CN114878745A - 一种基于支持向量机的燃气锅炉氮氧化物预测监测系统 - Google Patents

一种基于支持向量机的燃气锅炉氮氧化物预测监测系统 Download PDF

Info

Publication number
CN114878745A
CN114878745A CN202210436786.6A CN202210436786A CN114878745A CN 114878745 A CN114878745 A CN 114878745A CN 202210436786 A CN202210436786 A CN 202210436786A CN 114878745 A CN114878745 A CN 114878745A
Authority
CN
China
Prior art keywords
prediction
nitrogen oxide
valve position
module
training data
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
Application number
CN202210436786.6A
Other languages
English (en)
Inventor
宋光武
赵亚笛
丁琦
张迪
杨利超
罗志云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Kingfore Hvac Energy Saving Technology Co ltd
Beijing Academy Of Ecological And Environmental Protection
Original Assignee
Beijing Kingfore Hvac Energy Saving Technology Co ltd
Beijing Academy Of Ecological And Environmental Protection
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Kingfore Hvac Energy Saving Technology Co ltd, Beijing Academy Of Ecological And Environmental Protection filed Critical Beijing Kingfore Hvac Energy Saving Technology Co ltd
Priority to CN202210436786.6A priority Critical patent/CN114878745A/zh
Publication of CN114878745A publication Critical patent/CN114878745A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Medicinal Chemistry (AREA)
  • Mathematical Physics (AREA)
  • Combustion & Propulsion (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Food Science & Technology (AREA)
  • Computer Hardware Design (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Regulation And Control Of Combustion (AREA)

Abstract

本发明公开了一种基于支持向量机的燃气锅炉氮氧化物预测监测系统，包括数据采集模块、模型建立模块和预测模块，作为本发明的一种优选技术方案：数据采集模块：用于建立训练数据集D1和测试集D2；模型建立模块：用于将训练数据集D1和测试集D2的参数输入SVR算法中，搭建氮氧化物预测模型；预测模块：用于根据氮氧化物预测模型，对氮氧化物进行连续预测，得到预测结果，实现氮氧化物的连续预测监测。该种基于支持向量机的燃气锅炉氮氧化物预测监测系统，不同于传统的烟气连续排放监测系统，本系统利用产污、治污设备的动作电信号结合特定的算法，进行计算。

Description

一种基于支持向量机的燃气锅炉氮氧化物预测监测系统
技术领域
本发明涉及预测监测系统技术领域，具体为一种基于支持向量机的燃气锅炉氮氧化物预测监测系统。
背景技术
烟气连续排放监测系统，通过连续抽取烟气并利用传感器技术对目标污染物进行分析，并将分析结果通过网络与上级环保部门的计算机进行连接。烟气连续排放监测系统对于不同的烟气源具有通用性，除了对目标污染物进行测量外，还对烟气参数包括烟气温度、压力、流速、氧含量、湿度等进行测量。由此带来的问题也是显而易见的，其初投资价格高昂，并且对于运行期间产生的维护费用也相对较高，包括设备的专业级别保养、校准、传感器定期更换等等。
因此，当前的法律法规也仅对于规模及以上的产排污设备进行了要求随着我国清洁能源的普及，锅炉作为最大的能源消费终端，高污染的煤炭被天然气逐年替代，颗粒物、SO2、氮氧化物等污染物排放随之大幅降低，依我国现行法律法规要求，仅对20t/h及以上单体规模的锅炉有安装连续排放监测系统的要求，但据统计，20t/h以下的燃气锅炉约占97%以上，绝对数量的燃气锅炉并未纳入连续监测的范围，影响了环境监管的布局，因此我们对此做出改进，提出一种基于支持向量机的燃气锅炉氮氧化物预测监测系统。
发明内容
为了解决上述技术问题，本发明提供了如下的技术方案：
本发明一种基于支持向量机的燃气锅炉氮氧化物预测监测系统，包括数据采集模块、模型建立模块和预测模块，作为本发明的一种优选技术方案：
数据采集模块：用于建立训练数据集D1和测试集D2；
模型建立模块：用于将训练数据集D1和测试集D2的参数输入SVR算法中，搭建氮氧化物预测模型；
预测模块：用于根据氮氧化物预测模型，对氮氧化物进行连续预测，得到预测结果，实现氮氧化物的连续预测监测。
作为本发明的一种优选技术方案，所述与模型建立模块相连接，所述建立训练数据集时，通过数采仪采集燃烧控制系统中的阀位动作反馈等信号，并且，同时通过外部氮氧化物测量设备对动作反馈信号的氮氧化物对应排放数值进行检测，通过两个渠道提取的记录信息，完成训练数据集D1的建立。
作为本发明的一种优选技术方案，建立所述训练数据集D1的时候，包括：
动作组合需要覆盖燃烧器可能运行的符合范围，即包括程序控制器内燃气阀位已经设定的全部点位，即g0、g1……gi……gmax；
在提取第i个燃气阀位的排放特征时，需至少包括燃烧器程序控制器内原设定曲线的空气阀位ai、烟气再循环阀位fi以及原有阀位±20%阀位的组合情况，即至少包括如下向量集合：（gi,ai,fi）、（gi,ai,0.8fi）、（gi,ai,1.2fi）、（gi,0.8ai,fi）、（gi,0.8ai,0.8fi）、（gi,0.8ai,1.2fi）、（gi,1.2ai,fi）、（gi,1.2ai,0.8fi）、（gi,1.2ai,1.2fi），当向上浮动时若出现燃烧极限情况，则适当降低最大阀位；
在完成程序控制器的动作调整后，待氮氧化物排放数据稳定后，记录该组数据，得到训练数据集，即D1。
作为本发明的一种优选技术方案，在所述数据采集模块中，数采仪采集燃烧系统中燃烧器程控器的燃气阀位g、空气阀位a、烟气再循环阀位f，与同步通过外部设备检测的氮氧化物排放浓度n，并且建立动作反馈与氮氧化物的对应关系，如此建立动作反馈与氮氧化物排放浓度的对应关系。
作为本发明的一种优选技术方案，所述测试集D2的采集范围在训练数据集D1之间，在建立了训练数据集D1后，继续手动调节以上浮动范围所覆盖的动作区间采集不少于训练样本数量1/3的数据，作为测试集D2。
作为本发明的一种优选技术方案，所述预测模块中，获取燃烧系统产生的阀位动作反馈信号，并且基于已建立的氮氧化物预测模型，达到对氮氧化物进行预测的目的。
本发明的有益效果是：该种基于支持向量机的燃气锅炉氮氧化物预测监测系统，不同于传统的烟气连续排放监测系统，本系统利用产污、治污设备的动作电信号结合特定的算法，对关键污染物的排放状况进行计算，其优点在于硬件投资成本低，完全依赖对固有设备设施工作信号的采集和算法加工，大大降低了连续监测的投资门槛，监测的范围增加，可匹配多种型号的燃气锅炉进行预测监测，本系统可在环境保护领域中使用。
附图说明
图1是本发明一种基于支持向量机的燃气锅炉氮氧化物预测监测系统的系统流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例：如图1所示，本发明一种基于支持向量机的燃气锅炉氮氧化物预测监测系统，包括数据采集模块、模型建立模块和预测模块，其中：
数据采集模块：用于建立训练数据集D1和测试集D2；
模型建立模块：用于将训练数据集D1和测试集D2的参数输入SVR算法中，搭建氮氧化物预测模型；
预测模块：用于根据氮氧化物预测模型，对氮氧化物进行连续预测，得到预测结果，实现氮氧化物的连续预测监测。
其中，与模型建立模块相连接，建立训练数据集时，通过数采仪采集燃烧控制系统中的阀位动作反馈等信号，并且，同时通过外部氮氧化物测量设备对动作反馈信号的氮氧化物对应排放数值进行检测，通过两个渠道提取的记录信息，完成训练数据集D1的建立。
其中，建立训练数据集D1的时候，包括：
动作组合需要覆盖燃烧器可能运行的符合范围，即包括程序控制器内燃气阀位已经设定的全部点位，即g0、g1……gi……gmax；
在提取第i个燃气阀位的排放特征时，需至少包括燃烧器程序控制器内原设定曲线的空气阀位ai、烟气再循环阀位fi以及原有阀位±20%阀位的组合情况，即至少包括如下向量集合：（gi,ai,fi）、（gi,ai,0.8fi）、（gi,ai,1.2fi）、（gi,0.8ai,fi）、（gi,0.8ai,0.8fi）、（gi,0.8ai,1.2fi）、（gi,1.2ai,fi）、（gi,1.2ai,0.8fi）、（gi,1.2ai,1.2fi），当向上浮动时若出现燃烧极限情况，则适当降低最大阀位；
在完成程序控制器的动作调整后，待氮氧化物排放数据稳定后，记录该组数据，得到训练数据集，即D1。
其中，在数据采集模块中，数采仪采集燃烧系统中燃烧器程控器的燃气阀位g、空气阀位a、烟气再循环阀位f，与同步通过外部设备检测的氮氧化物排放浓度n，并且建立动作反馈与氮氧化物的对应关系，如此建立动作反馈与氮氧化物排放浓度的对应关系。
其中，测试集D2的采集范围在训练数据集D1之间，在建立了训练数据集D1后，继续手动调节以上浮动范围所覆盖的动作区间采集不少于训练样本数量1/3的数据，作为测试集D2。
其中，预测模块中，获取燃烧系统产生的阀位动作反馈信号，并且基于已建立的氮氧化物预测模型，达到对氮氧化物进行预测的目的。
本系统利用产污、治污设备的动作电信号结合特定的算法，对关键污染物的排放状况进行计算，其优点在于硬件投资成本低，完全依赖对固有设备设施工作信号的采集和算法加工，大大降低了连续监测的投资门槛，监测的范围增加，可匹配多种型号的燃气锅炉进行预测监测，本系统可在环境保护领域中使用，提高了预测结果的准确度及可靠性。
最后应说明的是：在本发明的描述中，需要说明的是，术语“竖直”、“上”、“下”、“水平”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于支持向量机的燃气锅炉氮氧化物预测监测系统，包括数据采集模块、模型建立模块和预测模块，其特征在于，其中：
数据采集模块：用于建立训练数据集D1和测试集D2；
模型建立模块：用于将训练数据集D1和测试集D2的参数输入SVR算法中，搭建氮氧化物预测模型；
预测模块：用于根据氮氧化物预测模型，对氮氧化物进行连续预测，得到预测结果，实现氮氧化物的连续预测监测。
2.根据权利要求1所述的一种基于支持向量机的燃气锅炉氮氧化物预测监测系统，其特征在于，所述数据采集模块与模型建立模块相连接，所述建立训练数据集时，通过数采仪采集燃烧控制系统中的阀位动作反馈等信号，并且，同时通过外部氮氧化物测量设备对动作反馈信号的氮氧化物对应排放数值进行检测，通过两个渠道提取的记录信息，完成训练数据集D1的建立。
3.根据权利要求1所述的一种基于支持向量机的燃气锅炉氮氧化物预测监测系统，其特征在于，建立所述训练数据集D1的时候，包括：
动作组合需要覆盖燃烧器可能运行的符合范围，即包括程序控制器内燃气阀位已经设定的全部点位，即g0、g1……gi……gmax；
在提取第i个燃气阀位的排放特征时，需至少包括燃烧器程序控制器内原设定曲线的空气阀位ai、烟气再循环阀位fi以及原有阀位±20%阀位的组合情况，即至少包括如下向量集合：（gi,ai,fi）、（gi,ai,0.8fi）、（gi,ai,1.2fi）、（gi,0.8ai,fi）、（gi,0.8ai,0.8fi）、（gi,0.8ai,1.2fi）、（gi,1.2ai,fi）、（gi,1.2ai,0.8fi）、（gi,1.2ai,1.2fi），当向上浮动时若出现燃烧极限情况，则适当降低最大阀位；
在完成程序控制器的动作调整后，待氮氧化物排放数据稳定后，记录该组数据，得到训练数据集，即D1。
4.根据权利要求1所述的一种基于支持向量机的燃气锅炉氮氧化物预测监测系统，其特征在于，在所述数据采集模块中，数采仪采集燃烧系统中燃烧器程控器的燃气阀位g、空气阀位a、烟气再循环阀位f，与同步通过外部设备检测的氮氧化物排放浓度n，并且建立动作反馈与氮氧化物的对应关系，如此建立动作反馈与氮氧化物排放浓度的对应关系。
5.根据权利要求1所述的一种基于支持向量机的燃气锅炉氮氧化物预测监测系统，其特征在于，所述测试集D2的采集范围在训练数据集D1之间，在建立了训练数据集D1后，继续手动调节以上浮动范围所覆盖的动作区间采集不少于训练样本数量1/3的数据，作为测试集D2。
6.根据权利要求1所述的一种基于支持向量机的燃气锅炉氮氧化物预测监测系统，其特征在于，所述预测模块中，获取燃烧系统产生的阀位动作反馈信号，并且基于已建立的氮氧化物预测模型，达到对氮氧化物进行预测的目的。
CN202210436786.6A 2022-04-25 2022-04-25 一种基于支持向量机的燃气锅炉氮氧化物预测监测系统 Pending CN114878745A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210436786.6A CN114878745A (zh) 2022-04-25 2022-04-25 一种基于支持向量机的燃气锅炉氮氧化物预测监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210436786.6A CN114878745A (zh) 2022-04-25 2022-04-25 一种基于支持向量机的燃气锅炉氮氧化物预测监测系统

Publications (1)

Publication Number Publication Date
CN114878745A true CN114878745A (zh) 2022-08-09

Family

ID=82670787

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210436786.6A Pending CN114878745A (zh) 2022-04-25 2022-04-25 一种基于支持向量机的燃气锅炉氮氧化物预测监测系统

Country Status (1)

Country Link
CN (1) CN114878745A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103839110A (zh) * 2014-02-24 2014-06-04 国家电网公司 一种锅炉炉内氮氧化物生成量预测建模方法
CN106681381A (zh) * 2017-01-03 2017-05-17 华北电力大学 一种基于智能前馈信号的scr脱硝系统喷氨量优化控制系统及方法
CN107544288A (zh) * 2017-09-26 2018-01-05 天津拓科思科技有限公司 一种脱硝优化控制方法和系统
CN108837699A (zh) * 2018-07-02 2018-11-20 大唐环境产业集团股份有限公司 一种基于软测量和预测控制的scr脱硝智能喷氨优化方法及系统
CN109766666A (zh) * 2019-02-14 2019-05-17 长沙理工大学 基于低氮燃烧与SNCR-SCR协同控制的锅炉烟气排放NOx浓度预测方法
CN112580250A (zh) * 2020-11-12 2021-03-30 山东纳鑫电力科技有限公司 基于深度学习的火电机组脱硝系统及优化控制方法
CN113628694A (zh) * 2021-07-05 2021-11-09 国能国华(北京)电力研究院有限公司 一种预测锅炉氮氧化物排放量的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103839110A (zh) * 2014-02-24 2014-06-04 国家电网公司 一种锅炉炉内氮氧化物生成量预测建模方法
CN106681381A (zh) * 2017-01-03 2017-05-17 华北电力大学 一种基于智能前馈信号的scr脱硝系统喷氨量优化控制系统及方法
CN107544288A (zh) * 2017-09-26 2018-01-05 天津拓科思科技有限公司 一种脱硝优化控制方法和系统
CN108837699A (zh) * 2018-07-02 2018-11-20 大唐环境产业集团股份有限公司 一种基于软测量和预测控制的scr脱硝智能喷氨优化方法及系统
CN109766666A (zh) * 2019-02-14 2019-05-17 长沙理工大学 基于低氮燃烧与SNCR-SCR协同控制的锅炉烟气排放NOx浓度预测方法
CN112580250A (zh) * 2020-11-12 2021-03-30 山东纳鑫电力科技有限公司 基于深度学习的火电机组脱硝系统及优化控制方法
CN113628694A (zh) * 2021-07-05 2021-11-09 国能国华(北京)电力研究院有限公司 一种预测锅炉氮氧化物排放量的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
卢洪波;王金龙;: "300MW燃煤电站锅炉飞灰含碳量和NO_x排放浓度多目标优化", 黑龙江电力, no. 03 *

Similar Documents

Publication Publication Date Title
CN102654286B (zh) 智能动态燃烧气氛控制仪
CN104457852A (zh) 一种固定燃烧源温室气体排放在线监测系统
WO2003032424A3 (en) Fuel cell system and method
CN104297020A (zh) 烟气污染采集装置及方法
CN103645127A (zh) 反吹式烟气污染物实时在线监测系统
CN2932374Y (zh) 六氟化硫智能环境监控系统及其六氟化硫气体激光探测器
CN101858591A (zh) 锅炉水冷壁高温腐蚀状态诊断及预防系统及方法
CN208860147U (zh) 使用混合煤气的加热炉的节能控制系统用现场仪表
CN116148321A (zh) 一种基于cems系统数据处理的高精度碳排放监测系统
CN114878745A (zh) 一种基于支持向量机的燃气锅炉氮氧化物预测监测系统
CN108871459A (zh) 一种智能环保监测系统
CN201811207U (zh) 锅炉水冷壁高温腐蚀状态诊断及预防系统
CN1363728A (zh) 铝电解槽阳极电流分布值的自动检测方法及其装置
CN112033865A (zh) 气体检测系统及检测方法
CN108627202B (zh) 工业烟气智能监测装置
CN1462369A (zh) 用离子淌度光谱测定法测定氧气中一氧化碳和碳氢化合物总浓度的方法
CN203758899U (zh) 一种双程测量的颗粒物连续自动监测系统
CN1252476C (zh) 连续排放烟气中的二氧化硫在线监测系统
CN202598583U (zh) 智能动态燃烧气氛控制仪
CN212134237U (zh) 一种燃煤烟气中可凝结颗粒物与三氧化硫同步采样装置
CN113804595A (zh) 一种多参数空气质量监测系统
CN206258432U (zh) 一种压缩感知的氮氧化物软测量装置
CN106546704A (zh) 一种压缩感知的氮氧化物软测量装置及其测量方法
CN112730592A (zh) 一种气体检测系统装置及其检测方法
CN208621585U (zh) 一种烟道废气连续数据分析系统

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
CB02 Change of applicant information

Address after: 100037 No. 59 North Camp Street, Beijing, Xicheng District

Applicant after: Beijing Academy of ecological and environmental protection

Applicant after: Jinfang Energy Group Co.,Ltd.

Address before: 100037 No. 59 North Camp Street, Beijing, Xicheng District

Applicant before: Beijing Academy of ecological and environmental protection

Applicant before: BEIJING KINGFORE HVAC ENERGY SAVING TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information