so22

http://www.c-s-a.org.cn/csa/article/pdf/6188熵、信息增益、信息增益率___山顶洞人__的博客-CSDN博客NO1风道点火器出口风压空

http://www.c-s-a.org.cn/csa/article/pdf/6188

熵、信息增益、信息增益率___山顶洞人__的博客-CSDN博客

NO1风道点火器出口风压

空预器A侧出口二次风压力

炉膛后墙高压区温度2

3号高加进汽温度

主蒸汽压力（平均后）

炉膛床温均值

1#烟气NH3信号

旋风筒B壁温

在多种发电手段中，火力发电无疑占据着主导地位。目前，我国绝大多数电厂依然采用燃煤发电。然而，燃煤发电在提供电能服务人民生活工作的同时，所排放的各种污染物，特别是SO2,也严重影响了人们的生活环境。随着国家环境保护力度的加大,电厂污染物的超低排放面临着严峻挑战。为有效指导电厂机组调整运行、优化方案，如何精确预测各种参数下SO2的排放量成为一个备受关注和亟待解决的问题。

当前电厂一般采用循环流化床技术来完成洁净煤燃烧。循环流化床锅炉的机组参数十分庞大，细微的调整也可能对最终SO2的排放带来很大影响。传统的方法主要依据人工经验，采取控制变量的实验性尝试，总结一般规律，来预测SO2的排放情况。这种方法耗时耗力，并且精确度往往很低。近年来，机器学习技术越来越成熟，而且已经成功运用在了各个领域。它可以从大数据中发现规律，依靠算法模型抓取特征、完成分类或预测任务，这为循环流化床锅炉的SO2排放预测提供了一条新思路。

在本课题中，我们调研学习了大量与循环流化床锅炉组件和原理相关的文献和材料，并选取XGBoost模型来对循环流化床锅炉的SO2排放做预测。我们首先分析了不同机组参数的重要度，并选取重要度较高的几个特征来训练模型。此外，为了进一步提高预测的准确性和可靠性，我们还引入了遗传算法帮助纠正初次建模后的拟合曲线。我们将过去搜集到的数据汇总并制作了数据集，其中80%的数据用于训练模型，20%的数据用于模型预测和效果评估。我们采用MSE和MAPE来作为主要的评估指标，实验证明了本课题方法的准确性和有效性。

1.1选题背景和意义

近几年来，随着我国经济的发展和技术的进步，电能已成为人们工作生活中不可缺少的能源之一。虽然技术发展日新月异，许多新能源以及新的发电手段不断投入生产使用，但在我国，火力发电目前仍然占据着主导地位。我国国内绝大多数电厂依然采用燃煤发电。然而，燃煤发电在提供电能服务人民生活工作的同时，所排放的各种污染物也破坏了周围的环境。随着人们对于清洁能源的需求日渐增加，火力发电需要找寻一条清洁生产、低污高效之路。循环流化床 (CFB) 燃烧技术由于在燃料适应性、污染物控制和负荷调节方面的优势，在过去 50 年中取得了重大进展。截止到2017年，我国已有4000多台循环流化床锅炉，总装机容量超过了100 GW [2]。目前，循环流化床燃烧技术正朝着更高参数、更大容量的方向发展。截止到2020年，有超过50台超临界循环流化床锅炉已经投入生产，总装机容量近17000兆瓦[3]。绝大多数的循环流化床锅炉使用煤作为燃料，因为煤是火力发电中最便宜也最易获取的原材料。 但是，煤在燃烧过程中会产生大量的硫氧化物和氮氧化物，绝大多数为污染性气体。其中，主要的硫氧化物便是SO2。

