CN106018731A - 一种煤质挥发分、固定碳在线检测方法及系统 - Google Patents
一种煤质挥发分、固定碳在线检测方法及系统 Download PDFInfo
- Publication number
- CN106018731A CN106018731A CN201610310539.6A CN201610310539A CN106018731A CN 106018731 A CN106018731 A CN 106018731A CN 201610310539 A CN201610310539 A CN 201610310539A CN 106018731 A CN106018731 A CN 106018731A
- Authority
- CN
- China
- Prior art keywords
- fixed carbon
- coal
- volatile matter
- forecast model
- carbon
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 58
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 49
- 239000003245 coal Substances 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000012549 training Methods 0.000 claims abstract description 19
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 11
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 11
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 11
- 229910052717 sulfur Inorganic materials 0.000 claims abstract description 10
- 230000002068 genetic effect Effects 0.000 claims abstract description 6
- 238000012706 support-vector machine Methods 0.000 claims abstract description 5
- 238000010998 test method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 description 14
- 238000012360 testing method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 238000000921 elemental analysis Methods 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/22—Fuels; Explosives
- G01N33/222—Solid fuels, e.g. coal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Regulation And Control Of Combustion (AREA)
Abstract
本发明公开了一种固定碳及挥发分在线检测方法，具体为：在线检测待测煤的元素C、H、O、N、S的质量含量，将检测出的元素质量含量作为预先构建好的固定碳及挥发分预测模型的输入，输出得到待测煤的固定碳、挥发分质量含量；所述固定碳及挥发分预测模型预先按照如下方式训练得到：收集样本煤质数据，选择支持向量机作为构建模型方法，选择遗传算法作为寻优算法，以样本煤质的元素C、H、O、N、S的质量含量作为预测模型的输入，以样本煤质的固定碳、挥发分的质量含量作为预测模型的输出，训练得到固定碳及挥发分预测模型。本发明实现对煤的固定碳及挥发分在线检测，操作简单，有利于锅炉的在线调整优化。
Description
技术领域
本发明属于煤质工业分析测量技术领域，具体涉及一种煤质固定碳、挥发分在线检测方法及系统。
背景技术
在线监测煤质变化以实时调整锅炉运行燃烧，减少锅炉运行问题对于当下火电厂而言成为必不可少的环节。而火电厂传统的煤质检测方法采用离线取样分析，由专业技术人员拿到实验室进行化验检测。传统检测方法耗时长，分析滞后，难以有效地实时指导锅炉优化运行。因此，煤质在线检测技术变得十分必要，在线分析实时性强，时刻掌握煤质变化情况，对于锅炉的优化运行带来有力帮助。
锅炉燃烧优化主要关注煤的工业分析数据，包括煤的水分、灰分、挥发分、固定碳、发热量，然而现在诸多在线分析技术，只能对煤的元素分析、水分、灰分进行在线检测，目前还没有对煤的挥发分、固定碳进行直接检测的在线检测方法装置，因此提出一种在线检测固定碳、挥发分在线检测方法极有意义，而在此基础上建立煤质在线分析技术的锅炉复杂煤种条件下的燃烧优化控制系统，对于锅炉的燃烧加以实时优化控制、使锅炉能在一个最佳的状态下运行特别有价值和意义。
