遗传算法在电厂NOx减排中的应用

摘要：本文通过遗传算法回归，得到电站锅炉及NOx排放的预测模型。模型预测的结果与实际测得值吻合得非常一致。将模型的参数进行优化，并调节可控参数，可以得出电厂NOx排放效果最好的最优解。
关键词：NOx排放;遗传算法;模型预测;参数优化
中国分类号：TK0文献标识码：A   文章标号：2095-2104（2012）03-0001-02
 
 
Abstract：The prediction model of NOx emission in utility boiler is achieved by using genetic algorithm in the paper. The prediction results were compared with actual value with minor error. The parameters were optimized. The optimal solution of NOx emission was achieved.  
Key words：NOx emission, genetic algorithm, model prediction, parameter optimization
 
0 前言
锅炉燃烧的NOx排放是近年来火电行业燃烧工况研究关注的热点问题^[1-3]，燃煤锅炉作为主要NOx排放源之一，对其进行减排使必须的。但到目前还没有学者对燃烧工况与NOx排放量的关系做深入研究。根据以往的运行经验认为，NOx排放量与锅炉燃烧的氧量、摆角、负荷、减温水量、各挡板开度、各磨煤机煤量和煤质等锅炉燃烧工况参数有关。
本文根据上海W燃煤电厂#7锅炉机组2012年3月实际运行记录的数据，就氧量、摆角、负荷、减温水量、各挡板开度、各磨煤机煤量和煤质等指标对NOx排放量和再热蒸汽温度指标的关系用遗传算法回归分析，建立了预测模型。
1 模型建立
NOx排放量指标是由众多的燃烧工况参数综合作用的结果，如仅用很少几个参数进行分析建摸，则忽略了其它参数的影响，模型的准确性和适用性就会降低。因此，建模的自变量和样本量都不能偏少，从而给建模的统计计算方法带来了复杂性。遗传算法作为一种基于自然群体遗传演化机制的高效探索算法,以其简单通用、适于并行处理以及高效、实用等显著特点，在组合优化、机器学习、信号处理、自适应控制和人工生命等领域得到了广泛应用，取得了良好效果，并逐渐成为现代有关智能计算中的关键技术之一。
遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律演化而来的随机化搜索方法^[4]，是具有“生存＋检测”的迭代过程的搜索算法。其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。它将问题域中的可能解看作是群体的一个个体或染色体，并将每一个体编码成符号串形式，它以一种群体中的所有个体为对象，并利用随机化技术指导对一个被编码的参数空间进行高效搜索,对群体反复进行基于遗传学的操作（遗传，交叉和变异），根据预定的目标适应度函数对每个个体进行评价，依据适者生存，优胜劣汰的进化规则，不断得到更优的群体，同时以全局并行搜索方式来搜索优化群体中的最优个体，求得满足要求的最优解。其中，选择、交叉和变异构成了遗传算法的遗传操作；参数编码、初始群体的设定、适应度函数的设计、遗传操作设计、控制参数设定五个要素组成了遗传算法的核心内容。
本文以“NOx5-汽温-230x38v3c2j”模型为例。以#7锅炉机组2012年3月实际运行记录的参数为基础，根据SIS系统每一小时采集有一套相关参数值,包括NOx、再热汽温、锅炉负荷、氧量、SOFA风六层挡板开度、燃烧器摆角、各磨煤机煤量等，再加上来自煤场对于入炉煤的化验报告（包括各磨煤机配煤的固定碳、挥发分、水分、灰分、硫分等），共计有52项参数。记录参数中将NOx、蒸汽温度（再热蒸汽温度）作为因变量，其余50项参数作为可选的自变量。选取了磨组运行方式BCDEF、CDEF、DEF的完整记录，再将其随机选取230行记录作为建模样本^[5]。
源数据经标准化处理。考虑可能存在的非线性关系和交互作用，参照多项式拟合方法，将自变量按其-1（倒数）、1、2、3次幂和两两相乘及两两相除进行扩维，用自编的遗传算法从中筛选出有效的维建立回归模型。根据初步建立的模型，为了适当减少自变量数目，舍去了与因变量相关作用较弱的12项煤质参数，最终建模选用自变量参数共38个。
2 模型计算
遗传回归是一种随机寻优方法，可以产生多个模型方案。现以经过优选的回归方案为例，分析回归模型的准确性、可靠性和稳定性。遗传回归优化方案统计.
通过模型计算，我们可以发现：
1.    确定系数R²值为0.8614997，参数间有很好的潜在相关性；建模数据源于外高桥第三发电有限责任公司SIS系统“#7锅炉实际运行指标”，每一小时记录一套相关参数，模型所取样本数据基本具有独立性；观测因变量分布状态（略），其分布近似符合正态性；从残差散点图看，具有残差独立性和方差恒定性；因此，回归符合假设前提。
2.     Significance F值（F检验相伴概率）为5.205E-82，说明回归公式各系数同时为零的概率几乎为零，即所回归的公式和R²值有近乎100%的置信度。
3.    回归方程各项系数a_i和b的T检验相伴概率P值大多数项都很小，有高度的显著性，即接受其回归关系有较高的置信度。
4.    模型样本预测残差的平均值为1.585E-14，近乎为零，证明因变量预测确实是实测的无偏估计。模型样本预测残差的标准偏差为38.776，即“NOx”的估计值或称预测值与实测值的残差在99.7%的置信概率下的最大值约为116.33，95%的置信概率下的最大值约为77.55。平均绝对误差即误差绝对值的平均值为29.69。相对误差标准偏差为0.104738，即其相对误差范围99.7%在±0.314以内，95%在±0.209以内。其误差已在可接受范围，模型可以较可靠地用于估计预测，说明模型预测有较好的准确性。
5.    回归模型样本观测值N为230，回归模型变量M为16，远大于多元回归避免过拟合的经验公式N/ M≥5的要求，有利于回归模型的稳定可靠性。
3 模型验证与优化
3.1 内部交叉验证
根据模型方案，对本模型作内部交叉验证：将全部m个样本中留去第i个样本作检验样本，其余的样本作建摸样本来确定模型的参数，再用留下的检验样本代入模型，求得一个估计值；再留去第二个样本作检验样本，同样求得第二个估计值；如此循环，求得m个估计值。本模型“NOx5-230x38v3c2j”中，内部交叉检验的误差的平均值为 -0.00045，样本标准偏差为42.19016，平均绝对误差为32.21429，相对误差标准偏差为0.113842，即其相对误差范围99.7%在±0.34以内，95%在±0.23以内，说明回归模型是较稳定可靠的。
3.2 外部验证
根据模型方案，将230行建模样本以外的记录再随机选取200行作为外部检验样本。将检验样本参数代入模型，求得200个估计值；如此求得200个预报残差值。仍以模型“NOx5-230x38v3c2j”为例，外部检验的误差的平均值为 3.98506，样本标准偏差为47.38430，平均绝对误差为37.32037，相对误差标准偏差为0.12786，即其相对误差范围99.7%在±0.38以内，95%在±0.25以内。其误差范围与内部交叉检验相比微有放大，符合模型验证规律，再次说明回归模型是较稳定可靠的。
3.3 参数优化
本模型中，在规划求解工具中设置目标单元格为预测值NOx/汽温，并取最小值。取氧量、摆角、减温水量、挡板1至挡板6为可变参数^[6]。其他参数为非操作可控，特别是负荷为指令要求，其值不变。再设定好适当的约束条件。经迭代求解，可得“NOx”尽可能小而“汽温”尽可能大的优化解，也就是根据模型优化提示，改变可控参数，有可能使NOx下降约30%。
全文总结
1.         本文将氧量、摆角、负荷、减温水量、挡板1至挡板6、煤量B至煤量F及煤质指标等38个参数对NOx、汽温（再热蒸汽温度）指标进行遗传回归分析，建立了多套预测模型。建模所取样本为大量的实际运行记录数据，样本量较大；建立的预测模型较为准确、稳定、可靠，具有良好的预测效果；模型的适应范围较广，适用于多种磨组运行方式。建立的预测模型可用于NOx排放指标的评估。
2.         模型提供的动态对应关系图，反映了动态的参数关系规律；利用模型揭示的变量关系和规划求解工具，可以指导锅炉燃烧调整工作，以达到尽量降低NOx的排放量的目的，同时又不影响锅炉的经济性。
3.         用类似的建模研究方法，还有可能取得锅炉燃烧优化，从而降低煤耗的效果。无论是降低NOx的排放量还是降低煤耗，都具有重大的经济和环保意义。
 
参考文献：
[1]      吴碧君,刘晓勤.燃烧过程NOx的控制技术与原理[J].电力环境保护,2004,20(2):29-33.
[2]      杨国旗, 郁翔. 电站锅炉脱硝技术及其应用现状综述[M].北京:技术应用，2012.
[3]      周国民,唐建成,胡振广等.燃煤锅炉SNCR脱硝技术应用研究[J].电站系统工程,2010,26(1):18 -21.
[4]      米凯利维茨[M].科学出版社，2000
[5]      高小涛,黄磊,张恩先,章名耀.1000 MW机组锅炉氮氧化物排放影响的试验研究[J].热能动力工程,2010,25(2):221-225.
[6]      陈曦梅.火力发电厂燃烧中低N0x制技术研究[J].中国高新技术企业,2010(4):47-48