CN112036091A - 一种利用回归算法预测四角切圆燃烧器喷口风量的方法 - Google Patents
一种利用回归算法预测四角切圆燃烧器喷口风量的方法 Download PDFInfo
- Publication number
- CN112036091A CN112036091A CN202010961176.9A CN202010961176A CN112036091A CN 112036091 A CN112036091 A CN 112036091A CN 202010961176 A CN202010961176 A CN 202010961176A CN 112036091 A CN112036091 A CN 112036091A
- Authority
- CN
- China
- Prior art keywords
- data
- nozzle
- air
- regression
- air quantity
- 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.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 37
- 240000004282 Grewia occidentalis Species 0.000 title claims abstract description 12
- 238000004088 simulation Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 15
- 238000002485 combustion reaction Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 2
- 238000010304 firing Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 9
- 238000012795 verification Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
Abstract
一种利用回归算法预测四角切圆燃烧器喷口风量的方法，它属于燃烧器喷口风量预测技术领域。本发明解决了传统的燃烧器喷口风量预测的预测准确率和预测效率低的问题。本发明基于数值模拟结果，利用fluent软件对生成各层燃烧器喷口风量、各风门的分布数值仿真，从而得到燃烧器喷口风量分布数据，将燃烧器喷口风量用数据进行可视化。本发明将岭回归，随机梯度下降，lasso回归，支持向量回归机SVR四种回归算法集成，选择预测效果最好的算法进行燃烧器喷口风量预测。回归算法的处理信息量大、计算速度快、通过简便快捷的方式处理复杂问题、能够有效提高燃烧器喷口风量预测的准确率和效率。本发明可以应用于燃烧器喷口风量的预测。
Description
技术领域
本发明属于燃烧器喷口风量预测技术领域，具体涉及一种利用回归算法预测四角切圆燃烧器喷口风量的方法。
背景技术
为了保证锅炉稳定运行，提高锅炉燃烧效率，锅炉炉膛内煤粉燃料的燃烧过程必须在可控范围内，这就需要对进入炉膛内部风量的分配情况有准确的了解。CFD(Computational Fluid Dynamics)数值模拟技术拥有丰富的数学计算模型，能够准确的反映出流体流动、传热、燃烧等过程。但仅仅使用CFD预测，会有操作步骤多，工作量大，仿真模拟速度慢，数值分析过程耗时长、典型工况覆盖面窄等问题。因此，传统的燃烧器喷口风量预测方法的预测准确率和预测效率均比较低，均有待进一步提高。
发明内容
本发明的目的是为解决传统的燃烧器喷口风量预测的预测准确率和预测效率低的问题，而提出了一种利用回归算法预测四角切圆燃烧器喷口风量的方法。
本发明为解决上述技术问题采取的技术方案是：一种利用回归算法预测四角切圆燃烧器喷口风量的方法，该方法包括以下步骤：
步骤一、利用数值模拟软件建立锅炉热二次风道的物理模型，基于采集的数据和建立的物理模型生成各层燃烧器喷口风量、各风门的分布数据；
步骤二、对步骤一中采集的数据和生成的数据进行归一化处理，获得归一化后的数据；
步骤三、分别将岭回归，随机梯度下降，lasso回归和支持向量回归机SVR四种算法整合成回归算法学习机；
将归一化后的各工况下的风箱风量，各sofa风门开度，各层燃烧器风门开度数据作为输入数据，将归一化后的各层燃烧器喷口风量、各风门的分布数据作为输出数据；
利用输入数据和输出数据分别对四种回归算法学习机进行训练，获得训练好的四种回归算法学习机；