在大多数国家，对于污染性气体的排放都有严格的执行标准和法律法规。这在很大程度上保护了居民生命安全和生活环境，但也对工厂和基础能源行业施加了很大的限制。循环流化床锅炉在运行时通过向炉膛内注入石灰石，可有效去除部分SO2。然而，由于循环流化床锅炉惯性大、滞后性大的特点[5]，石灰石进入锅炉后并不会立即产生脱硫作用，而需要经过一段时间后缓慢发挥脱硫作用。这一特性对循环流化床机组的超低排放运行提出了挑战。大量的实验和人工经验证明，准确的SO2排放预测结果可以为循环流化床锅炉运行提供指导，包括参数优化、预警和控制优化。因此，基于现有输入数据的SO2预测对于控制循环流化床锅炉脱硫的SO2排放至关重要。

循环流化床锅炉的机组参数十分庞大，这就导致获取到的输入数据，无论数据量还是特征维度都很复杂，从输入到预测之间的建模面临严峻挑战。传统的方法主要依据人工经验，通过大量实验来总结机组参数与SO2排放之间的规律，从而反向指导机组参数的设定和优化。这一过程不仅耗时耗力，而且结果往往不够准确。近年来，大数据背景下的机器学习技术越来越成熟，它可以从大数据中发现规律，依靠算法模型抓取特征，在参数拟合、指标预测、图像分类、文本理解等多个领域都充分发挥了它的价值和意义。工业领域也普遍积极拥抱机器学习新技术，用于指导生产、维护设备、调整参数等复杂任务上。因此，如何利用好循环流化床锅炉可提供的大量数据，利用机器学习技术辅助或完成循环流化床锅炉的SO2排放，是一个值得研究的问题。

1.2国内外研究现状

对于循环流化床锅炉的SO2排放预测，国内外已经展开过一些研究。我们对于相关研究的文献和书籍进行学习之后，发现早期的循环流化床锅炉的SO2排放预测，主要集中于一些人工的特征分析和规律总结。通过大量的调参及对比试验，从试验数据中探索机组参数与SO2排放之间相关性，从而在一定程度上预测循环流化床的SO2量。这种方法对SO2预测会具有一定的主观性和个人局限性。近年来，随着互联网技术的发展和大数据环境的日益成熟，国内外专家开始尝试使用基于机器学习的方法来进行循环流化床锅炉的SO2排放预测。吕元锋等人提出了基于径向基函数神经网络的方法来完成预测。径向基函数神经网络具有全监督式、全局逼近、输出全值线性关系等特点。并且，这种方法的训练速度很快，可以在很短时间内得出问题的解。然而，这种方法比较依赖特征与问题解之间的强相关性，直接用于循环流化床锅炉上，面对众多机组参数，很难保证最终预测结果的准确性。为了解决这一问题，上海电力学院的王渡联合宝山钢铁股份有限公司电厂李嘉工程师等人提出了基于改进的BP神经网络的方法来预测循环流化床锅炉的SO2排放。他们在BP神经网络中引入了附加动量项和自适应学习率，两者均可以根据模型的训练情况，动态地调整特征分布与权重值，从而提升准确率。除了以上的研究，蒋星明、曹顺安等人在2021年提出了一种基于双向门控循环神经网络的循环流化床锅炉SO2排放预测模型。他们分析了循环流化床锅炉脱硫系统数据具有大惯性和延时性等特点,并且机组中影响SO2排放浓度的因素众多。为此，他们提出了一种基于双向门控循环神经网络，以分析得到的主成分为输入变量,SO2排放浓度为输出变量,通过训练模型对SO2排放浓度数据进行预测。他们将结果与传统的RNN以及LSTM模型相比，发现所提出的模型能够获得较高的预测精度。

除了国内的研究外，国外也有一些学者进行过相关的工作。L.Mukadi等人提出了一系列科学的实验和装置，来测量不同参数下循环流化床锅炉的SO2排放量，从而总结了一些人工经验。经过他总结的规律来反向调节机组参数，SO2的排放量得到了有效的降低。J.Krzywański等人从动力学控制和固体燃料燃烧的化学公式入手，利用计算机构建了煤在空气和富氧循环流化床环境中燃烧的模型，该模型可以计算出循环流化床中固体燃料燃烧产生的多种气体。研究者发现，燃烧性质是从内部动力学控制状态变为外部扩散控制状态，因此他们首次在速率常数公式中使用反应表面积而不是煤炭的比内表面积。他们设计了一系列实验证明了这种改进的有效性。J.Chen等人提出由于缺乏机制过程的先验知识，基于机器学习的模型在完成循环流化床锅炉SO2排放预测任务时精度不足。他们分析了一阶泰勒展开下的微分方程模型与单层门控循环单元神经网络模型的关系，并根据分析结果，提出了循环流化床锅炉SO2排放浓度的混合预测模型。在实验阶段，他们采用两台实际机组的运行数据集进行验证，并得到了不错的结果，有效证明了所提方法的准确性。

