CN106897500A - 一种基于复杂网络的燃煤锅炉结构调整的分析方法 - Google Patents

Abstract

本发明设计一种基于复杂网络的燃煤锅炉结构调整的分析方法，属于燃煤锅炉改造技术领域。该方法利用以燃煤锅炉的热效率、炉渣可燃物含量、散热损失和锅炉所属企业年产值为特征值组成燃煤锅炉特征向量。以燃煤锅炉为网络节点，燃煤锅炉特征向量间的相似程度为边，构建燃煤锅炉复杂网络。通过AP聚类社团划分算法对燃煤锅炉复杂网络社团结构进行分析获得的网络社团结构，找出网络社团结构与不同燃煤锅炉间的对应关系，求解锅炉调整选择与资源优化配置的问题，分析结果将作为燃煤锅炉结构调整的依据，从而为燃煤锅炉的整改提供理论支撑。

Description

一种基于复杂网络的燃煤锅炉结构调整的分析方法

技术领域

本发明属于燃煤锅炉改造技术领域，涉及一种基于复杂网络燃煤锅炉结构调整的分析方法。

背景技术

工业化进程中大气污染问题成为关注的重点，近年来“雾霾”成为常态已经严重影响了人们的生活满意度。在多种雾霾成因中，燃煤锅炉排放被列为首位(占30％以上)。为了提高人们生活质量改善大气环境，国家对大气指标或者改进进度做出了严格的要求，迫切需要对燃煤锅炉进行整改。

燃煤锅炉整改方案中，需要将国家或者某一区域为目标，综合考虑能源、环境、经济系统的相互作用与和谐发展的模式。目前可查解决方案包括将能源技术融合的均衡模型的建模方法，对比实施环境税和排放权交易的环境经济效果；利用成本收益法分析减排技术，建立区域间能源供给、消费节点之间的动态变动关系。但均缺少动态优化分析的手段和对相似技术影响的分析能力。

针对多资源、动态分析的复杂资源选择问题，一些学者将复杂网络模型用于能源供给与产业的优选过程中，取得了一定成果。陈卫东等改进的Weaver-Thomas模型确定我国能源重点发展地区，利用复杂网络对优选结果进行分析。孙霄凌等以市场占有份额作为度分布构造网络节点，分析了我国能源供给状况，成功验证了复杂网络在分析能源供给中的应用。

发明内容

本发明要解决的技术问题是在于针对燃煤锅炉改造技术中多目标、多资源选择上的问题，提供了一种基于复杂网络的燃煤锅炉结构调整的分析方法，以解决燃煤锅炉结构调整过程中经济、环境以及政府配套资源的全局优化选择问题。

本发明的技术方案：

一种基于复杂网络的燃煤锅炉结构调整的分析方法，步骤如下：

(1)选取某区域内的燃煤锅炉作为分析样本，确定燃煤锅炉结构调整的依据参量：将燃煤锅炉结构调整的参量作为特征值组成燃煤锅炉特征向量T；

(2)对特征值及特征向量进行约束关系分析：以燃煤锅炉为网络节点，燃煤锅炉特征向量间的相似程度为边，构建燃煤锅炉复杂网络；

(3)构建多特征值构成的网络节点相似程度因子：

式中：S(i,j)表示燃煤锅炉i和燃煤锅炉j之间的相似值，Ti为燃煤锅炉i的特征向量；T_j为燃煤锅炉j的特征向量，L为特征向量维数，k＝1，2，…，L；通过计算分析样本中任意两个燃煤锅炉特征向量之间的相似值，得出一个相似性对称矩阵S；

(4)采用近邻传播聚类算法(Affinity Propagation clustering,简称AP算法)划分燃煤锅炉复杂网络的社团结构：将燃煤锅炉作为网络节点，将所有的网络节点视为可能的聚类中心，然后通过网络节点间信息的传递，计算出分析样本的聚类中心；其中网络节点间信息主要有两种，即吸引度r(i,k)和隶属度a(i,k)。吸引度r(i,k)表示的是从节点i到候选聚类中心点k的数值消息，其反映的是候选聚类中心点k对节点i的吸引程度，其表达式为：

隶属度a(i,k)则表示的是从候选聚类中心k到节点i的数值信息，反映的是节点i对候选聚类中心k的隶属程度，即节点i是否选择节点k作为其聚类中心，其表达式为：

r(i,k)与a(i,k)越强，则k点作为聚类中心的可能性就越大，并且i点隶属于以k点为聚类中心的聚类的可能性也越大。AP算法通过迭代过程不断更新每一个点的吸引度和归属度值，直到找到高质量的聚类中心，同时将其余的数据点分配到相应的社团结构。

