燃煤锅炉飞灰含碳量的BP神经网络模型

文章 编号 ： １ ６ ７ １ — ８ ０ ９ ７ （ ２ ０ １ ６ ） ０ ６ — ０ ４ ９ ９ — ０ ６
Ｄ ＯＩ ： １ ０ ． １ ３ ７ ３ ８ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ６ ７ １ — ８ ０ ９ ７ ． ２ ０ １ ６ ． ０ ６ ． ０ １ ２
燃 煤锅 炉 飞 灰 含 碳 量 的 Ｂ Ｐ神 经 网络 模 型
网络 结构 ， 每一 层 的权 值都 可 以通 过 学习来 调整 。
Ｂ Ｐ模 型 由四个过 程组成 ， 是 从“ 模式 顺传 播 ”
到“ 误差逆传播” 、 “ 记 忆 训 练” 、 “ 学 习 收敛 ” 的过
收 稿 日期 ：２ ０ １ ６ — ０ ５ — ０ ９ ； 修 回 日期 ：２ ０ １ ６ — ０ ７ — １ ３ ． 基 金 项 目 ：国 家 自然科 学 基 金 资 助 项 目（ ５ １ ６ ７ ９ ２ ２ ５ ； ５ １ ２ ７ ６ １ ７ ４ ） ． 作 者 简 介 ：赵 健 （ １ ９ ８ ０ 一 ） ， 男， 汉族， 山东 青 岛人 ， 硕士 ， 实验师 ， 主 要 研 究方 向 为 节 能 排 放 与能 源 高效 利 用 ．Ｅ － ｍａ ｉ ｌ ： ｚ ｈ ａ ｏ ｊ ｉ ａ ｎ ＠Ｃ Ｏ Ｕ ．
人工 神经 网络是人 们在 模仿 人脑 处理 问题 的
过程 中发 展起来 的一 种新 智 能 信 息 处理 理 论 ， 它 通过 大量 的被称 为神 经元 的简单 处理单 元 构成非 线性 动力 学系统 ， 对人 脑 的形 象思 维 、 联 想 记忆 等 进行 模 拟 和抽 象 ， 实 现 与人 脑 相似 的学 习 、 识别 、 记忆 等信 息处理 能力 。 Ｂ Ｐ模 型 即误 差反 向传播 神经 网络 ， 是一 种典
关 键词 ：飞灰 ； 燃煤 锅炉 ； Ｂ Ｐ神 经 网络 中图分 类号 ： ＴＫ３ ９ 文献标 识码 ： Ａ
Ｏ 引 言
飞 灰含碳 量 是影 响锅炉 热效 率 的重 要指 标之
一
含碳 量特 性 的 Ｂ Ｐ神 经 网 络 模 型 ， 并 对 此 模 型进
行 了校验 。结果 表 明 ， 该模 型 可 以根 据 燃 煤 特性
对 飞灰 含 碳 量 相 对 预 测误 差在 ０ ． １ ９ ～Ｏ ． ５ ０ ％， 预 测 效 果 良好 。 测 试 结 果表 明 ， 建 立 的 神 经 网络 预 测模 型 可
以 准确 逼近 验证 样 本 数据 ， 也能够较好的逼近非验证样本 的检 测 方 法 ， 主 要有 物 理 测 量 方法 和
效率 提高依 据 。
１ Ｂ Ｐ算 法建 立 飞 灰 含 碳 量模 型
１ ． １ Ｂ Ｐ神 经 网络简介
软测量 方法 两大类 。物理 测量方 法分 为燃烧 失重
法、 热 重 分 析法 、 微波法、 光学 反 射 法等 十 几 种方 法， 软 测量方 法 主要 有 智 能 建模 以及 数 值计 算 建 模 两种 。物 理测 量方法 工作 量大 ， 测试 工况 有 限 ， 由于影 响 飞灰含 碳 量 的诸 多 因素 互相 叠 加 ， 所 以 数 据分 析存 在一 定 困难 。燃 煤锅 炉飞 灰 的含 碳量
型 的分 层 、 多层 型 网 络 ， 具 有 输 入层 、 隐层 和 输 出 层； 层与 层之 间多采用 全 连接 的方 式 ， 同一 层单元
软 测量 一般 采用 智能建 模法 ［ １ ］ 。神 经 网络具 有非
线 性模 拟 、 生 命力 ， 已广 泛应 用 于软测 量智能 建模
过 程 。Ｂ Ｐ （ ｂ ａ ｃ ｋ ｐ ｒ ｏ ｐ ａ ｇ ａ ｔ ｉ ｏ ｎ ） 网络 是应 用 最 宽 广
碳 量， 其 相 互耦 合 ， 导 致分 析数 据 过 程 困难 。神 经 网络 建 模 将 燃 煤 锅 炉视 为 黑箱 ， 应 用该 方 法可 以 良好 的描 述 其 输入 输 出之 间 的 黑 箱 特 性 ， 因此， 人 工 神经 网络 应 用广 泛。利 用燃 煤锅 炉试 验数 据， 采 用 ３层 Ｂ Ｐ （ ｂ ａ ｃ ｋ ｐ ｒ ｏ ｐ ａ ｇ ａ ｔ ｉ ｏ ｎ ） 神 经 网络 构 建 了锅 炉 飞 灰 的含 碳 量 排 放 特 性 模 型 。 通 过 锅 炉 的实 测 数 据 验 证 ， 该Ｂ Ｐ 神 经 网络
赵 健 ， 袁 瀚 ， 梅 宁
（中国 海 洋 大 学 工 程 学 院 ，山东 青 岛 ２ ６ ６ １ ０ ０）
摘要 ： 燃煤锅炉是复杂的多变量系统， 其飞灰的含碳量形成机理复杂， 不能用简单的数学公式估算。现场实
炉测 试 这 些数 据 具有 工 作 量 大 ， 测试工况有限等缺点 ； 燃 煤 锅 炉 运 行 参 数 及 燃 料 特 性 等 因 素 影 响 着 飞灰 的含
的多层 前 向 网络 ， 可 以实现 任何非 线性 连续 映射 ， 在飞灰含碳量进行软测量建模 时， 大都采用 Ｂ Ｐ
神 经 网络进行 辨 识建模 ． 本 文应 用人 工神经 网络的非 线性 动力学 特性 以及 自学 习特性 ， 建 立 了大 型 电站 燃 煤 锅 炉 飞灰
之 间不存 在 相互 连 接 。图 １给 出 了一个 三 层 Ｂ Ｐ
和锅 炉运行 参数 等较 为准确 的预 测燃煤 锅 炉在不 同工 况下 的飞 灰含 碳 量 特性 ， 可 为 电厂 提 高 锅炉
，
影 响燃煤 锅 炉飞灰 含碳 量 的因素 多且杂 ， 包括
煤种、 锅 炉设 计 结 构 、 运行 参 数 等 ， 所 以采 用 简单 的公式 无法对 其 进行估 算 。 国内外 已发 展 了多种
第１ ５卷第 ６期
２ ０ １ ６年 １ ２月
热 科 学 与 技 术
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｔｈ ｅ ｒ ｍａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
Ｖｏ １ ． １ ５ ＮＯ ． ６
Ｄｅ ｃ ．２ ０ １ ６