专利名称：一种废塑料炼油燃烧优化的建模方法
技术领域：
本发明属于信息控制技术领域，涉及到数据建模技术，特别是涉及一种废塑料炼油燃烧优化的建模方法。
背景技术：
废塑料炼油的燃烧控制是废塑料裂解反应和产品质量保证的重要技术关键，其目标是在一定生产条件和要求下，通过调整各燃烧器的运行参数而获得反应釜所需的理想的燃烧状态，使反应釜的温度分布良好，废塑料的裂解反应在适当的温度下进行，使产品符合生产需求的基础上利益最大化。加热反应釜的各燃烧器的给风和给油等运行参数的不同对反应釜内的温度分布有直接的影响，不同的燃烧器的给油和给风的配合会直接导致不同的反应釜内的温度分布的情况，尤其是在反应釜进料有扰动的情况下，温度分布更不稳定。对于一定的生产条件和产品需求下，针对反应釜所需的理想的燃烧状态特征指标，存在一种最优的各燃烧器运行参数配置方案，能够使相应燃烧状态的特征指标最优化，但是，反应釜内的温度分布与各燃烧器运行参数和进料量及出产品量间有着非常复杂的耦合关系，要找到最优的各燃烧器的运行参数的配置并不容易。废塑料炼油是一种新的生产过程，其燃烧优化控制问题还没有得到解决。实际生产中废塑料炼油的燃烧主要是靠工作人员经验，其目标也只是维持生产正常进行，因此其生产过程中燃烧状态还有很大的可提升空间。通过数据挖掘，在大量不同的生产运行参数组合中，应用机器学习的方法，挖掘出各燃烧器的运行参数、进料量和出产品量与反应釜内轴向温度分布间的关系模型，再结合优化算法对进行燃烧优化是非常有潜力的方法。如何使该方法真正达到废塑料炼油生产实际的要求，是该技术的关键，主要难题包括，如何提高模型的预测和泛化能力，如何提高模型的自学习能力。
发明内容
本发明的目标是针对废塑料炼油燃烧优化中的瓶颈问题，提出一种废塑料炼油燃烧优化的建模方法。本发明具体是首先采集废塑料炼油的燃烧情况数据，进行建模数据的选择和适当的预处理，以保证模型的预测能力和泛化能力，最终应用相应的建模算法和优化算法建立废塑料炼油的燃烧优化模型。该方法通过数据选择和预处理保证了模型的预测精度和泛化能力。本发明的技术方案是通过废塑料炼油数据采集、建模，数据样本的选择和预处理、 建立废塑料炼油的燃烧优化模型，确立的一种废塑料炼油燃烧优化的建模方法，利用该方法可建立的较为精确和泛化能力较强的废塑料炼油燃烧优化模型。本发明方法的步骤包括
步骤(1).采集废塑料炼油生产过程中各燃烧器运行参数、反应釜进料量和反应釜出产品量及反应釜所需要的燃烧状态 的特征指标，建立废塑料炼油燃烧实时数据库；具体的各燃烧器运行参数、反应釜进料量、反应釜出产品量和反应釜所需要的燃烧状态的特征指标，是通过废塑料炼油生产过程中实时的数据监测控制系统获取，或直接通过仪器设备测
量米集。所述的各燃烧器运行参数为各燃烧器的给风量和给油量；所述的反应釜所需要的燃烧状态的特征指标为反应釜内轴向温度分布(反应釜内壁轴向取M个温度监测点， M > 3)。这个过程积累数据，在积累了相当的数据后，再进行后边的数据挖掘建模。步骤(2).对数据库中的数据进行选择和预处理，分别用最小二乘支持向量机和 BP神经网络建立废塑料炼油燃烧各燃烧器运行操作参数与燃烧状态的特征指标间的燃烧模型，具体方法是
在数据库中进行数据选择，选择出建模用的样本数据，选择时遵循以下原则①分布均勻，即在模型的输入量的拓扑结构空间上分布是均勻的；②数量均等，即在拓扑结构中位于不同点的数据的样本量相等或相近；
对选择出的数据进行建模前的预处理，通过单位的变换或乘系数的方法，使各输入量及相应输出量的数据处于相同或相近的数量级，再对输入量进行归一化处理；
应用预处理好的数据，首先采用最小二乘支持向量机算法建模，最小二乘支持向量机算法所建模型泛化能力较强，然后再应用神经网络建模，神经网络所建模型经验风险较小，最后将最小二乘支持向量机模型和神经网络模型进行组合形成最终的燃烧优化模型；用于建模的输入参数及表征废塑料炼油燃烧状态的特征指标的输出参数表示为
{k.J} Ii，其中&表示第,组作为输入数据的各燃烧器的运行参数(包括各燃烧器的给油
和给风量)、反应釜进料量和反应釜出产品量向量，乃表示第i组作为输出参数的表征反
应釜所需要的燃烧状态的特征指标的参数向量(M个反应釜轴向的温度值)#力样本数量，以实际运行数据为基础建立各燃烧器运行参数、反应釜进料量和反应釜出产品量与反应釜所需要的燃烧状态的特征指标间的模型；
首先采用最小二乘支持向量机算法建模，核函数选为径向基函数
权利要求
1. 一种废塑料炼油燃烧优化的建模方法，其特征在于该方法的具体步骤包括 步骤(1).采集废塑料炼油生产过程中，各燃烧器运行参数、反应釜进料量和反应釜出产品量及反应釜所需要的燃烧状态的特征指标，建立废塑料炼油燃烧实时数据库；具体的各燃烧器运行参数、反应釜进料量、反应釜出产品量和反应釜所需要的燃烧状态的特征指标，通过废塑料炼油生产过程中实时的数据监测控制系统获取，或直接通过仪器设备测量采集；所述的各燃烧器运行参数为各燃烧器的给风量和给油量；所述的反应釜所需要的燃烧状态的特征指标为反应釜内轴向M个温度监测点的温度分布，M^3；步骤(2).对数据库中的数据进行选择和预处理，分别用最小二乘支持向量机和神经网络建立废塑料炼油燃烧各燃烧器运行操作参数与燃烧状态的特征指标间的燃烧模型，具体方法是在数据库中进行数据选择，选择出建模用的样本数据，选择时遵循以下原则①分布均勻，即在模型的输入量的拓扑结构空间上分布是均勻的；②数量均等，即在拓扑结构中位于不同点的数据的样本量应该相等或相近；对选择出的数据进行建模前的预处理，通过单位的变换或乘系数的方法，使各输入量及相应输出量的数据处于相同或相近的数量级，再对输入量进行归一化处理；应用预处理好的数据，首先采用最小二乘支持向量机算法建模，然后再应用神经网络建模，神经网络所建模型经验风险较小，最后将最小二乘支持向量机模型和神经网络模型进行组合形成最终的燃烧优化模型；用于建模的输入参数及表征废塑料炼油燃烧状态的特征指标的输出参数表示为
全文摘要
本发明涉及一种废塑料炼油燃烧优化的建模方法。目前废塑料炼油燃烧优化中存在瓶颈问题。本发明方法是通过废塑料炼油数据采集、建模，数据样本的选择和预处理、建立废塑料炼油的燃烧优化模型，确立的一种废塑料炼油燃烧优化的建模方法。首先采集废塑料炼油的燃烧情况数据，进行建模数据的选择和适当的预处理，以保证模型的预测能力和泛化能力，最终应用相应的建模算法和优化算法建立废塑料炼油的燃烧优化模型。利用该方法可建立的较为精确和泛化能力较强的废塑料炼油燃烧优化模型。本发明方法通过数据选择和预处理保证了模型的预测精度和泛化能力。
文档编号G06N3/02GK102184287SQ201110115409
公开日2011年9月14日 申请日期2011年5月5日 优先权日2011年5月5日
发明者俞天明, 吴鹏锋, 王建中, 王春林, 薛安克 申请人:杭州电子科技大学, 浙江宜景环保科技有限公司