(5)采用基于网络模块度稳定的阈值选取方法，对燃煤锅炉复杂网络的阈值r_s进行选取，其中网络模块度的定义为：

式中，Q(F)为网络模块度；f_ij为社团结构内部边的比例；a_i为同一社团结构下随机连接网络节点的边比例的期望值；m为网络的总边数；A_ij为网络节点i与网络节点j的连边；k_i为网络节点i的度；k_j为网络节点j的度；c_i为网络节点i所在的社团结构；c_j为网络节点j所在的社团结构；δ为指示函数；当网络节点i和网络节点j属于同一社团结构时，δ(c_i,c_j)＝1，否则δ(c_i,c_j)＝0。

计算过程中Q(F)值越大，网络的社团结构越明显，通常认为Q(F)≥0.3网络就具有明显的社团结构，此时找出Q(F)变化幅度位于±2％范围内波动的起始吸引度r(i,k)，即网络整体结构稳定的起始点，规定此时r(i,k)为带选取的阈值r_s。

运用选取的阈值r_s，按照若尔当典范形理论将步骤(3)中相似性矩阵S转换为网络连接矩阵A：

规定：若相似程度因子|S(i,j)|大于等于r_s，则认为燃煤锅炉i与燃煤锅炉j的状态是相似的，其在网络连接矩阵A中相应的元素值为1；若相似程度因子|S(i,j)|小于r_s，则认为两个燃煤锅炉的状态是不相似的，其在网络连接矩阵A中相应的元素值为0。

(6)根据复杂网络结构中网络连接矩阵A的元素取值，找出社团结构与不同燃煤锅炉间的对应关系，确定燃煤锅炉改造选择和资源优化配套的方案。

本发明的有益效果在于：本发明所述方法从燃煤锅炉的结构和动态参量出发，提出了一种基于复杂网络的燃煤锅炉结构调整的分析方法，具备动态优化和对相似技术影响分析的能力，对于燃煤锅炉结构改造具有工程指导意义。

附图说明

下面将结合附图及实施例对发明作进一步说明，附图中：

图1是本发明实施例的燃煤锅炉复杂网络的阈值结果图；

图2是本发明实施例的燃煤锅炉节点复杂网络示意图。

具体实施方式

为了使本发明的目的、技术方案和有益效果更加清楚说明，结合一下实施例对本发明进行进一步详细说明。然而此处所述具体实施例仅用以解释，并不用于限定本发明的应用条件。

本发明的实施例步骤如下：

(1)本例以浙江省温州市某区90台燃煤锅炉作为研究案例，将燃煤锅炉结构调整的主要依据参量热效率、炉渣可燃物含量、散热损失和锅炉所属企业年产值作为特征值组成燃煤锅炉特征向量T；

(2)对特征值及特征向量进行约束关系分析，以90台燃煤锅炉(6吨/时、10吨/时和15吨/时三种)为网络节点，燃煤锅炉特征向量间的相似程度为边，构建燃煤锅炉复杂网络。

(3)构建多特征值热效率、炉渣可燃物含量、散热损失和年产值的网络节点相似程度因子。

(4)采用AP聚类算法划分燃煤锅炉复杂网络的社团结构，计算出90个样本的聚类中心以，如图2所示。其中A社团以节点86为中心节点包含40个节点、B社团以节点36为中心包含29个节点、C社团以节点6为中心点包含21个节点。

(5)采用网络模块度相对稳定性的阈值选取方法，图1给出不同延时参数下模块度随阈值变化的情况，阈值在之间变化时，相应的网络模块度Q相对稳定且最大，因此选择阈值作为关键阈值。

(6)根据复杂网络结构中相似程度因子，确定A社团中的节点主要对应于6吨/时的燃煤锅炉，其与B社团之间连接紧密的节点则主要对应于6吨/时燃煤锅炉与10吨/时燃煤锅炉之间性能相似的燃煤锅炉；B社团中的节点主要对应于10吨/时燃煤锅炉，其与C社团之间连接紧密的节点则主要对应于10吨/时燃煤锅炉与15吨/时燃煤锅炉之间性能相似的燃煤锅炉；社团C中的节点则主要对应于15吨/时燃煤锅炉。确定燃煤锅炉改造选择和资源优化配套的方案。从图2可以发现隶属于A社团的节点51和节点58被划入了对应于10吨/时燃煤锅炉的社团B，而隶属于B社团的节点48则被划入了主要对应于6吨/时燃煤锅炉A社团。隶属于C社团中的节点19和20被划入主要对应于10吨/时燃煤锅炉的B社团，而B社团中的节点23和24则划入对应于15吨/时燃煤锅炉的C社团，这种情况的出现主要是由于锅炉使用年限和效率的综合作用。过渡区域燃煤锅炉的能耗、污染物排放率以及收益率的相似程度高，迫切需要对这些燃煤锅炉进行整改。因此，通过AP聚类社团结构划分算法对燃煤锅炉复杂网络社团结构进行分析，找出了网络社团结构与不同燃煤锅炉的对应关系，从而为燃煤锅炉的整改提供了理论支撑。

Claims (1)

