何明福++张惠敏

摘 要：电站锅炉燃烧是一个复杂的物理化学过程，烟气含氧量对实现锅炉的燃烧优化至关重要。软测量技术是利用其它直接物理传感器得到的信息，通过数学模型计算得到所需信息，因而可以避免昂贵的硬件设备费用。本文利用主元分析与支持向量机相结合对烟气含氧量进行软测量建模。

关键词：支持向量机；主元分析；烟气含氧量；软测量

0 引言

电站锅炉燃烧优化是一个复杂的过程，在锅炉运行中，必须控制好送风量与燃料量的比例。风煤比与烟气含氧量具有很强的线性关系，因此锅炉的燃烧优化最终转化为对最佳烟气含氧量的研究 。

目前测量烟气含氧量的氧量分析仪测量结果滞后，对于过程的在线监视和提供反馈信号都有不利影响。随着计算机技术的发展，人工智能建模技术在锅炉烟气含氧量软测量中得到了广泛应用。支持向量机（SVM）由于具有小样本学习能力强等特点已在许多领域显示出巨大的优越性 。主元分析（PCA）是一种统计相关分析技术，它可以将高维空间中的问题转化到低维空间中，使问题变得比较简单和直观。本文利用主元分析对输入支持向量机的数据进行降维处理，简化了支持向量机的建模。

1 模型的输入参数

根据文献，软测量模型的输入应为能反映负荷、燃料、排烟、风量，风速等对烟气含氧量有直接或隐含关系的可实时检测变量。由于试验期间用的都是同一煤质，因此输入参数忽略了煤质的因素，只选择主蒸汽流量、燃料量、送风量、送风机电流、炉膛风箱压差、排烟温度、引风量、引风机电流作为软测量模型的输入。……