通常来讲，基于机器学习的预测方法主要分为三步，首先是一手数据的获取。对于机器学习模型尤其是大数据相关的算法模型，数据的质量直接影响着模型的表现。一手准确可靠的数据，是算法模型能完全发挥效果的前提和必要条件。只有数据准确可靠，训练出来的模型才能准确地拟合我们想要拟合的数据，才能准确地反映或预测真实的状况。然而现实情况中数据的获取恰恰是最为困难的。首先数据的采集往往需要昂贵的硬件设备和人力支持。无论是硬件故障还是人为疏忽，都可能导致数据紊乱或不准确。如果直接使用这些不合规范的数据进行模型的训练、测试甚至是预测，那么从这些数据中得到的模型必然是不准确的，甚至是完全错误的。因此，机器学习的首要步骤是对获取到的数据信息进行预处理，使之符合使用条件和科学规范，这一步骤通常被称作数据清洗。第二，根据获取到的数据及对问题的分析和人工经验的沉淀，我们需要选择合适的机器学习算法来对问题进行建模。通过前文的分析我们可以得出结论，循环流化床锅炉的SO2排放预测任务情况较为复杂，机组参数较多，且参数与最终想要预测的结果之间的规律不甚明朗。虽然已经有一些研究者提出过基于神经网络或循环神经网络的方法来解决该问题，但其精度往往较低。因此，如何选择合适的算法来对问题建模，是机器学习预测步骤中较为关键的第二个步骤。第三，当我们确定好数据和模型后，如何进行科学的训练和预测，是我们必须考虑和规划的问题。我们需要将从收集到处理好的的历史数据分成训练集和测试集两部分，其中使用训练数据集建立用来训练模型、调整模型参数。测试数据集用来评估模型效果、对比预测结果与真实结果的差距。通过不断的参数信息调整，最后可以得到一个满足精度需求的循环流化床锅炉SO2排放预测模型。我们也就通过这一模型，完成了算法与现实数据的建模和映射关系。利用这一模型，不仅可以在输入不同机组参数后完成对SO2排放的预测，还可以用来反向推出更为合理的机组参数组合，从而优化机器的参数设定、维护、定期检查等工作，极大的方便了工业生产，节省了人力和时间资源。

1.3主要研究内容和结构

1.3.1课题主要内容

对于本次课题中以循环流化床锅炉为对象开展SO2排放预测模型的研究，首先需要对循环流化床锅炉的原理和组成部件有所了解。循环流化床锅炉由锅炉本体及辅助设备组成。其中锅炉本体主要包括启动燃烧器、风室、布风装置、炉膛、气固分离器、物料回送装置、以及汽包、下降管、水冷壁、过热器、省煤器、空气预热器等。而辅助设备则主要包括送风机、引风机、返料风机、破碎机、给煤机、冷渣器、除尘器、脱硫脱硝设备、烟囱等。流化床锅炉最为主要的结构特点是物料循环系统，由布风装置、燃烧室、气固分离器、回料装置、点火装置等设备组成。燃烧室、分离器及回料装置被称为循环流化床锅炉的三大核心部件，并构成了循环流化床锅炉的颗粒循环回路，是其结构上区别于其它锅炉的明显特征，是循环流化床锅炉的特有系统。在掌握一定先验知识的基础上，利用算法分析出众多机组参数中，对预测SO2排放影响程度最重要的一些参数，从而利用算法对其进行学习和建模。数据处理完毕之后就可以着手开展循环流化床锅炉SO2排放预测模型研究，为优化组件参数提供客观参考；根据循环流化床锅炉的工作原理、组成部件、机组参数及其他影响因素，采用适合的预测算法，估算某一时间的SO2排放量。比较经典的预测算法有XGBoost、随机森林、Adaboost、支持向量机等。每种预测算法的思路不同，相同的训练数据得到的最后结果也存在差异。在算法方面，本文选择通过Python编程构建基于XGBoost的价格预测模型进行一阶段训练。然后利用Geatpy工具包搭建遗传算法对一阶段训练好的模型进行校正和微调，称为二阶段训练。经过两个阶段的训练后，将模型的结果进行测试，调试模型参数，尽量提高模型的预测精度，保证预测模型的准确性，完成对循环流化床锅炉的SO2排放预测。