发明内容
针对现有技术存在的不足或进一步需求，本发明公开了一种固定碳及挥发分在线检测方法及系统，其目的在于，实现对煤的固定碳及挥发分在线检测，有利于锅炉的在线调整优化。
为实现本发明技术目的，本发明采用如下技术方案：
一种固定碳及挥发分在线检测方法，具体为：在线检测待测煤的元素C、H、O、N、S的质量含量，将检测出的元素质量含量作为固定碳及挥发分预测模型的输入，输出得到待测煤的固定碳、挥发分质量含量；
所述固定碳及挥发分预测模型预先按照如下方式训练得到：收集样本煤质数据，选择支持向量机作为构建模型方法，选择遗传算法作为寻优算法，以样本煤质的元素C、H、O、N、S的质量含量作为预测模型的输入，以样本煤质的固定碳、挥发分的质量含量作为预测模型的输出，训练得到固定碳及挥发分预测模型。
总体而言，本发明具有以下技术效果：
本发明通过构建固定碳、挥发分预测模型，利用这个模型在煤进入炉膛之前在线得到它的固定碳、挥发分数据，最大的特点是在于它的实时性，通过元素分析在线检测装置检测出煤的C、H、O、N、S元素含量，通过这个模型立刻就能预测出挥发分、固定碳数据，对于锅炉运行的实时调整带来极大帮助。
附图说明
图1是构建固定碳、挥发分预测模型流程示意图；
图2是固定碳预测训练集拟合示意图；
图3是固定碳预测测试集拟合示意图；
图4是挥发分预测训练集拟合示意图；
图5是挥发分预测测试集拟合示意图；
图6是挥发分预测相对误差分布范围示意图；
图7是固定碳预测相对误差分布范围示意图；
图8是煤的工业分析在线检测流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
一、构建预测固定碳及挥发分模型
收集煤质样本数据，将收集的数据进行归一化处理。选择支持向量机作为构建模型方法，选择遗传算法作为寻优算法，以煤质的C、H、O、N、S的质量含量作为预测模型的输入，以固定碳、挥发分的质量含量作为预测模型的输出，训练得到固定碳及挥发分预测模型。
图1给出本发明构建预测模型实例的流程图，该实例中采用支持向量机方法，以C、H、O、N、S作为输入，以固定碳、挥发分作为输出。训练时随机选取70％的数据作为训练集，余下30％的数据作为测试集。选用径向基函数作为核函数,应用遗传算法进行寻优，找到最优的模型参数以确定模型。
下面对实例进行模型误差分析。图2所示的是固定碳训练集预测值与实验值的拟合图；图3所示的是固定碳测试集预测值与实际值的拟合图。图4所示的是挥发分训练集预测值与实验值的拟合图；图5所示的是固定碳测试集预测值与实际值的拟合图，纵坐标表示预测值，横坐标表示实验值，通过观察发现，拟合图中绝大部分点都集中在零误差线上，这说明了构建的模型误差小，精确度较高。
为了更加详尽地对误差进行分析，我们把预测值与实验值进行比较，把相对误差的分布范围以图表的形式呈现出来，图6、图7分别表示挥发分预测、固定碳预测相对误差分布柱状图，表1、表2以表格的形式更加直观地将挥发分预测、固定碳预测的相对误差分布呈现出来。
表1挥发分预测
表2固定碳预测
由表1可以看出，在挥发分预测中，相对误差小于5％的，训练集所占比例为70.07％，测试集为66.22％；相对误差在5％与10％之间的，训练集所占比例为22.27％，测试集为24.77％；误差大于10％的，训练集为7.66％，测试集为9.03％。由误差结果分析可知，挥发分预测模型准确度较高，相对误差较小，大部分误差集中在5％以下，由此说明，构建的挥发分预测模型精确度是较高的
由表2可以看出，在固定碳预测中，相对误差小于5％的，训练集所占比例为85.71％，测试集为80.87％；相对误差在5％与10％之间的，训练集所占比例为12.09％，测试集为15.48％；误差大于10％的，训练集为2.2％，测试集为3.65％。相对误差主要集中在10％以下，所占比例训练集与测试集均在95％以上。由误差分析可知，固定碳预测模型准确度较高，相比于挥发分模效果还更好。
二、引入预测模型应用于固定碳及挥发分在线检测
图8给出固定碳及挥发分在线检测流程，利用已有装置在线检测煤的元素C、H、O、N、S，将C、H、O、N、S作为元素分析数据采集，引入构建好的预测模型，将元素分析数据作为预测模型的输入，预测出固定碳、挥发分含量。
在获取固定碳、挥发分含量后，还可利用现有装置检测出煤质水分、灰分，得到完整的工业分析数据，根据该工业分析数据优化调整锅炉燃烧。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.一种固定碳及挥发分在线检测方法，其特征在于，具体为：在线检测待测煤的元素C、H、O、N、S的质量含量，将检测出的元素质量含量作为固定碳及挥发分预测模型的输入，输出得到待测煤的固定碳、挥发分质量含量；
所述固定碳及挥发分预测模型预先按照如下方式训练得到：收集样本煤质数据，选择支持向量机作为构建模型方法，选择遗传算法作为寻优算法，以样本煤质的元素C、H、O、N、S的质量含量作为预测模型的输入，以样本煤质的固定碳、挥发分的质量含量作为预测模型的输出，训练得到固定碳及挥发分预测模型。
2.根据权利要求1所述的一种固定碳及挥发分在线检测方法，其特征在于，所述构建预测模型采用支持向量机方法。
