本發(fā)明涉及煤灰熔點(diǎn)預(yù)測，尤其涉及一種煤灰熔點(diǎn)預(yù)測方法、系統(tǒng)、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、電站鍋爐在運(yùn)行過程中，尾部煙道會(huì)產(chǎn)生水冷壁結(jié)渣、結(jié)焦現(xiàn)象，這是由于煤粉的灰熔點(diǎn)較低導(dǎo)致的，因此在鍋爐的設(shè)計(jì)和運(yùn)行中要考慮所用煤種的灰熔點(diǎn)影響。煤灰的化學(xué)成分是影響灰熔點(diǎn)高低的主要因素，一般用變形溫度(dt)、軟化溫度(st)、流動(dòng)溫度(ft)來表征煤的熔融性，但其內(nèi)在的變化過程，各成分間的相互影響還未探究清楚，煤灰熔點(diǎn)的計(jì)算還沒有一個(gè)通用且準(zhǔn)確度較高的計(jì)算方法。

2、目前，通用的實(shí)驗(yàn)測定方法是國家標(biāo)準(zhǔn)gb/t?219-2008《煤灰熔融性的測定方法》，但該標(biāo)準(zhǔn)所規(guī)定的測試過程操作復(fù)雜，需要專門的儀器設(shè)備，而大多數(shù)電站和中小型企業(yè)都不具備這些條件，因此，建立一個(gè)可以用來預(yù)測煤灰的灰熔點(diǎn)的數(shù)學(xué)模型可以很好的解決這個(gè)問題。

3、經(jīng)驗(yàn)回歸公式是一種預(yù)測煤灰熔點(diǎn)的方法，其理論依據(jù)是通過煤灰成分某種特征進(jìn)行線性回歸分析，這種方法相對簡單，具體公式如下：

4、(1)當(dāng)sio2＞60％，煤灰熔點(diǎn)溫度的計(jì)算公式為：

5、st＝10.75*sio2+13.03*al2o3-5.28*fe2o3-5.88*cao-10.28*mgo+3.75*a+453

6、(2)當(dāng)sio2≤60％并且al2o3＞30％時(shí)，煤灰熔點(diǎn)溫度的計(jì)算公式為：

7、st＝69.94*sio2+71.01*al2o3+65.23*fe2o3+12.16*cao+68.31*mgo+67.19*a-5485.7

8、(3)當(dāng)sio2≤60％，al2o3≤30％，且fe2o3≤15％時(shí)，煤灰熔點(diǎn)溫度的計(jì)算公式為：

9、st＝92.55*sio2+97.83*al2o3+84.52*fe2o3+83.67*cao+81.04*mgo+91.92*a-7891

10、(4)當(dāng)sio2≤60％，al2o3≤30％，且fe2o3＞15％時(shí)，煤灰熔點(diǎn)溫度的計(jì)算公式為:

11、st＝1531-3.01*sio2+5.08*al2o3-8.02*fe2o3-9.69*cao-5.86*mgo-3.99*a

12、其中，a＝100-(sio2+al2o3+fe2o3+cao+mgo)

13、上述線性回歸的方法在預(yù)測煤灰熔點(diǎn)中過程相對簡單，但在實(shí)際中，有時(shí)會(huì)出現(xiàn)較大偏差，因此需要尋求一種更為準(zhǔn)確的預(yù)測方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明為解決現(xiàn)有預(yù)測煤灰熔點(diǎn)的預(yù)測結(jié)果準(zhǔn)確性的問題，提供一種煤灰熔點(diǎn)預(yù)測方法、系統(tǒng)、電子設(shè)備及存儲(chǔ)介質(zhì)。所述預(yù)測方法是通過構(gòu)建基于改進(jìn)粒子群算法的神經(jīng)網(wǎng)絡(luò)模型對煤灰熔點(diǎn)進(jìn)行預(yù)測。

2、為達(dá)到上述目的，本發(fā)明提供以下技術(shù)方案：

3、本發(fā)明提供一種煤灰熔點(diǎn)預(yù)測方法，包括以下步驟：

4、獲取煤灰成分的實(shí)時(shí)數(shù)據(jù)，輸入煤灰熔點(diǎn)預(yù)測模型進(jìn)行預(yù)測，得到預(yù)測的煤灰熔點(diǎn)；