第2章 循环流化床锅炉的组成部件和工作原理

在选取研究对象之前，我们要首先学习循环流化床锅炉的基本工作原理和各部分组成器件。盲目地构建模型很难得到一个准确的数据到算法的映射关系，因此，掌握机器的物理规律及运行原理是十分重要的。对于后续研究对象的选取、数据的预处理及特征的选择都具有十分重要的意义。清晰而准确地掌握循环流化床锅炉的工作原理和各个组成部件的工作方式及原理，有助于我们从众多的组件参数中筛选出对于我们清洗数据选择特征、构建SO2预测模型，以及最终模型的训练和预测等环节最有利的数据。

2.1循环流化床锅炉的研究

2.1.1循环流化床锅炉的工作原理

我国是燃煤大国，一次能源将近70％来自煤炭，而这个局面在相当长的历史阶段无法根本改变。煤炭洗选、按质利用是控制燃煤引发的粉尘和气体污染物（主要是二氧化硫和氮氧化物）的有效途径，洗选产生的低热值部分占到总量的20%以上，而这20%重量的劣质燃料富集了80%以上的灰分和硫分，因而劣质煤高效清洁规模化经济利用十分迫切，而循环流化床燃烧发电正是解决这一问题的最佳选择。

循环流化床技术是洁净煤燃烧技术的一种，它把化工里的流态化技术转移到燃烧领域使用，这一技术的煤种适应性特别宽，各种劣质煤都能烧。更重要的是，这一技术在燃烧过程中无需外部干涉，只依靠自身就能无成本实现氮氧化物排放量低值，并且可以通过在燃烧室中直接放入石灰石的方式脱去燃烧产生的二氧化硫，与在锅炉后尾部烟气净化技术相比，相对简单，成本低，还起到了节水的作用。

燃料经破碎机破碎至合适的粒度后，经给煤机从燃烧室布风板上部给入，与燃烧室炽热的沸腾物料混合，被迅速加热，燃料迅速着火燃烧，在较高气流速度的作用下，充满炉膛，并有大量的固体颗粒被携带出燃烧室，经气固分离器分离后，分离下来的物料通过物料回送装置重新返回炉膛继续参与燃烧。经分离器导出的高温烟气，在尾部烟道与对流受热面换热后，通过除尘器，由烟囱排出。以上所述的煤、风、烟系统称为锅炉的燃烧系统，即一般说的“炉”。另一方面，锅炉给水经水泵送入省煤器预热，再进入汽包，然后进入下降管、水冷壁被加热并蒸发后又回到汽包，经汽水分离后蒸汽进入过热器升温后，通过主蒸汽管道送到用户处。上述为汽水系统，即一般说的“锅”。总的来说，炉的任务是尽可能组织高效的放热，锅的任务是尽量把炉的热量有效的吸收，锅和炉组成了一个完整的能量转换和蒸汽产生过程。

循环流化床锅炉的特殊工艺结构让其拥有许多难以超越的技术特性。首先，循环流化床锅炉拥有较高的热效率。热效率是锅炉的第一指标，循环流化床锅炉可以保证热效率不低于88%, 锅炉飞灰含碳量不大于6%,底渣含碳量不大于2%；其次，循环流化床锅炉拥有较低的电耗。由于其采用低床压、低流速设计，合理的一二次风配比，从而减少对风机的风压要求，降低电机电功率。最后，也是比较重要的一点，循环流化床锅炉有很强的环保性。首先，循环流化床锅炉通过调整锅炉受热面分配，保证炉膛燃烧温度在860-880之间，即炉内石灰石脱硫最佳温度区间。采取炉内喷入石灰石粉，结合高效的分离器，捕捉更细颗粒，保证石灰石与烟气多次混合反应，达到炉内石灰石的最高利用率，确保炉内脱硫效率达90%以上；结合炉外脱硫塔措施，保证SO2原始排放35mg/Nm3以下。其次，采用860-880℃低床温设计和低氧量设计，燃烧调整氧量控制在3%；严格进行分级供风，提高二次风量比例达50%以上,抬高二次风入炉位置，保证炉内燃烧缺氧还原区；保证锅炉初始NOx排放浓度≤100mg/Nm，最后，分离器入口预留SNCR脱硝接口位置；在尾部烟道两组省煤器之间预留出装设SCR设备的空间；通过脱销装置后保证锅炉最终NOx排放浓度≤50mg/Nm3。此外，循环流化床锅炉还易于实现灰渣的综合利用。循环流化床锅炉燃烧过程属于低温燃烧 ，同时炉内优良的燃尽条件使得锅炉的灰渣含碳低，属于是低温燃烧透，易于实现灰渣的综合利用，如灰渣作为水泥掺和料或建筑材料。虽然流化床锅炉具备很多其他燃烧方式没有的优点，但是也伴随着一些还需要克服的难题。由于流化床锅炉内的物料成高浓度、高风速的特点，导致锅炉部件的磨损较严重，中正锅炉选择合适的流化速度，优化炉内各个受热面防磨措施，保证锅炉连续运行时间不少于7000小时。另外流化床锅炉燃料适用性广，但是对燃料颗粒的直径严格要求，如果达不到要求，可能导致运行中排放不达标等问题，需要合适的破碎设备。

循环流化床锅炉采用流态化燃烧，主要结构包括燃烧室（包括密相区和稀相区）和循环回炉（包括高温气固分离器和返料系统）两大部分。其中，在流化床锅炉输送分离高度（TDH）以下，颗粒浓度较大，并沿高度方向浓度逐渐降低，这部分区域称为密相区；在流化床锅炉输送分离高度（TDH）以上，气流中的粒子浓度较低，但比较均匀，这部分区域称为稀相区。图2-1是循环流化床锅炉的基本结构，各主要部件的作用将在下一个小节详细介绍。

2.1.2主要组成部件及其作用

循环流化床锅炉由锅炉本体及辅助设备组成。锅炉本体主要包括启动燃烧器、风室、布风装置、炉膛、气固分离器、物料回送装置、以及汽包、下降管、水冷壁、过热器、省煤器、空气预热器等。辅助设备主要包括送风机、引风机、返料风机、破碎机、给煤机、冷渣器、除尘器、脱硫脱硝设备、烟囱等。下面对主要的部件作用进行介绍。

1. 旋风分离器

旋风分离器是循环流化床锅炉的代表部件，其主要作用是将大量高温固体物料从气流中分离出来，返入炉膛，保证燃料和脱硫剂多次循环，反复燃烧和反应。如果是汽冷式，分离器内布置了受热面，属于过热器受热面，能够吸收一部分过热热量。

2. 布风板

布风板是布风板装置的重要组成部分，它的主要作用有：支撑静止的床料。使空气均匀地分布在炉膛横截面上，并提供足够的压力，使床料均匀流化。 维持床层稳定，避免出现勾流、腾涌等流化不良现象。及时排出沉积在布风板区域的大颗粒，避免流化分层，维持正常流态化。

3. 风室

风室安装在布风板的下部，相当于流化风的混合分配箱，由于它有一定的容积，所以能起到稳定和均流的作用，使风量更加均匀地分布在布风板上。

4. 电除尘器

5. 电除尘器内部装有阴极板和阳极板，通电后高压电场产生电晕，从而使带电离子充满整个有效空间，带负电荷的离子在电场力的作用下，由阴极向阳极移动吸附烟气中的分散粉尘。带电体在电场力的作用下将粉尘沉积在极板上。沉积在极板上的粉尘依靠机械振打装置，使粉尘脱落。

6. 省煤器

省煤器在循环流化床锅炉的汽水系统中。通过水泵加压后的给水在省煤器中吸热后进入汽包。它的主要作用是： 加热给水，替代了部分蒸发面，就是以管径小、管壁厚、传热温差大、价格低的省煤器代替了造价较高的水冷壁管。进一步降低了排烟温度，提高了锅炉效率，节省燃煤。提高了汽包的进水温度，减少了汽包与给水的温差，降低了汽包的热应力。

7. 空气预热器

循环流化床锅炉空气预热器的作用是利用排烟余热，加热燃料所需的空气及制粉系统工作所需的热空气，并可降低排烟温度，提高机组热效率。

8. 汽包

汽包是各种汽包锅炉的重要部件，其主要作用是： 连接上升管（水冷壁）和下降管，组成水循环回路，同时接受省煤器的给水，以及向过热器输送饱和蒸汽。因此，汽包是加热、蒸发、过热三个过程的枢纽和连接点。 作为一个平衡容器，提供水冷壁汽水混合物流动所需的压力。汽包中容有一定的水和蒸汽，加之汽包自身质量很大，因此有相当大的蓄热能力。在锅炉工况发生变化时，能减缓汽压的变化速度，起到稳定气压的作用。 汽包内装有汽水分离装置和汽水净化装置，起到保证汽水品质的作用。装有测量表计与安全附件，如压力表、水位计、安全阀等，保证锅炉的安全运行。

9. 回料器

回料器料腿工作的主要任务有：将固体颗粒从低压区回送到高压区。 防止气体向上反窜。因此它在流化床系统只起着压力平衡的作用。 当高温物料发生堵塞时，通过调节料腿上设置的松动风，可以改变其物料的流化状态，及时恢复正常返料。

2.2研究对象的选取

合适的机组参数选择可以使对循环流化床锅炉SO2排放预测模型的准确度得到提高。机组参数是指循环流化床锅炉各个部件中设定或者采集到的参数。我们获取到的数据中，提炼出来的机组参数主要包括：等。由于参数量十分庞大，盲目选择不仅可能漏掉重要的参数，还会对结果引入意想不到的误差，最终都会造成预测结果的不准确。因此，初步选择将这些参数进行重要度计算，根据重要度排序，从中选择对结果影响较大、贡献较高的参数作为后续的研究和训练对象。具体的重要度排序方法将在第三章详细介绍。

2.3本章小结

本章首先介绍了循环流化床锅炉的工作原理及基本结构。然后，对主要的组成部件进行了详细的介绍。通过他们的工作方式及原理，可以让我们了解到循环流化床锅炉的特性和优缺点，以及脱硫的方式和特点，同时我们也可以感性地认知到各个组件的不同参数在实际的循环流化床锅炉SO2排放预测问题中是如何影响或决定最终结果的。然后，在本次课题研究中，由于我们挑选了循环流化床锅炉作为本次SO2排放预测的研究对象，所以我们在进行数据处理和模型构建的时候要充分考虑多种组件参数和其他影响因素的综合作用，在之后进行数据处理的时候要对这些价格影响因子进行处理和筛选。本论文是将所有的参数进行重要度的评估，并按照它们的重要度分数进行排序，然后筛选最重要的几个特征参与后续的研究和模型的训练。这样做一方面是因为特征数量过于复杂在进行模型训练的时候不仅会减慢模型训练的时间，还可能引入较多的噪点及异常数据，导致模型不准确。另一方面，不准确的数据在模型训练的时候可能会对模型的预测产生误差影响，对影响SO2排放的特征因子进行筛选，剔除数据不完整或不满足模型要求的特征因子，保证模型的准确性，是尤为重要的。