3.根据权利要求1或2所述的一种固定碳及挥发分在线检测方法，其特征在于，所述训练过程中采用的寻优算法为遗传算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610310539.6A CN106018731B (zh) | 2016-05-12 | 2016-05-12 | 一种煤质挥发分、固定碳在线检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610310539.6A CN106018731B (zh) | 2016-05-12 | 2016-05-12 | 一种煤质挥发分、固定碳在线检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106018731A true CN106018731A (zh) | 2016-10-12 |
| CN106018731B CN106018731B (zh) | 2018-09-25 |
Family
ID=57099975
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610310539.6A Active CN106018731B (zh) | 2016-05-12 | 2016-05-12 | 一种煤质挥发分、固定碳在线检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106018731B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108489912A (zh) * | 2018-05-11 | 2018-09-04 | 东北大学 | 一种基于煤炭光谱数据的煤炭成分分析方法 |
| CN110927193A (zh) * | 2019-10-22 | 2020-03-27 | 北京浩然科诺科技有限公司 | 一种基于深度学习的煤质在线检测分析系统及方法 |
| CN114813635A (zh) * | 2022-06-28 | 2022-07-29 | 华谱智能科技(天津)有限公司 | 煤炉燃烧参数的优化方法及电子设备 |
| CN114941839A (zh) * | 2022-05-12 | 2022-08-26 | 清华大学 | 循环流化床锅炉投料温度的测定方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101541030A (zh) * | 2009-05-06 | 2009-09-23 | 华为技术有限公司 | 基于支持向量机的数据预测方法和设备 |
| CN202854070U (zh) * | 2012-10-10 | 2013-04-03 | 南京达凯电力自动化设备有限公司 | 一种煤质成分在线检测装置 |
| CN103194553A (zh) * | 2013-04-07 | 2013-07-10 | 昆明理工大学 | 一种基于最小二乘支持向量机的钢铁冶炼高炉氧气使用量控制方法 |
| CN103235101A (zh) * | 2013-04-19 | 2013-08-07 | 国家电网公司 | 一种煤质特性的检测方法 |
| JP2015025187A (ja) * | 2013-07-29 | 2015-02-05 | Ｊｆｅスチール株式会社 | 異常検知方法および高炉操業方法 |
| CN104951803A (zh) * | 2015-06-24 | 2015-09-30 | 大连理工大学 | 基于动态移动窗最小二乘支持向量机的常压精馏塔航煤干点软测量方法 |
| CN105243437A (zh) * | 2015-09-21 | 2016-01-13 | 武汉科技大学 | 用于捣固炼焦的预测焦炭质量和优化配煤比的方法 |
-
2016
- 2016-05-12 CN CN201610310539.6A patent/CN106018731B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101541030A (zh) * | 2009-05-06 | 2009-09-23 | 华为技术有限公司 | 基于支持向量机的数据预测方法和设备 |
| CN202854070U (zh) * | 2012-10-10 | 2013-04-03 | 南京达凯电力自动化设备有限公司 | 一种煤质成分在线检测装置 |
| CN103194553A (zh) * | 2013-04-07 | 2013-07-10 | 昆明理工大学 | 一种基于最小二乘支持向量机的钢铁冶炼高炉氧气使用量控制方法 |
| CN103235101A (zh) * | 2013-04-19 | 2013-08-07 | 国家电网公司 | 一种煤质特性的检测方法 |
| JP2015025187A (ja) * | 2013-07-29 | 2015-02-05 | Ｊｆｅスチール株式会社 | 異常検知方法および高炉操業方法 |
| CN104951803A (zh) * | 2015-06-24 | 2015-09-30 | 大连理工大学 | 基于动态移动窗最小二乘支持向量机的常压精馏塔航煤干点软测量方法 |
| CN105243437A (zh) * | 2015-09-21 | 2016-01-13 | 武汉科技大学 | 用于捣固炼焦的预测焦炭质量和优化配煤比的方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108489912A (zh) * | 2018-05-11 | 2018-09-04 | 东北大学 | 一种基于煤炭光谱数据的煤炭成分分析方法 |
| CN108489912B (zh) * | 2018-05-11 | 2019-08-27 | 东北大学 | 一种基于煤炭光谱数据的煤炭成分分析方法 |
| CN110927193A (zh) * | 2019-10-22 | 2020-03-27 | 北京浩然科诺科技有限公司 | 一种基于深度学习的煤质在线检测分析系统及方法 |
| CN110927193B (zh) * | 2019-10-22 | 2022-03-25 | 北京浩然科诺科技有限公司 | 一种基于深度学习的煤质在线检测分析系统及方法 |
| CN114941839A (zh) * | 2022-05-12 | 2022-08-26 | 清华大学 | 循环流化床锅炉投料温度的测定方法 |
| CN114813635A (zh) * | 2022-06-28 | 2022-07-29 | 华谱智能科技(天津)有限公司 | 煤炉燃烧参数的优化方法及电子设备 |
| CN114813635B (zh) * | 2022-06-28 | 2022-10-04 | 华谱智能科技(天津)有限公司 | 煤炉燃烧参数的优化方法及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106018731B (zh) | 2018-09-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zou et al. | Nondestructive identification of coal and gangue via near-infrared spectroscopy based on improved broad learning | |
| CN106018731A (zh) | 一种煤质挥发分、固定碳在线检测方法及系统 | |
| WO2017067241A1 (zh) | 焊接温度场控制系统及方法 | |
| CN106018730B (zh) | 基于磨煤机入口一次风修正的煤质水分测量装置和方法 | |
| CN103439342A (zh) | 基于热图时序特征的红外无损检测方法 | |
| WO2020098261A1 (zh) | 一种控制烘丝入口含水率的方法和系统 | |
| CN111352408B (zh) | 一种基于证据k近邻的多工况流程工业过程故障检测方法 | |
| CN104132967B (zh) | 一种基于双阈值随机共振的低浓度气体检测方法 | |
| CN109389238B (zh) | 一种基于岭回归的短期负荷预测方法及装置 | |
| CN105354831A (zh) | 一种基于图像分块方差-加权特征值的多缺陷检测方法 | |
| CN104504509A (zh) | 采用动态基准值的火电厂耗差分析系统及其方法 | |
| CN102876838A (zh) | 一种转炉内碳含量和温度检测系统 | |
| CN106649919A (zh) | 燃煤电站锅炉飞灰含碳量预测模型构建方法及系统 | |
| CN113450880A (zh) | 一种脱硫系统入口so2浓度智能预测方法 | |
| CN105259318A (zh) | 一种基于气象参数的恶臭ou值预测方法和系统 | |
| CN107918135B (zh) | 水分胁迫状态监测方法、装置及电子设备 | |
| CN104536396A (zh) | 一种水泥生料在分解炉内分解过程的软测量建模方法 | |
| CN109032117A (zh) | 基于arma模型的单回路控制系统性能评价方法 | |
| CN105224941B (zh) | 对象辨识与定位方法 | |
| Chen et al. | Hyperspectral detection of sugar content for sugar-sweetened apples based on sample grouping and SPA feature selecting methods | |
| CN112651173B (zh) | 一种基于跨域光谱信息的农产品品质无损检测方法及可泛化系统 | |
| CN116360375B (zh) | 太阳能光伏组件的可重复性制造控制方法及其系统 | |
| CN113283052A (zh) | 飞灰含碳量软测量方法及燃煤锅炉燃烧优化方法和系统 | |
| CN109444107A (zh) | 基于支持向量机的sf6气体检测定量分析方法 | |
| CN107832880B (zh) | 基于布料参数的高炉状态变量预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |