立的煤粉炉数值模拟模型计算LS-SVM建模所需要的训练样本数据,针对LS-SVM所建立的目标模型,首先确立合适的输入变量,并且确定各输入变量的取值范围,利用正交法给定训练样本数据组数和各输入变量的值,得到变量列表,得到试验数据,建立机理LS-SVM模型。
4.根据权利要求1所述基于数值模拟与试验运行数据的复合建模方法,其特征在于,所述步骤(4)对目标电厂锅炉进行燃烧调整试验,通过数值模拟模型计算出每组数据的输出,根据电厂实时数据更新LS-SVM模型。
5.根据权利要求1所述基于数值模拟与试验运行数据的复合建模方法,其特征在于,所述步骤(5)对于锅炉运行的实时数据,以允许的最大误差δs为基准,对LS-SVM进行实时更新,对于新的输入数据xj,比较模型的预测输出Yj与对象的实际输出yj,通过式δ=|(yj-Yj)/yj|计算模型预测的相对误差δ,若δ≤δs,则说明模型对新输入有效,若δ>δs,则模型失效,需要对模型进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310356736.8A CN103400015B (zh) | 2013-08-15 | 2013-08-15 | 基于数值模拟与试验运行数据的燃烧系统复合建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310356736.8A CN103400015B (zh) | 2013-08-15 | 2013-08-15 | 基于数值模拟与试验运行数据的燃烧系统复合建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103400015A true CN103400015A (zh) | 2013-11-20 |
CN103400015B CN103400015B (zh) | 2016-05-18 |
Family
ID=49563643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310356736.8A Active CN103400015B (zh) | 2013-08-15 | 2013-08-15 | 基于数值模拟与试验运行数据的燃烧系统复合建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103400015B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984868A (zh) * | 2014-05-21 | 2014-08-13 | 华中科技大学 | 一种富氧燃烧锅炉热力性能获取方法 |
CN104134234A (zh) * | 2014-07-16 | 2014-11-05 | 中国科学技术大学 | 一种全自动的基于单幅图像的三维场景构建方法 |
CN104750916A (zh) * | 2015-03-11 | 2015-07-01 | 同济大学 | 一种用于锅炉虚拟样机设计的设计资源集成系统 |
CN106527176A (zh) * | 2016-10-21 | 2017-03-22 | 哈尔滨理工大学 | 一种基于mfoa‑svm的锅炉热效率与nox建模 |
CN107016176A (zh) * | 2017-03-24 | 2017-08-04 | 杭州电子科技大学 | 一种混合智能锅炉综合燃烧优化方法 |
CN107423245A (zh) * | 2016-05-23 | 2017-12-01 | 罗伯特·博世有限公司 | 用于观测控制设备的内部数据的方法和设备 |
CN108182553A (zh) * | 2018-02-02 | 2018-06-19 | 东北电力大学 | 一种燃煤锅炉燃烧效率在线测量方法 |
CN110274258A (zh) * | 2019-05-09 | 2019-09-24 | 国网河北能源技术服务有限公司 | 一种基于燃烧区域温度场预测的前馈控制燃烧调整方法 |
CN110869728A (zh) * | 2017-07-19 | 2020-03-06 | 林德股份公司 | 用于确定工艺工程装置的材料中的应力水平的方法 |
CN110888401A (zh) * | 2018-09-11 | 2020-03-17 | 北京京东金融科技控股有限公司 | 火力发电机组燃烧控制优化方法、装置及可读存储介质 |
CN110967192A (zh) * | 2018-09-28 | 2020-04-07 | 三菱日立电力系统株式会社 | 热设备的内部状态估计方法以及装置 |
CN111339716A (zh) * | 2020-02-19 | 2020-06-26 | 浙江大学 | 一种锅炉高温烟气流场在线代理模型构建方法 |
CN111612212A (zh) * | 2020-04-10 | 2020-09-01 | 杭州电子科技大学 | 一种磨煤机煤粉细度的在线优化模型更新方法 |
AU2019305721B2 (en) * | 2018-07-18 | 2021-12-16 | Xiamen Etom Software Technology Co., Ltd. | Boiler coal saving control method |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070282766A1 (en) * | 2006-05-05 | 2007-12-06 | Pavilion Technologies, Inc. | Training a support vector machine with process constraints |
CN101498459A (zh) * | 2009-03-02 | 2009-08-05 | 杭州电子科技大学 | 一种锅炉燃烧优化的建模方法 |
CN102679391A (zh) * | 2012-05-21 | 2012-09-19 | 常州市新港热电有限公司 | 锅炉燃烧在线优化方法 |
-
2013
- 2013-08-15 CN CN201310356736.8A patent/CN103400015B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070282766A1 (en) * | 2006-05-05 | 2007-12-06 | Pavilion Technologies, Inc. | Training a support vector machine with process constraints |
CN101498459A (zh) * | 2009-03-02 | 2009-08-05 | 杭州电子科技大学 | 一种锅炉燃烧优化的建模方法 |
CN102679391A (zh) * | 2012-05-21 | 2012-09-19 | 常州市新港热电有限公司 | 锅炉燃烧在线优化方法 |
Non-Patent Citations (2)
Title |
---|
XIU-CHENG DONG 等: "MODEL REFERENCE NEURAL NETWORK CONTROL FOR BOILER COMBUSTION SYSTEM", 《PROCEEDINGS OF THE FOURTH INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND CYBERNETICS》, 21 August 2005 (2005-08-21) * |
顾燕萍 等: "基于最小二乘支持向量机的电站锅炉燃烧优化", 《中国电机工程学报》, vol. 30, no. 17, 15 June 2010 (2010-06-15) * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984868B (zh) * | 2014-05-21 | 2016-02-24 | 华中科技大学 | 一种富氧燃烧锅炉热力性能获取方法 |
CN103984868A (zh) * | 2014-05-21 | 2014-08-13 | 华中科技大学 | 一种富氧燃烧锅炉热力性能获取方法 |
CN104134234A (zh) * | 2014-07-16 | 2014-11-05 | 中国科学技术大学 | 一种全自动的基于单幅图像的三维场景构建方法 |
CN104134234B (zh) * | 2014-07-16 | 2017-07-25 | 中国科学技术大学 | 一种全自动的基于单幅图像的三维场景构建方法 |
CN104750916A (zh) * | 2015-03-11 | 2015-07-01 | 同济大学 | 一种用于锅炉虚拟样机设计的设计资源集成系统 |
CN107423245A (zh) * | 2016-05-23 | 2017-12-01 | 罗伯特·博世有限公司 | 用于观测控制设备的内部数据的方法和设备 |
CN106527176A (zh) * | 2016-10-21 | 2017-03-22 | 哈尔滨理工大学 | 一种基于mfoa‑svm的锅炉热效率与nox建模 |
CN107016176A (zh) * | 2017-03-24 | 2017-08-04 | 杭州电子科技大学 | 一种混合智能锅炉综合燃烧优化方法 |
CN110869728A (zh) * | 2017-07-19 | 2020-03-06 | 林德股份公司 | 用于确定工艺工程装置的材料中的应力水平的方法 |
CN108182553A (zh) * | 2018-02-02 | 2018-06-19 | 东北电力大学 | 一种燃煤锅炉燃烧效率在线测量方法 |
AU2019305721B2 (en) * | 2018-07-18 | 2021-12-16 | Xiamen Etom Software Technology Co., Ltd. | Boiler coal saving control method |
CN110888401A (zh) * | 2018-09-11 | 2020-03-17 | 北京京东金融科技控股有限公司 | 火力发电机组燃烧控制优化方法、装置及可读存储介质 |
CN110967192A (zh) * | 2018-09-28 | 2020-04-07 | 三菱日立电力系统株式会社 | 热设备的内部状态估计方法以及装置 |
CN110967192B (zh) * | 2018-09-28 | 2022-05-03 | 三菱重工业株式会社 | 热设备的内部状态估计方法以及装置 |
US11428525B2 (en) | 2018-09-28 | 2022-08-30 | Mitsubishi Heavy Industries, Ltd. | Method and apparatus for estimating internal state of thermal component |
CN110274258A (zh) * | 2019-05-09 | 2019-09-24 | 国网河北能源技术服务有限公司 | 一种基于燃烧区域温度场预测的前馈控制燃烧调整方法 |
CN111339716A (zh) * | 2020-02-19 | 2020-06-26 | 浙江大学 | 一种锅炉高温烟气流场在线代理模型构建方法 |
CN111339716B (zh) * | 2020-02-19 | 2022-07-22 | 浙江大学 | 一种锅炉高温烟气流场在线代理模型构建方法 |
CN111612212A (zh) * | 2020-04-10 | 2020-09-01 | 杭州电子科技大学 | 一种磨煤机煤粉细度的在线优化模型更新方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103400015B (zh) | 2016-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103400015B (zh) | 基于数值模拟与试验运行数据的燃烧系统复合建模方法 | |
CN102778538B (zh) | 一种基于改进支持向量机的锅炉飞灰含碳量软测量方法 | |
CN104533701B (zh) | 一种水轮机调速系统控制参数的自动整定方法 | |
CN111829003B (zh) | 一种电厂燃烧控制系统及控制方法 | |
CN109184933B (zh) | 沼气内燃发电机组的协同优化控制方法及系统 | |
CN102594215B (zh) | 一种光伏电站模型参数辨识方法 | |
CN111046594B (zh) | 基于交叉迭代原理的热水供热网络动态仿真方法 | |
CN105608273A (zh) | 一种基于cfd软件优化动力电池包温度分布的方法 | |
CN110410819A (zh) | 燃煤锅炉燃烧动力场快速计算和实时显示系统及计算方法 | |
Li et al. | Coke oven intelligent integrated control system | |
CN112016754A (zh) | 基于神经网络的电站锅炉排烟温度超前预测系统及方法 | |
CN115034138A (zh) | 以计算流体力学与深度学习结合的锅炉温度场预测方法 | |
CN105240846A (zh) | 多变量广义预测控制优化的循环流化床锅炉燃烧过程控制方法 | |
CN103150581B (zh) | 基于最小二乘支持向量机燃烧模型的锅炉优化方法和装置 | |
CN110647040B (zh) | 一种综合能源系统的安全控制方法及装置 | |
CN105808945B (zh) | 一种混合智能锅炉效率燃烧优化方法 | |
CN113074459A (zh) | 锅炉控制优化方法及系统 | |
CN105447256A (zh) | 一种增强激励仿真遗传优化方法 | |
CN111931436A (zh) | 一种基于数值模拟与神经网络的燃烧器喷口风量预测方法 | |
KR102601707B1 (ko) | 현장 설비의 실시간 모니터링, 가상 운전 예측 및 최적화 운전 서비스가 가능한 디지털 트윈 시스템 및 방법 | |
CN116085823A (zh) | 锅炉燃烧控制方法及系统 | |
CN103645633B (zh) | 一种变换炉系统的炉温自学习控制方法 | |
CN112270109B (zh) | 一种高温碳化炉中石墨棒加热性能的模拟方法 | |
Wang et al. | Identification of continuous rotary motor based on improved particle swarm optimizing support vector machine model | |
CN101546179B (zh) | 一种火电机组过热器的非线性仿真装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |