http://www.c-s-a.org.cn/csa/article/pdf/6188熵、信息增益、信息增益率___山頂洞人__的博客-CSDN博客NO1風道點火器出口風壓空

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

熵、信息增益、信息增益率___山頂洞人__的博客-CSDN博客

NO1風道點火器出口風壓

空預器A側出口二次風壓力

爐膛后墻高壓區溫度2

3號高加進汽溫度

主蒸汽壓力（平均后）

爐膛床溫均值

1#煙氣NH3信號

旋風筒B壁溫

在多種發電手段中，火力發電無疑占據著主導地位。目前，我國絕大多數電廠依然采用燃煤發電。然而，燃煤發電在提供電能服務人民生活工作的同時，所排放的各種污染物，特別是SO2,也嚴重影響了人們的生活環境。隨著國家環境保護力度的加大,電廠污染物的超低排放面臨著嚴峻挑戰。為有效指導電廠機組調整運行、優化方案，如何精確預測各種參數下SO2的排放量成為一個備受關注和亟待解決的問題。

當前電廠一般采用循環流化床技術來完成潔凈煤燃燒。循環流化床鍋爐的機組參數十分龐大，細微的調整也可能對最終SO2的排放帶來很大影響。傳統的方法主要依據人工經驗，采取控制變量的實驗性嘗試，總結一般規律，來預測SO2的排放情況。這種方法耗時耗力，并且精確度往往很低。近年來，機器學習技術越來越成熟，而且已經成功運用在了各個領域。它可以從大數據中發現規律，依靠算法模型抓取特征、完成分類或預測任務，這為循環流化床鍋爐的SO2排放預測提供了一條新思路。

在本課題中，我們調研學習了大量與循環流化床鍋爐組件和原理相關的文獻和材料，并選取XGBoost模型來對循環流化床鍋爐的SO2排放做預測。我們首先分析了不同機組參數的重要度，并選取重要度較高的幾個特征來訓練模型。此外，為了進一步提高預測的準確性和可靠性，我們還引入了遺傳算法幫助糾正初次建模后的擬合曲線。我們將過去搜集到的數據匯總并制作了數據集，其中80%的數據用于訓練模型，20%的數據用于模型預測和效果評估。我們采用MSE和MAPE來作為主要的評估指標，實驗證明了本課題方法的準確性和有效性。

1.1選題背景和意義

近幾年來，隨著我國經濟的發展和技術的進步，電能已成為人們工作生活中不可缺少的能源之一。雖然技術發展日新月異，許多新能源以及新的發電手段不斷投入生產使用，但在我國，火力發電目前仍然占據著主導地位。我國國內絕大多數電廠依然采用燃煤發電。然而，燃煤發電在提供電能服務人民生活工作的同時，所排放的各種污染物也破壞了周圍的環境。隨著人們對于清潔能源的需求日漸增加，火力發電需要找尋一條清潔生產、低污高效之路。循環流化床 (CFB) 燃燒技術由于在燃料適應性、污染物控制和負荷調節方面的優勢，在過去 50 年中取得了重大進展。截止到2017年，我國已有4000多臺循環流化床鍋爐，總裝機容量超過了100 GW [2]。目前，循環流化床燃燒技術正朝著更高參數、更大容量的方向發展。截止到2020年，有超過50臺超臨界循環流化床鍋爐已經投入生產，總裝機容量近17000兆瓦[3]。絕大多數的循環流化床鍋爐使用煤作為燃料，因為煤是火力發電中最便宜也最易獲取的原材料。 但是，煤在燃燒過程中會產生大量的硫氧化物和氮氧化物，絕大多數為污染性氣體。其中，主要的硫氧化物便是SO2。

在大多數國家，對于污染性氣體的排放都有嚴格的執行標準和法律法規。這在很大程度上保護了居民生命安全和生活環境，但也對工廠和基礎能源行業施加了很大的限制。循環流化床鍋爐在運行時通過向爐膛內注入石灰石，可有效去除部分SO2。然而，由于循環流化床鍋爐慣性大、滯后性大的特點[5]，石灰石進入鍋爐后并不會立即產生脫硫作用，而需要經過一段時間后緩慢發揮脫硫作用。這一特性對循環流化床機組的超低排放運行提出了挑戰。大量的實驗和人工經驗證明，準確的SO2排放預測結果可以為循環流化床鍋爐運行提供指導，包括參數優化、預警和控制優化。因此，基于現有輸入數據的SO2預測對于控制循環流化床鍋爐脫硫的SO2排放至關重要。

循環流化床鍋爐的機組參數十分龐大，這就導致獲取到的輸入數據，無論數據量還是特征維度都很復雜，從輸入到預測之間的建模面臨嚴峻挑戰。傳統的方法主要依據人工經驗，通過大量實驗來總結機組參數與SO2排放之間的規律，從而反向指導機組參數的設定和優化。這一過程不僅耗時耗力，而且結果往往不夠準確。近年來，大數據背景下的機器學習技術越來越成熟，它可以從大數據中發現規律，依靠算法模型抓取特征，在參數擬合、指標預測、圖像分類、文本理解等多個領域都充分發揮了它的價值和意義。工業領域也普遍積極擁抱機器學習新技術，用于指導生產、維護設備、調整參數等復雜任務上。因此，如何利用好循環流化床鍋爐可提供的大量數據，利用機器學習技術輔助或完成循環流化床鍋爐的SO2排放，是一個值得研究的問題。

1.2國內外研究現狀

對于循環流化床鍋爐的SO2排放預測，國內外已經展開過一些研究。我們對于相關研究的文獻和書籍進行學習之后，發現早期的循環流化床鍋爐的SO2排放預測，主要集中于一些人工的特征分析和規律總結。通過大量的調參及對比試驗，從試驗數據中探索機組參數與SO2排放之間相關性，從而在一定程度上預測循環流化床的SO2量。這種方法對SO2預測會具有一定的主觀性和個人局限性。近年來，隨著互聯網技術的發展和大數據環境的日益成熟，國內外專家開始嘗試使用基于機器學習的方法來進行循環流化床鍋爐的SO2排放預測。呂元鋒等人提出了基于徑向基函數神經網絡的方法來完成預測。徑向基函數神經網絡具有全監督式、全局逼近、輸出全值線性關系等特點。并且，這種方法的訓練速度很快，可以在很短時間內得出問題的解。然而，這種方法比較依賴特征與問題解之間的強相關性，直接用于循環流化床鍋爐上，面對眾多機組參數，很難保證最終預測結果的準確性。為了解決這一問題，上海電力學院的王渡聯合寶山鋼鐵股份有限公司電廠李嘉工程師等人提出了基于改進的BP神經網絡的方法來預測循環流化床鍋爐的SO2排放。他們在BP神經網絡中引入了附加動量項和自適應學習率，兩者均可以根據模型的訓練情況，動態地調整特征分布與權重值，從而提升準確率。除了以上的研究，蔣星明、曹順安等人在2021年提出了一種基于雙向門控循環神經網絡的循環流化床鍋爐SO2排放預測模型。他們分析了循環流化床鍋爐脫硫系統數據具有大慣性和延時性等特點,并且機組中影響SO2排放濃度的因素眾多。為此，他們提出了一種基于雙向門控循環神經網絡，以分析得到的主成分為輸入變量,SO2排放濃度為輸出變量,通過訓練模型對SO2排放濃度數據進行預測。他們將結果與傳統的RNN以及LSTM模型相比，發現所提出的模型能夠獲得較高的預測精度。

除了國內的研究外，國外也有一些學者進行過相關的工作。L.Mukadi等人提出了一系列科學的實驗和裝置，來測量不同參數下循環流化床鍋爐的SO2排放量，從而總結了一些人工經驗。經過他總結的規律來反向調節機組參數，SO2的排放量得到了有效的降低。J.Krzywański等人從動力學控制和固體燃料燃燒的化學公式入手，利用計算機構建了煤在空氣和富氧循環流化床環境中燃燒的模型，該模型可以計算出循環流化床中固體燃料燃燒產生的多種氣體。研究者發現，燃燒性質是從內部動力學控制狀態變為外部擴散控制狀態，因此他們首次在速率常數公式中使用反應表面積而不是煤炭的比內表面積。他們設計了一系列實驗證明了這種改進的有效性。J.Chen等人提出由于缺乏機制過程的先驗知識，基于機器學習的模型在完成循環流化床鍋爐SO2排放預測任務時精度不足。他們分析了一階泰勒展開下的微分方程模型與單層門控循環單元神經網絡模型的關系，并根據分析結果，提出了循環流化床鍋爐SO2排放濃度的混合預測模型。在實驗階段，他們采用兩臺實際機組的運行數據集進行驗證，并得到了不錯的結果，有效證明了所提方法的準確性。

通常來講，基于機器學習的預測方法主要分為三步，首先是一手數據的獲取。對于機器學習模型尤其是大數據相關的算法模型，數據的質量直接影響著模型的表現。一手準確可靠的數據，是算法模型能完全發揮效果的前提和必要條件。只有數據準確可靠，訓練出來的模型才能準確地擬合我們想要擬合的數據，才能準確地反映或預測真實的狀況。然而現實情況中數據的獲取恰恰是最為困難的。首先數據的采集往往需要昂貴的硬件設備和人力支持。無論是硬件故障還是人為疏忽，都可能導致數據紊亂或不準確。如果直接使用這些不合規范的數據進行模型的訓練、測試甚至是預測，那么從這些數據中得到的模型必然是不準確的，甚至是完全錯誤的。因此，機器學習的首要步驟是對獲取到的數據信息進行預處理，使之符合使用條件和科學規范，這一步驟通常被稱作數據清洗。第二，根據獲取到的數據及對問題的分析和人工經驗的沉淀，我們需要選擇合適的機器學習算法來對問題進行建模。通過前文的分析我們可以得出結論，循環流化床鍋爐的SO2排放預測任務情況較為復雜，機組參數較多，且參數與最終想要預測的結果之間的規律不甚明朗。雖然已經有一些研究者提出過基于神經網絡或循環神經網絡的方法來解決該問題，但其精度往往較低。因此，如何選擇合適的算法來對問題建模，是機器學習預測步驟中較為關鍵的第二個步驟。第三，當我們確定好數據和模型后，如何進行科學的訓練和預測，是我們必須考慮和規劃的問題。我們需要將從收集到處理好的的歷史數據分成訓練集和測試集兩部分，其中使用訓練數據集建立用來訓練模型、調整模型參數。測試數據集用來評估模型效果、對比預測結果與真實結果的差距。通過不斷的參數信息調整，最后可以得到一個滿足精度需求的循環流化床鍋爐SO2排放預測模型。我們也就通過這一模型，完成了算法與現實數據的建模和映射關系。利用這一模型，不僅可以在輸入不同機組參數后完成對SO2排放的預測，還可以用來反向推出更為合理的機組參數組合，從而優化機器的參數設定、維護、定期檢查等工作，極大的方便了工業生產，節省了人力和時間資源。

1.3主要研究內容和結構

1.3.1課題主要內容

對于本次課題中以循環流化床鍋爐為對象開展SO2排放預測模型的研究，首先需要對循環流化床鍋爐的原理和組成部件有所了解。循環流化床鍋爐由鍋爐本體及輔助設備組成。其中鍋爐本體主要包括啟動燃燒器、風室、布風裝置、爐膛、氣固分離器、物料回送裝置、以及汽包、下降管、水冷壁、過熱器、省煤器、空氣預熱器等。而輔助設備則主要包括送風機、引風機、返料風機、破碎機、給煤機、冷渣器、除塵器、脫硫脫硝設備、煙囪等。流化床鍋爐最為主要的結構特點是物料循環系統，由布風裝置、燃燒室、氣固分離器、回料裝置、點火裝置等設備組成。燃燒室、分離器及回料裝置被稱為循環流化床鍋爐的三大核心部件，并構成了循環流化床鍋爐的顆粒循環回路，是其結構上區別于其它鍋爐的明顯特征，是循環流化床鍋爐的特有系統。在掌握一定先驗知識的基礎上，利用算法分析出眾多機組參數中，對預測SO2排放影響程度最重要的一些參數，從而利用算法對其進行學習和建模。數據處理完畢之后就可以著手開展循環流化床鍋爐SO2排放預測模型研究，為優化組件參數提供客觀參考；根據循環流化床鍋爐的工作原理、組成部件、機組參數及其他影響因素，采用適合的預測算法，估算某一時間的SO2排放量。比較經典的預測算法有XGBoost、隨機森林、Adaboost、支持向量機等。每種預測算法的思路不同，相同的訓練數據得到的最后結果也存在差異。在算法方面，本文選擇通過Python編程構建基于XGBoost的價格預測模型進行一階段訓練。然后利用Geatpy工具包搭建遺傳算法對一階段訓練好的模型進行校正和微調，稱為二階段訓練。經過兩個階段的訓練后，將模型的結果進行測試，調試模型參數，盡量提高模型的預測精度，保證預測模型的準確性，完成對循環流化床鍋爐的SO2排放預測。

第2章 循環流化床鍋爐的組成部件和工作原理

在選取研究對象之前，我們要首先學習循環流化床鍋爐的基本工作原理和各部分組成器件。盲目地構建模型很難得到一個準確的數據到算法的映射關系，因此，掌握機器的物理規律及運行原理是十分重要的。對于后續研究對象的選取、數據的預處理及特征的選擇都具有十分重要的意義。清晰而準確地掌握循環流化床鍋爐的工作原理和各個組成部件的工作方式及原理，有助于我們從眾多的組件參數中篩選出對于我們清洗數據選擇特征、構建SO2預測模型，以及最終模型的訓練和預測等環節最有利的數據。

2.1循環流化床鍋爐的研究

2.1.1循環流化床鍋爐的工作原理

我國是燃煤大國，一次能源將近70％來自煤炭，而這個局面在相當長的歷史階段無法根本改變。煤炭洗選、按質利用是控制燃煤引發的粉塵和氣體污染物（主要是二氧化硫和氮氧化物）的有效途徑，洗選產生的低熱值部分占到總量的20%以上，而這20%重量的劣質燃料富集了80%以上的灰分和硫分，因而劣質煤高效清潔規模化經濟利用十分迫切，而循環流化床燃燒發電正是解決這一問題的最佳選擇。

循環流化床技術是潔凈煤燃燒技術的一種，它把化工里的流態化技術轉移到燃燒領域使用，這一技術的煤種適應性特別寬，各種劣質煤都能燒。更重要的是，這一技術在燃燒過程中無需外部干涉，只依靠自身就能無成本實現氮氧化物排放量低值，并且可以通過在燃燒室中直接放入石灰石的方式脫去燃燒產生的二氧化硫，與在鍋爐后尾部煙氣凈化技術相比，相對簡單，成本低，還起到了節水的作用。

燃料經破碎機破碎至合適的粒度后，經給煤機從燃燒室布風板上部給入，與燃燒室熾熱的沸騰物料混合，被迅速加熱，燃料迅速著火燃燒，在較高氣流速度的作用下，充滿爐膛，并有大量的固體顆粒被攜帶出燃燒室，經氣固分離器分離后，分離下來的物料通過物料回送裝置重新返回爐膛繼續參與燃燒。經分離器導出的高溫煙氣，在尾部煙道與對流受熱面換熱后，通過除塵器，由煙囪排出。以上所述的煤、風、煙系統稱為鍋爐的燃燒系統，即一般說的“爐”。另一方面，鍋爐給水經水泵送入省煤器預熱，再進入汽包，然后進入下降管、水冷壁被加熱并蒸發后又回到汽包，經汽水分離后蒸汽進入過熱器升溫后，通過主蒸汽管道送到用戶處。上述為汽水系統，即一般說的“鍋”。總的來說，爐的任務是盡可能組織高效的放熱，鍋的任務是盡量把爐的熱量有效的吸收，鍋和爐組成了一個完整的能量轉換和蒸汽產生過程。

循環流化床鍋爐的特殊工藝結構讓其擁有許多難以超越的技術特性。首先，循環流化床鍋爐擁有較高的熱效率。熱效率是鍋爐的第一指標，循環流化床鍋爐可以保證熱效率不低于88%, 鍋爐飛灰含碳量不大于6%,底渣含碳量不大于2%；其次，循環流化床鍋爐擁有較低的電耗。由于其采用低床壓、低流速設計，合理的一二次風配比，從而減少對風機的風壓要求，降低電機電功率。最后，也是比較重要的一點，循環流化床鍋爐有很強的環保性。首先，循環流化床鍋爐通過調整鍋爐受熱面分配，保證爐膛燃燒溫度在860-880之間，即爐內石灰石脫硫最佳溫度區間。采取爐內噴入石灰石粉，結合高效的分離器，捕捉更細顆粒，保證石灰石與煙氣多次混合反應，達到爐內石灰石的最高利用率，確保爐內脫硫效率達90%以上；結合爐外脫硫塔措施，保證SO2原始排放35mg/Nm3以下。其次，采用860-880℃低床溫設計和低氧量設計，燃燒調整氧量控制在3%；嚴格進行分級供風，提高二次風量比例達50%以上,抬高二次風入爐位置，保證爐內燃燒缺氧還原區；保證鍋爐初始NOx排放濃度≤100mg/Nm，最后，分離器入口預留SNCR脫硝接口位置；在尾部煙道兩組省煤器之間預留出裝設SCR設備的空間；通過脫銷裝置后保證鍋爐最終NOx排放濃度≤50mg/Nm3。此外，循環流化床鍋爐還易于實現灰渣的綜合利用。循環流化床鍋爐燃燒過程屬于低溫燃燒 ，同時爐內優良的燃盡條件使得鍋爐的灰渣含碳低，屬于是低溫燃燒透，易于實現灰渣的綜合利用，如灰渣作為水泥摻和料或建筑材料。雖然流化床鍋爐具備很多其他燃燒方式沒有的優點，但是也伴隨著一些還需要克服的難題。由于流化床鍋爐內的物料成高濃度、高風速的特點，導致鍋爐部件的磨損較嚴重，中正鍋爐選擇合適的流化速度，優化爐內各個受熱面防磨措施，保證鍋爐連續運行時間不少于7000小時。另外流化床鍋爐燃料適用性廣，但是對燃料顆粒的直徑嚴格要求，如果達不到要求，可能導致運行中排放不達標等問題，需要合適的破碎設備。

循環流化床鍋爐采用流態化燃燒，主要結構包括燃燒室（包括密相區和稀相區）和循環回爐（包括高溫氣固分離器和返料系統）兩大部分。其中，在流化床鍋爐輸送分離高度（TDH）以下，顆粒濃度較大，并沿高度方向濃度逐漸降低，這部分區域稱為密相區；在流化床鍋爐輸送分離高度（TDH）以上，氣流中的粒子濃度較低，但比較均勻，這部分區域稱為稀相區。圖2-1是循環流化床鍋爐的基本結構，各主要部件的作用將在下一個小節詳細介紹。

2.1.2主要組成部件及其作用

循環流化床鍋爐由鍋爐本體及輔助設備組成。鍋爐本體主要包括啟動燃燒器、風室、布風裝置、爐膛、氣固分離器、物料回送裝置、以及汽包、下降管、水冷壁、過熱器、省煤器、空氣預熱器等。輔助設備主要包括送風機、引風機、返料風機、破碎機、給煤機、冷渣器、除塵器、脫硫脫硝設備、煙囪等。下面對主要的部件作用進行介紹。

1. 旋風分離器

旋風分離器是循環流化床鍋爐的代表部件，其主要作用是將大量高溫固體物料從氣流中分離出來，返入爐膛，保證燃料和脫硫劑多次循環，反復燃燒和反應。如果是汽冷式，分離器內布置了受熱面，屬于過熱器受熱面，能夠吸收一部分過熱熱量。

2. 布風板

布風板是布風板裝置的重要組成部分，它的主要作用有：支撐靜止的床料。使空氣均勻地分布在爐膛橫截面上，并提供足夠的壓力，使床料均勻流化。 維持床層穩定，避免出現勾流、騰涌等流化不良現象。及時排出沉積在布風板區域的大顆粒，避免流化分層，維持正常流態化。

3. 風室

風室安裝在布風板的下部，相當于流化風的混合分配箱，由于它有一定的容積，所以能起到穩定和均流的作用，使風量更加均勻地分布在布風板上。

4. 電除塵器

5. 電除塵器內部裝有陰極板和陽極板，通電后高壓電場產生電暈，從而使帶電離子充滿整個有效空間，帶負電荷的離子在電場力的作用下，由陰極向陽極移動吸附煙氣中的分散粉塵。帶電體在電場力的作用下將粉塵沉積在極板上。沉積在極板上的粉塵依靠機械振打裝置，使粉塵脫落。

6. 省煤器

省煤器在循環流化床鍋爐的汽水系統中。通過水泵加壓后的給水在省煤器中吸熱后進入汽包。它的主要作用是： 加熱給水，替代了部分蒸發面，就是以管徑小、管壁厚、傳熱溫差大、價格低的省煤器代替了造價較高的水冷壁管。進一步降低了排煙溫度，提高了鍋爐效率，節省燃煤。提高了汽包的進水溫度，減少了汽包與給水的溫差，降低了汽包的熱應力。

7. 空氣預熱器

循環流化床鍋爐空氣預熱器的作用是利用排煙余熱，加熱燃料所需的空氣及制粉系統工作所需的熱空氣，并可降低排煙溫度，提高機組熱效率。

8. 汽包

汽包是各種汽包鍋爐的重要部件，其主要作用是： 連接上升管（水冷壁）和下降管，組成水循環回路，同時接受省煤器的給水，以及向過熱器輸送飽和蒸汽。因此，汽包是加熱、蒸發、過熱三個過程的樞紐和連接點。 作為一個平衡容器，提供水冷壁汽水混合物流動所需的壓力。汽包中容有一定的水和蒸汽，加之汽包自身質量很大，因此有相當大的蓄熱能力。在鍋爐工況發生變化時，能減緩汽壓的變化速度，起到穩定氣壓的作用。 汽包內裝有汽水分離裝置和汽水凈化裝置，起到保證汽水品質的作用。裝有測量表計與安全附件，如壓力表、水位計、安全閥等，保證鍋爐的安全運行。

9. 回料器

回料器料腿工作的主要任務有：將固體顆粒從低壓區回送到高壓區。 防止氣體向上反竄。因此它在流化床系統只起著壓力平衡的作用。 當高溫物料發生堵塞時，通過調節料腿上設置的松動風，可以改變其物料的流化狀態，及時恢復正常返料。

2.2研究對象的選取

合適的機組參數選擇可以使對循環流化床鍋爐SO2排放預測模型的準確度得到提高。機組參數是指循環流化床鍋爐各個部件中設定或者采集到的參數。我們獲取到的數據中，提煉出來的機組參數主要包括：等。由于參數量十分龐大，盲目選擇不僅可能漏掉重要的參數，還會對結果引入意想不到的誤差，最終都會造成預測結果的不準確。因此，初步選擇將這些參數進行重要度計算，根據重要度排序，從中選擇對結果影響較大、貢獻較高的參數作為后續的研究和訓練對象。具體的重要度排序方法將在第三章詳細介紹。

2.3本章小結

本章首先介紹了循環流化床鍋爐的工作原理及基本結構。然后，對主要的組成部件進行了詳細的介紹。通過他們的工作方式及原理，可以讓我們了解到循環流化床鍋爐的特性和優缺點，以及脫硫的方式和特點，同時我們也可以感性地認知到各個組件的不同參數在實際的循環流化床鍋爐SO2排放預測問題中是如何影響或決定最終結果的。然后，在本次課題研究中，由于我們挑選了循環流化床鍋爐作為本次SO2排放預測的研究對象，所以我們在進行數據處理和模型構建的時候要充分考慮多種組件參數和其他影響因素的綜合作用，在之后進行數據處理的時候要對這些價格影響因子進行處理和篩選。本論文是將所有的參數進行重要度的評估，并按照它們的重要度分數進行排序，然后篩選最重要的幾個特征參與后續的研究和模型的訓練。這樣做一方面是因為特征數量過于復雜在進行模型訓練的時候不僅會減慢模型訓練的時間，還可能引入較多的噪點及異常數據，導致模型不準確。另一方面，不準確的數據在模型訓練的時候可能會對模型的預測產生誤差影響，對影響SO2排放的特征因子進行篩選，剔除數據不完整或不滿足模型要求的特征因子，保證模型的準確性，是尤為重要的。