1.一种基于复杂网络的燃煤锅炉结构整改的方法，其特征在于，步骤如下：

(1)选取某区域内的燃煤锅炉作为分析样本，确定燃煤锅炉结构调整的依据参量：将燃煤锅炉结构调整的参量作为特征值组成燃煤锅炉特征向量T；

(2)对特征值及特征向量进行约束关系分析：以燃煤锅炉为网络节点，燃煤锅炉特征向量间的相似程度为边，构建燃煤锅炉复杂网络；

(3)构建多特征值构成的网络节点相似程度因子：

$S(i,j)=\frac{{\mathrm{\&Sigma;}}_{k=1}^L\&lsqb;T_i\left(k\right)-<T_i>\&rsqb;*\&lsqb;T_j\left(k\right)-<T_j>\&rsqb;}{\sqrt{{\mathrm{\&Sigma;}}_{k=1}^L{\&lsqb;T_i\left(k\right)-<T_i>\&rsqb;}^2}*\sqrt{{\mathrm{\&Sigma;}}_{k=1}^L{\&lsqb;T_j\left(k\right)-<T_j>\&rsqb;}^2}}$

式中：S(i,j)表示燃煤锅炉i和燃煤锅炉j之间的相似值，Ti为燃煤锅炉i的特征向量；T_j为燃煤锅炉j的特征向量，L为特征向量维数，k＝1，2，…，L；通过计算分析样本中任意两个燃煤锅炉特征向量之间的相似值，得出一个相似性对称矩阵S；

(4)采用近邻传播聚类算法划分燃煤锅炉复杂网络的社团结构：将燃煤锅炉作为网络节点，将所有的网络节点视为可能的聚类中心，然后通过网络节点间信息的传递，计算出分析样本的聚类中心；其中网络节点间信息主要有两种，即吸引度r(i,k)和隶属度a(i,k)；吸引度r(i,k)表示的是从节点i到候选聚类中心点k的数值消息，其反映的是候选聚类中心点k对节点i的吸引程度，其表达式为：

$r(i,k)=s(i,k)-\underset{k^{\&prime;}\&NotEqual;k}{max}\{a(i,k^{\&prime;})-s(i,k^{\&prime;})\}$

隶属度a(i,k)则表示的是从候选聚类中心k到节点i的数值信息，反映的是节点i对候选聚类中心k的隶属程度，即节点i是否选择节点k作为其聚类中心，其表达式为：

r(i,k)与a(i,k)越强，则k点作为聚类中心的可能性就越大，并且i点隶属于以k点为聚类中心的聚类的可能性也越大；AP算法通过迭代过程不断更新每一个点的吸引度和归属度值，直到找到高质量的聚类中心，同时将其余的数据点分配到相应的社团结构；

(5)采用基于网络模块度稳定的阈值选取方法，对燃煤锅炉复杂网络的阈值r_s进行选取，其中网络模块度的定义为：

$Q\left(F\right)=\underset{i}{\&Sigma;}(f_{ij}-a_i^2)=\frac{1}{2m}\underset{i,j}{\&Sigma;}(A_{ij}-\frac{k_i{k}_j}{2m})\mathrm{\&delta;}(c_i,c_j)$

式中，Q(F)为网络模块度；f_ij为社团结构内部边的比例；a_i为同一社团结构下随机连接网络节点的边比例的期望值；m为网络的总边数；A_ij为网络节点i与网络节点j的连边；k_i为网络节点i的度；k_j为网络节点j的度；c_i为网络节点i所在的社团结构；c_j为网络节点j所在的社团结构；δ为指示函数；当网络节点i和网络节点j属于同一社团结构时，δ(c_i,c_j)＝1，否则δ(c_i,c_j)＝0；

计算过程中Q(F)值越大，网络的社团结构越明显，通常认为Q(F)≥0.3网络就具有明显的社团结构，此时找出Q(F)变化幅度位于±2％范围内波动的起始吸引度r(i,k)，即网络整体结构稳定的起始点，规定此时r(i,k)为带选取的阈值r_s；

运用选取的阈值r_s，按照若尔当典范形理论将步骤(3)中相似性矩阵S转换为网络连接矩阵A：

$A(i,j)=\left\{\begin{array}{c}1,\left(\right|S\left(i,j\right)|\&GreaterEqual;r_s)\\ 0,\left(\right|S\left(i,j\right)|<r_s)\end{array}\right.$

规定：若相似程度因子|S(i,j)|大于等于r_s，则认为燃煤锅炉i与燃煤锅炉j的状态是相似的，其在网络连接矩阵A中相应的元素值为1；若相似程度因子|S(i,j)|小于r_s，则认为两个燃煤锅炉的状态是不相似的，其在网络连接矩阵A中相应的元素值为0；

(6)根据复杂网络结构中网络连接矩阵A的元素取值，找出社团结构与不同燃煤锅炉间的对应关系，确定燃煤锅炉改造选择和资源优化配套的方案。