步骤四、从步骤三训练好的四种回归算法学习机中选择出预测效果最好的学习机用于各层燃烧器喷口风量的预测。
本发明的有益效果是：本发明提出了一种利用回归算法预测四角切圆燃烧器喷口风量的方法，本发明将岭回归，随机梯度下降，lasso回归，支持向量回归机SVR四种回归算法集成，选择预测效果最好的算法进行燃烧器喷口风量预测。回归算法的处理信息量大、计算速度快、通过简便快捷的方式处理复杂问题、能够有效提高燃烧器喷口风量预测的准确率和效率。
本发明基于数值模拟结果，利用fluent软件对生成各层燃烧器喷口风量、各风门的分布数值仿真，从而得到燃烧器喷口风量分布数据，将燃烧器喷口风量用数据进行可视化。
附图说明
图1为本发明的一种利用回归算法预测四角切圆燃烧器喷口风量的方法的流程图。
具体实施方式
具体实施方式一：结合图1说明本实施方式。本实施方式所述的一种利用回归算法预测四角切圆燃烧器喷口风量的方法，该方法具体通过以下步骤实现：
步骤一、利用数值模拟软件(ANSYS FLUENT)建立锅炉热二次风道的物理模型，基于采集的数据和建立的物理模型生成各层燃烧器喷口风量、各风门的分布数据；
步骤二、对步骤一中采集的数据和生成的数据进行归一化处理，获得归一化后的数据；
步骤三、分别将岭回归，随机梯度下降，lasso回归和支持向量回归机SVR四种算法整合成回归算法学习机；
将归一化后的各工况下的风箱风量，各sofa风门开度，各层燃烧器风门开度数据作为输入数据，将归一化后的各层燃烧器喷口风量、各风门的分布数据作为输出数据；
利用输入数据和输出数据分别对四种回归算法学习机进行训练，获得训练好的四种回归算法学习机；
步骤四、从步骤三训练好的四种回归算法学习机中选择出预测效果最好的学习机用于各层燃烧器喷口风量的预测。
为了保证锅炉稳定运行，锅炉炉膛内煤粉燃料的燃烧过程必须在可控范围内，这就需要对进入炉膛内部风量的分配情况有准确的了解。现提出一种基于数值模拟的利用回归算法预测四角切圆燃烧器喷口风量的方法，提升计算效率。以现场采集的运行数据为依据，对某电厂火电机组热二次风道内热二次风的流动和各喷风量的分配进行模拟预测，以便准确的掌握火电机组实际运行过程中风量的分配，进一步通过调节风量改善锅炉炉膛内部的燃烧情况，从而维持火电机组运行的稳定性，进一步提高机组效率。
具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤一中，采集的数据为实时或离线数据，采集的数据包括各工况下的风箱风量，各sofa风门开度，各层燃烧器风门开度数据。
具体实施方式三：本实施方式与具体实施方式二不同的是：所述步骤一中，基于采集的数据和建立的物理模型生成各层燃烧器喷口风量、各风门的分布数据，其具体过程为：
利用电站锅炉采集的实时或离线数据，在采集的数据后面加上边界条件后，将采集的数据输入建立的物理模型；
结合燃烧机理，流动模型和传热模型，对电站锅炉热二次风道内部的风箱风量，各sofa风门开度，各层燃烧器风门开度进行数值模拟，生成各层燃烧器喷口风量、各风门的分布数据。
具体实施方式四：本实施方式与具体实施方式一不同的是：所述归一化处理的具体过程为：
式中，
表示第k个样本在n维数据归一化下的生成参数，
表示第k个样本按时间序列排列n维元数据，
表示第k个样本的n维数据，k＝1,2,…,N，N为数据集数量。
由于基于CFD的仿真数据具有不同的量纲和数量级。如果直接使用原始数据作为输入数据进行建模训练，会突出数值较高的数据在建模过程中的影响，从而忽略数值水平较低的数据。因此，为了保证结果的可靠性并提高训练的收敛性，在实验开始前需要对仿真数据进行归一化处理，消除不同数据间的量纲差异后进行建模训练。
将处理后的数据划分成训练数据、验证数据，利用训练数据对四种回归算法学习机进行训练，利用验证数据对四种回归算法学习机进行验证。
具体实施方式五：本实施方式与具体实施方式一不同的是：所述步骤四的具体过程为：
选择拟合程度、均方根误差、均方误差和平均绝对误差作为评价指标，从步骤三训练好的四种回归算法学习机中选择出预测效果最好的学习机算法，设计出不同的风箱风量，各sofa风门开度，各层燃烧器风门开度数据作为选择出的学习机算法的输入，利用选择出的学习机算法预测出各层燃烧器喷口风量数据。
实施例
针对采集的离线数据，用数值模拟软件建立锅炉热二次风道的物理模型，生成有关风量，风门的分布及相应数据文件，得到数据结果；利用数据处理方法处理数值模拟结果；利用回归算法预测，最终实现不同工况下燃烧器喷口风量的预测，为实现锅炉实际运行提供理论和实践依据。包括以下步骤：
一)、数值模拟仿真。利用数值模拟软件建立锅炉热二次风道的物理模型，仿真运算。
二)、数据处理。处理数值模拟结果。
三)、算法预测。利用四种回归算法预测再热器左右两侧温度偏差。
四)、结果应用。从四种回归算法选择效果最佳算法，预测指定工况下的燃烧器出口风量。
每一步骤具体步骤如下：
一)、数值模拟仿真。
利用电站锅炉采集的实时或离线数据，在离线数据后面加上边界条件输入，结合燃烧机理，流动模型和传热模型，对电站锅炉热二风道内部风箱风量和各喷口模型在fluent中进行数值模拟，生成有关风量，风门的分布及相应数据文件。
确定研究对象为各燃烧器的喷口风量，通过专家经验确定与燃烧器的喷口风量相关的影响因素，确定了包括风箱风量、各sofa风门开度、各层燃烧器风门开度等13个影响因素。即输入对象为各工况下的风箱风量，各sofa风门开度，各层燃烧器风门开度，输出对象为各层燃烧器喷口风量。
二)、数据处理。
由于基于CFD的仿真数据具有不同的量纲和数量级。如果直接使用原始数据作为输入数据进行建模训练，会突出数值较高的数据在建模过程中的影响，从而忽略数值水平较低的数据。因此，为了保证结果的可靠性并提高训练的收敛性，在实验开始前需要对仿真数据进行归一化处理，消除不同数据间的量纲差异后进行建模训练。采用数据标准化分析对所需要的数据进行预处理：
式中
表示第k个样本在n维数据标准化下的生产参数，
表示第k个样本按时间序列排列n维元数据，K为数据集数量。将处理后的数据划分成训练数据、验证数据。
三)、算法预测。
编写程序将岭回归，随机梯度下降，lasso，支持向量回归机SVR这四种回归算法集成，整合成回归算法学习机，通过此学习机预测各层燃烧器喷口风量。将训练数据通过回归算法学习机训练网络，分别形成四种不同的回归算法网络。将验证集的输入数据分别通过这四种网络，得到预测结果。通过比对拟合程度，均方根误差等评价指标，选出结果最好的算法，为最终的预测算法。
四)、结果应用。
设计好要预测的单个或多个工况，包括风箱风量、各sofa风门开度、各层燃烧器风门开度作为输入数据，利用最优的回归算法，预测各层燃烧器喷口风量。
数据集通过岭回归，随机梯度下降，lasso，支持向量回归机SVR这四种回归算法后，选出拟合程度高、误差小、准确率高的算法。
基于数值模拟的利用回归算法预测四角切圆燃烧器喷口风量的方法，可以提升计算效率，省去大量数值模拟操作步骤及计算时间。能准确的掌握火电机组实际运行过程中风量的分配，进一步通过调节风量改善锅炉炉膛内部的燃烧情况，从而维持火电机组运行的稳定性，进一步提高机组效率。
本发明的上述算例仅为详细地说明本发明的计算模型和计算流程，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (5)
1.一种利用回归算法预测四角切圆燃烧器喷口风量的方法，其特征在于，该方法包括以下步骤：
步骤一、利用数值模拟软件建立锅炉热二次风道的物理模型，基于采集的数据和建立的物理模型生成各层燃烧器喷口风量、各风门的分布数据；
步骤二、对步骤一中采集的数据和生成的数据进行归一化处理，获得归一化后的数据；
步骤三、分别将岭回归，随机梯度下降，lasso回归和支持向量回归机SVR四种算法整合成回归算法学习机；
将归一化后的各工况下的风箱风量，各sofa风门开度，各层燃烧器风门开度数据作为输入数据，将归一化后的各层燃烧器喷口风量、各风门的分布数据作为输出数据；
利用输入数据和输出数据分别对四种回归算法学习机进行训练，获得训练好的四种回归算法学习机；
步骤四、从步骤三训练好的四种回归算法学习机中选择出预测效果最好的学习机用于各层燃烧器喷口风量的预测。
2.根据权利要求1所述的一种利用回归算法预测四角切圆燃烧器喷口风量的方法，其特征在于，所述步骤一中，采集的数据为实时或离线数据，采集的数据包括各工况下的风箱风量，各sofa风门开度，各层燃烧器风门开度数据。
3.根据权利要求2所述的一种利用回归算法预测四角切圆燃烧器喷口风量的方法，其特征在于，所述步骤一中，基于采集的数据和建立的物理模型生成各层燃烧器喷口风量、各风门的分布数据，其具体过程为：
利用电站锅炉采集的实时或离线数据，在采集的数据后面加上边界条件后，将采集的数据输入建立的物理模型；
结合燃烧机理，流动模型和传热模型，对电站锅炉热二次风道内部的风箱风量，各sofa风门开度，各层燃烧器风门开度进行数值模拟，生成各层燃烧器喷口风量、各风门的分布数据。
4.根据权利要求1所述的一种利用回归算法预测四角切圆燃烧器喷口风量的方法，其特征在于，所述归一化处理的具体过程为：
式中，
表示第k个样本在n维数据归一化下的生成参数，
表示第k个样本按时间序列排列n维元数据，
表示第k个样本的n维数据，k＝1,2,…,N，N为数据集数量。
5.根据权利要求1所述的一种利用回归算法预测四角切圆燃烧器喷口风量的方法，其特征在于，所述步骤四的具体过程为：
选择拟合程度、均方根误差、均方误差和平均绝对误差作为评价指标，从步骤三训练好的四种回归算法学习机中选择出预测效果最好的学习机算法，设计出不同的风箱风量，各sofa风门开度，各层燃烧器风门开度数据作为选择出的学习机算法的输入，利用选择出的学习机算法预测出各层燃烧器喷口风量数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010961176.9A CN112036091A (zh) | 2020-09-14 | 2020-09-14 | 一种利用回归算法预测四角切圆燃烧器喷口风量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010961176.9A CN112036091A (zh) | 2020-09-14 | 2020-09-14 | 一种利用回归算法预测四角切圆燃烧器喷口风量的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112036091A true CN112036091A (zh) | 2020-12-04 |
Family
ID=73589156
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010961176.9A Pending CN112036091A (zh) | 2020-09-14 | 2020-09-14 | 一种利用回归算法预测四角切圆燃烧器喷口风量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112036091A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112598166A (zh) * | 2020-12-16 | 2021-04-02 | 哈尔滨锅炉厂有限责任公司 | 一种基于回归算法学习机及专家经验的电站锅炉再热器左右两侧温度偏差的预测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101063872A (zh) * | 2006-04-25 | 2007-10-31 | 神马科技公司 | 锅炉氧量优化系统 |
| CN103576655A (zh) * | 2013-11-06 | 2014-02-12 | 华北电力大学（保定） | 一种电站锅炉燃烧子空间建模及多目标优化方法和系统 |
| CN107726358A (zh) * | 2017-10-12 | 2018-02-23 | 东南大学 | 基于cfd数值模拟和智能建模的锅炉燃烧优化系统及方法 |
| CN110848733A (zh) * | 2020-01-15 | 2020-02-28 | 南京科远智慧科技集团股份有限公司 | 一种基于煤质在线监测的燃烧优化方法 |
| CN111222284A (zh) * | 2019-12-27 | 2020-06-02 | 中国大唐集团科学技术研究院有限公司西北电力试验研究院 | 一种中速磨煤机组入口一次风量整体软测量方法 |
-
2020
- 2020-09-14 CN CN202010961176.9A patent/CN112036091A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101063872A (zh) * | 2006-04-25 | 2007-10-31 | 神马科技公司 | 锅炉氧量优化系统 |
| CN103576655A (zh) * | 2013-11-06 | 2014-02-12 | 华北电力大学（保定） | 一种电站锅炉燃烧子空间建模及多目标优化方法和系统 |
| CN107726358A (zh) * | 2017-10-12 | 2018-02-23 | 东南大学 | 基于cfd数值模拟和智能建模的锅炉燃烧优化系统及方法 |
| CN111222284A (zh) * | 2019-12-27 | 2020-06-02 | 中国大唐集团科学技术研究院有限公司西北电力试验研究院 | 一种中速磨煤机组入口一次风量整体软测量方法 |