5、所述煤灰熔點(diǎn)預(yù)測模通過以下步驟構(gòu)建：

6、獲取煤灰成分和煤灰熔點(diǎn)溫度的歷史數(shù)據(jù)，進(jìn)行預(yù)處理得到訓(xùn)練樣本；

7、根據(jù)訓(xùn)練樣本構(gòu)建基于bp神經(jīng)網(wǎng)絡(luò)的煤灰熔點(diǎn)預(yù)測初始模型；

8、采用改進(jìn)粒子群算法對煤灰熔點(diǎn)預(yù)測初始模型的初始權(quán)值和閾值進(jìn)行優(yōu)化，得到煤灰熔點(diǎn)預(yù)測模型。

9、所述煤灰成分包括9種氧化物，分別為二氧化硅、氧化鋁、氧化鐵、三氧化硫、氧化鈣、氧化鉀、氧化鈉、二氧化鈦和氧化鎂。

10、所述獲取煤灰成分和煤灰熔點(diǎn)溫度的歷史數(shù)據(jù)，進(jìn)行預(yù)處理后訓(xùn)練樣本，具體為：

11、對獲取煤灰成分的歷史數(shù)據(jù)進(jìn)行歸一化處理，通過歸一化公式y(tǒng)＝(x-xmin)/(xmax-xmin)進(jìn)行標(biāo)準(zhǔn)化處理，映射到[0，1]之間；

12、其中，y為歸一化之后的數(shù)據(jù)，x為樣本數(shù)據(jù)；xmin為樣本數(shù)據(jù)的最小值，xmax為樣本數(shù)據(jù)的最大值。

13、所述基于bp神經(jīng)網(wǎng)絡(luò)構(gòu)建煤灰熔點(diǎn)預(yù)測初始模型；具體為：

14、根據(jù)訓(xùn)練樣本，設(shè)定bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值以及迭代次數(shù)訓(xùn)練bp神經(jīng)網(wǎng)絡(luò)，bp神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法采用梯度訓(xùn)練法；

15、構(gòu)建煤灰熔點(diǎn)預(yù)測初始模型選用bp神經(jīng)網(wǎng)絡(luò)，采取三層網(wǎng)絡(luò)結(jié)構(gòu)，根據(jù)訓(xùn)練樣本中煤灰成分的種類確定輸入層為9個(gè)節(jié)點(diǎn)，分別對應(yīng)煤灰成分的9種氧化物；輸出層為1個(gè)節(jié)點(diǎn)，為煤灰熔點(diǎn)溫度；隱藏層輸入和輸出選擇的傳遞函數(shù)為sigmoid函數(shù)，隱藏層為15個(gè)節(jié)點(diǎn)。

16、所述隱藏層的節(jié)點(diǎn)數(shù)選擇，包括：

17、依據(jù)公式初步確定隱藏層的節(jié)點(diǎn)數(shù)；

18、式中：n為隱藏層的節(jié)點(diǎn)數(shù)，p為輸出層的節(jié)點(diǎn)數(shù)，q為輸入層的節(jié)點(diǎn)數(shù)，m為常數(shù)，在0～10之間；

19、選取部分訓(xùn)練樣本進(jìn)行訓(xùn)練，并通過增減節(jié)點(diǎn)數(shù)來觀察bp神經(jīng)網(wǎng)絡(luò)的均方誤差的變化；當(dāng)節(jié)點(diǎn)數(shù)增加而均方誤差不再減小時(shí)，確定此時(shí)的節(jié)點(diǎn)數(shù)為隱藏層的節(jié)點(diǎn)數(shù)。

20、所述采用改進(jìn)粒子群算法對煤灰熔點(diǎn)預(yù)測初始模型的初始權(quán)值和閾值進(jìn)行優(yōu)化，得到煤灰熔點(diǎn)預(yù)測模型，具體為：

21、s1：賦予每個(gè)粒子隨機(jī)初始位置和速度，粒子的初始位置取[0，1]之間的隨機(jī)數(shù)；

22、s2：將預(yù)測結(jié)果與實(shí)際值的均方誤差作為適應(yīng)度函數(shù)，計(jì)算每個(gè)粒子的適度值；

23、s3：對每個(gè)粒子，將其當(dāng)前位置的適度值與其歷史最佳位置對應(yīng)的適度值比較，如果當(dāng)前位置的適度值更高，則用當(dāng)前位置更新歷史最佳位置；

24、s4：對每個(gè)粒子，將其當(dāng)前位置的適度值與其全局最佳位置對應(yīng)的適度值比較，如果當(dāng)前位置的適度值更高，則用當(dāng)前位置更新全局最佳位置；

25、s5：根據(jù)下式更新每個(gè)粒子的速度與位置

26、

27、其中：為粒子i優(yōu)化后的速度；為粒子i的當(dāng)前速度；w為慣性因子；c1和c2為學(xué)習(xí)因子；r1和r2為隨機(jī)數(shù)，介于(0,1)之間；pbestid為粒子i的歷史最佳位置；gbestd為粒子群的全局最佳位置；為粒子i的當(dāng)前位置；

28、s6：若未滿足結(jié)束條件，則返回s2繼續(xù)迭代；若滿足結(jié)束條件，則迭代結(jié)束，將最優(yōu)粒子的位置和速度賦予bp神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，得到煤灰熔點(diǎn)預(yù)測模型。

29、還包括從訓(xùn)練樣本中選取部分作為測試樣本輸入煤灰熔點(diǎn)預(yù)測模型，對煤灰熔點(diǎn)預(yù)測模型的預(yù)測效果進(jìn)行評價(jià)，具體為：

30、將測試樣本輸入煤灰熔點(diǎn)預(yù)測模型進(jìn)行預(yù)測，預(yù)測值和真實(shí)值對比，通過均方差(mse)和決定系數(shù)(r2)進(jìn)行評價(jià)，表達(dá)式如下：

31、

32、其中，n是樣本數(shù)量，yi是第i個(gè)樣本的真實(shí)值，yi’是第i個(gè)樣本的預(yù)測值；

33、

34、其中，n是樣本數(shù)量，yi是第i個(gè)樣本的真實(shí)值，yi’是第i個(gè)樣本的預(yù)測值，為所有真實(shí)值的平均值。

35、本發(fā)明還一種煤灰熔點(diǎn)預(yù)測系統(tǒng)，包括以下模塊：

36、預(yù)測模塊，用于獲取煤灰成分的實(shí)時(shí)數(shù)據(jù)，輸入煤灰熔點(diǎn)預(yù)測模型進(jìn)行預(yù)測，得到預(yù)測的煤灰熔點(diǎn)；

37、數(shù)據(jù)處理模塊，用于獲取煤灰成分和煤灰熔點(diǎn)溫度的歷史數(shù)據(jù)，進(jìn)行預(yù)處理后訓(xùn)練樣本；

38、模型建構(gòu)模塊，用于根據(jù)訓(xùn)練樣本構(gòu)建基于bp神經(jīng)網(wǎng)絡(luò)的煤灰熔點(diǎn)預(yù)測初始模型；

39、模型優(yōu)化模塊，用于采用改進(jìn)粒子群算法對煤灰熔點(diǎn)預(yù)測初始模型的初始權(quán)值和閾值進(jìn)行優(yōu)化，得到煤灰熔點(diǎn)預(yù)測模型。

40、本發(fā)明還提供一種電子設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述煤灰熔點(diǎn)預(yù)測方法的步驟。

41、本發(fā)明還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述煤灰熔點(diǎn)預(yù)測方法的步驟。

42、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：

43、本發(fā)明提出了一種基于改進(jìn)粒子群算法與神經(jīng)網(wǎng)絡(luò)模型相結(jié)合的煤灰熔點(diǎn)預(yù)測方法。本發(fā)明在煤灰熔點(diǎn)的預(yù)測方面不僅提高了預(yù)測的準(zhǔn)確性和精度，還增強(qiáng)了模型的實(shí)用性和計(jì)算效率。通過結(jié)合改進(jìn)粒子群算法的全局搜索能力和神經(jīng)網(wǎng)絡(luò)的局部優(yōu)化能力，本發(fā)明能夠更準(zhǔn)確地挖掘和利用煤灰化學(xué)組成與熔點(diǎn)之間的復(fù)雜關(guān)系，從而顯著提高煤灰熔點(diǎn)的預(yù)測準(zhǔn)確性。利用改進(jìn)粒子群算法提供的全局最優(yōu)值作為初值，再利用神經(jīng)網(wǎng)絡(luò)的非線性映射能力進(jìn)行進(jìn)一步優(yōu)化，能夠在保證預(yù)測準(zhǔn)確性的同時(shí)，提高計(jì)算效率，縮短預(yù)測時(shí)間。本發(fā)明建立的煤灰熔點(diǎn)預(yù)測模型基于煤灰的化學(xué)組成，具有明確的物理意義和實(shí)際應(yīng)用價(jià)值。預(yù)測結(jié)果與實(shí)際結(jié)果高度吻合，為煤灰熔點(diǎn)的預(yù)測提供了一種新的、更為有效的方法，具有廣泛的工業(yè)應(yīng)用前景。