| CN110848733A (zh) * | 2020-01-15 | 2020-02-28 | 南京科远智慧科技集团股份有限公司 | 一种基于煤质在线监测的燃烧优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| 牛玉广等: "基于数值模拟与试验运行数据的电站锅炉燃烧系统复合建模", 动力工程学报, vol. 34, no. 10, pages 765 - 795 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112598166A (zh) * | 2020-12-16 | 2021-04-02 | 哈尔滨锅炉厂有限责任公司 | 一种基于回归算法学习机及专家经验的电站锅炉再热器左右两侧温度偏差的预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105512388B (zh) | 一种基于labview的亚临界火电机组增强激励仿真建模方法 | |
| CN112163380A (zh) | 基于数值模拟的神经网络预测炉膛氧气浓度系统及方法 | |
| Rossi et al. | Artificial neural networks and physical modeling for determination of baseline consumption of CHP plants | |
| CN110532674A (zh) | 一种燃煤电站锅炉炉膛温度测量方法 | |
| CN103440528A (zh) | 基于耗差分析的火电机组运行优化方法及装置 | |
| CN112036100B (zh) | 一种基于数值模拟利用回归算法预测炉膛氧气浓度的方法 | |
| 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 | |
| CN106594794B (zh) | 一种混合智能锅炉效率燃烧优化模型更新方法 | |
| 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 | |
| CN102914974B (zh) | 成套设备的控制装置 | |
| CN112036091A (zh) | 一种利用回归算法预测四角切圆燃烧器喷口风量的方法 | |
| CN105808945B (zh) | 一种混合智能锅炉效率燃烧优化方法 | |
| Tatarinova et al. | Development of adequate computational mathematical models of cogeneration steam turbines for solving problems of optimization of operating modes of CHP plants | |
| CN103697958A (zh) | 燃煤机组汽包出口饱和蒸汽质量流量的实时计量方法 | |
| Ma et al. | An improved predictive optimal controller with elastic search space for steam temperature control of large-scale supercritical power unit | |
| Wu et al. | A hybrid least square support vector machine for boiler efficiency prediction | |
| CN105117530B (zh) | 一种粗细结合调节实现汽轮机及其调速系统参数辨识方法 | |
| CN113418208A (zh) | 一种基于炉膛温度场的锅炉燃烧优化方法及系统 | |
| CN115291509A (zh) | 基于混合深度学习模型的燃气轮机动态参数在线辨识方法 | |
| CN110728031B (zh) | 一种基于ann建模平衡复杂石化过程产能的多目标优化方法 | |
| CN106200416B (zh) | 大气温度对联合循环机组功率影响的调控系统及方法 | |
| Cerri et al. | Inverse methodologies for actual status recognition of gas turbine components | |
| Yuxin et al. | Prediction of Boiler Control Parameters Based on LSTM Neural Network | |
| CN111428906B (zh) | 一种基于图像变换的工业锅炉蒸汽量预测方法 | |
| CN112348920B (zh) | 基于数据驱动的循环流化床锅炉动态特性热力图构建方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |