火力发电厂锅炉煤粉细度的软测量技术研究
电站锅炉经济煤粉细度的选择与优化分析
电站锅炉经济煤粉细度的选择与优化分析摘要：火电厂在满足大众电力需求的同时，也在大量的消耗着煤炭资源，因此提高电厂锅炉燃烧效率、降低资源浪费及污染物排放，对燃烧技术进行优化则成为了热能工程的主要研究方向。
实际上，在电厂燃烧优化过程中，煤粉细度的合理选择和优化能够在一定程度上通过降低飞灰可燃物含量的方式有效的提高锅炉效率，从而避免能源浪费现象的产生，实现节能与环保的目标。
因此，本文通过分析煤粉细度对锅炉运行的影响，就电站锅炉经济煤粉细度的选择与优化方式进行探索分析，旨在提高锅炉运行效率，减少污染物排放。
关键词：燃烧技术；煤粉细度；选择；优化从目前来看，传统的火力发电仍占据重要地位。
电厂运行过程中因能源消耗严重，不仅会产生能源浪费问题，其所产生的污染物还会对环境造成一定的影响和危害。
提高电厂锅炉效率能够有效的解决能源浪费严重、污染物排放对环境产生危害等问题，而降低飞灰可燃物含量是提高电厂锅炉效率的重要路径之一。
近些年，不少学者和电厂锅炉工作者就燃烧技术优化进行了探索和研究，实践证明，合理的燃用煤粉细度能够有效的降低飞灰可燃物含量，进而提高锅炉效率，实现节能环保目标。
因此，本文将从煤粉细度对锅炉运行的影响着手，探究分析电站锅炉经济煤粉细度的选择与优化策略。
一、煤粉细度对电站锅炉运行的影响锅炉燃烧优化能够在一定程度上保证锅炉运行稳定，通过一系列优化措施使锅炉适应外界变化而实现稳定的电力输出。
从整体来看，锅炉燃烧优化的目的主要有以下两点：其一，通过降低不完全燃烧所造成的损失来提高锅炉效率，从而达到经济性目的；其二，通过燃烧优化避免锅炉结渣，确保各级受热面不超温，保证锅炉正常稳定运行，在完全燃烧的基础上降低二氧化氮的生成，从而达到安全性目的。
（一）煤粉细度对电站锅炉经济性的影响从煤粉细度角度来看，其作为电厂经常测量的指标之一，是确保电厂锅炉运行经济性的重要内容。
若煤粉细度越细，其所发生不完全燃烧所造成的损失也就越小，能够有效的减少烟气量，从而有效的提高锅炉效率。
火电厂锅炉控制系统软测量技术研究
火电厂锅炉控制系统软测量技术研究火电厂作为能源发电的主要产业之一，其锅炉控制系统的精准度和稳定性对于电网稳定运行和能源供应至关重要。
随着现代科技的发展，锅炉控制系统软测量技术的出现，为提高锅炉控制精度和稳定性提供了新途径。
本文将重点探讨火电厂锅炉控制系统软测量技术的研究。
一、软测量技术概述软测量技术是指根据已知过程变量建立数学模型，然后根据数学模型对未知变量进行测量的一种方法。
利用软测量技术，我们可以更为直观地了解元件的电气、机械、物理等性能特征，从而对整个元件进行综合分析、优化设计。
在火电厂锅炉控制系统中，我们可以运用软测量技术来监测压力、温度、流量、水位等各项指标，从而更好地控制系统的运行。
二、火电厂锅炉控制系统软测量技术的研究现状目前，国内外学者对于锅炉控制系统软测量技术的研究已经到了比较成熟的阶段。
按照测量方法的不同，软测量技术主要分为基于模型的软测量技术和基于统计的软测量技术两种类型。
其中基于模型的软测量技术需要事先建立一个精准的物理模型，从而实现对锅炉控制系统各项指标的精准控制。
而基于统计的软测量技术则可以利用统计学的方法来对数据变化趋势进行分析、预测，从而实现对火电厂锅炉控制系统的有效控制。
据了解，目前国内锅炉控制系统软测量技术的研究分为两类：传统的模型建立式软测量技术和基于神经网络的软测量技术。
传统的模型建立式软测量技术是指利用传统的数学建模方法建立锅炉控制系统各项指标与输入信号之间的数学模型，从而实现对系统的实时监控和控制。
而基于神经网络的软测量技术则是通过神经网络层层分析和学习火电厂锅炉控制系统的特征，从而实现对多元指标的综合测量和控制。
三、锅炉控制系统软测量技术在火电厂的应用实践在火电厂实际应用中，锅炉控制系统的稳定运行直接影响到电网的稳定运行和能源供应。
因此，如何利用软测量技术提高锅炉控制系统的稳定性和精准控制成为了当前研究的重要方向之一。
首先，我们可以利用软测量技术对火电厂锅炉控制系统各项指标进行实时监控和控制。
软测量技术的新进展及其在火电厂热工过程中应用
%
"
&
支持向量机软测量应用
支持向量 机是 ’()*+, 最初在统计 学习理论的
基础上建立起来的一种非常有力的机器学习方法。 它是最近几年发展起来的一种人工智能技术， 最初 用于模式识别， 目前在信号处理， 函数逼近等领域也 得到了应用。支持向量机较好地解决了小样本、 非 线性、 高维数、 局部极小点等实际问题， 具有很强的 泛化能力。最小二乘支持向量机是标准支持向量机 的一种扩展， 它是支持向量机在二次损失函数下的 一种形式。最小二乘支持向量机只求解线性方程， 其求解速度快， 在函数估计和逼近中得到了广泛应 用。 &- . 基本结构 建立待测变量与其它一些可测或易测的过程变 量之间的关系， 通过对可测变 量的检测、 变换和计
"
引言
随着我国国民经济的快速发展， 我国电源点的
建设正处于前所未有的高速发展时期。以平均每年 新增装机 )"12 左右的速度增长。超临界、 超超临 界机组、 燃煤增压流化床 （ .564） 锅炉联合循 3144、 环等火电方面的新 技术、 新课 题不断涌现， 与此同 时， 对环保及能源效率的关注也越来越高。火电厂 热工对象复杂程度提高， 测点增加， 控制范围扩大， 对控制质量的要求也随之提高。 针对火电厂热工过程中传统测量方法所面临的 问题， 下面我们将探讨和研究目前在火电厂热工过 程中使用软测量技术的最新进展及应用。
［&］ 算， 间接得到待测变量的估计值 。软测量模型的
， …， （&） & # ( 0 ,( ］ ( $ .， &， ’ 求解 的 优 化 问 题 转 化 为 求 解 线 性 方 程： " " 7 . 7 （8） $ " 0. 2 , . $ &! 1 %" % 其中， …， ， …， ， , $ ［ ,. ， , ’］ . $ ［.， .］ # $ % ［ …， #. ， #’ ］，
锅炉煤粉细度
煤粉细度DL/T567.5火电厂燃料试验方法煤粉细度的测定煤粉细度是指把一定量的煤粉放在筛孔尺寸为x 的标准筛上进行筛分，然后称重，煤粉在筛子上剩余质量占总煤粉量的质量百分比，即 Rx = a/（ a + b）×100% ，式中：a指筛分时筛上煤粉质量,g，b 指筛下煤粉质量,g。
煤粉细度是煤粉重要的特性参数，它直接影响到锅炉的经济运行和安全性,甚至环保性。
我国电站锅炉通常用筛孔尺寸为 200μm 和 90μm 的两种规格的筛子对煤粉细度进行评测，即 R200和 R90。
机组在设计和运行中，需要根据煤种特性和运行经验严格控制最佳的煤粉细度值，达到保证机组安全、经济、环保运行的目的。
煤粉细度是煤粉最重要的特性之一，它是煤粉颗粒群粗细程度的反映。
煤粉细度是指把一定量的煤粉在筛孔尺寸为x微米的标准筛上进行筛分、称重，煤粉在筛子上的剩余量占总量的质量百分数定义为煤粉细度R x。
我国电厂锅炉煤粉细度常用筛孔尺寸为90μm和200μm两种筛子来表示，即R90和R200，是电厂锅炉运行最常用的控制指标。
煤粉细度就是煤粉的研磨程度。
即粉体中不同直径的颗粒所占的质量百分率。
它常用不同孔径筛网上的剩余量百分率表示。
经过磨煤机研磨和分离器气力分选的煤粉属于宽筛分粉体，它们的粒度分布特性一般基本符合Rosin-Rarnmier 表达式:R x =100exp(-bx n )式中：R x ——筛网上的剩余量百分率（粒径＞x 的粉体质量百分率），%；x —— 筛网孔径（煤粉粒径），mm ；b ——表征煤粉总体研磨程度的系数；n ——表征煤粉粒度总体均匀程度的系数。
系数n 取决于粗粉分离器型式，最广泛使用的离心式分离器约为1.1；旋转离心式分离器约为1.2。
n 愈大，煤粉粒度分布愈趋均匀，燃烧效果愈好。
实际煤粉样品的n 值应使用不同孔径的3-4个筛子进行筛分，按式上式回归计算求得。
根据上述粒度分布特性，在已知n 值的条件下，一般只给出用一种筛网的测量值即可。
燃料电厂煤粉细度的测量方法
离线
① 筛分法 ② 沉降法
测量方法
在线
软测量
D-S(Dempster-
① 超信声度波函法数允许s我h们af基er于)理论 ② 电信容度法使用一个即问：题信的度概函数理 ③ 图率的像来概法推率导。一个相关问论题
离线
测量方法
在线
筛分法 光脉动法 ECT法
筛分法
操作方法：一般用人工取出部分煤粉样品， 用标准筛孔尺寸的筛子筛分后称重。
磨煤机的一次风量改变,将导致细颗粒质量百分比增加,大颗粒的 百分比显著下降。
用ECT方法和用标准ASME等速取样试验方法得到的结果对比, 其中ECT测量值是在ASME方法取样时开始和结束之间时段内的平 均值。
由图可见,两种方法得到的结果的最大偏差小于1%,吻合得很好, 证明ECT技术能够用于煤粉量的实时测量和调整。
式中 =-ln（I /I0）,N nL
n / LS1 是煤粉颗粒的平均数量浓度，（）为特征函数：
( ) 2 e2 x( , )d
0
x( , ) sin( ) exp( ( sin( )) 1)
由上述公式可以得到煤粉颗粒的投影面积：
S1
(I )2
I
2 0
(A ) ( )
煤粉的平均粒径为：
D 4S1 /
因此若测得入射光强 I 0和透射光强 I 的时间随机序列信号，就
可以计算出煤粉颗粒的平均粒径D
表1和表2给出了在实验室用该原理测量已知直径的74μm和9μm 标准颗粒的结果。
表1
74μm 标准颗粒测量结果
测量序号
1
2
3
4
5
6
平均粒径 （μm）
67.1
76.7
74.3
煤粉细度的研究
煤粉细度对于发电厂来说，煤粉细度是影响锅炉运行的重要参数，所以对煤粉细度的研究非常有必要。
煤粉细度直接影响煤粉在炉膛燃烧的快慢、燃烧完全程度、飞灰含碳量高低、火焰中心高低、NOx的排放量和锅炉效率等。
所以对电厂而言，根据不同煤种确定最优的煤粉细度尤为重要。
煤粉细度一般指的是试验时留在筛子上的煤粉占试验煤粉的比例，筛子孔径不变的话，留在上面的越多，细度越大，煤粉越粗。
通过对煤粉细度的测量方法、影响煤粉细度的因素、煤粉细度对锅炉运行的影响及最佳煤粉细度的确定方法来进行研究。
一、煤粉细度的测量方法根据测量方式的不同可以将煤粉细度的测量分成离线测量和在线测量。
1、离线测量（筛分法测量煤粉细度）现在国内通常用R90和R200作为煤粉细度的衡量标准，故筛分法就是通过筛网孔径为90μm和200μm的试验筛进行对试验煤粉的筛选。
1.1、试验工具如下表：表1：筛分试验工具煤粉取样孔一般安装在磨煤机出口管道上，对磨煤机所有出口管道进行取样，分别测定其煤粉细度。
管道上有一个取样孔的，取样需要取样器在不同深度进行煤粉收集。
管道上存在水平和垂直两个取样孔的，分别在两个方向不同深度进行取样，之后充分混合作为本煤粉管的试验煤样。
1）将底盘、孔径为90μm标准试验筛、孔径为200μm标准试验筛自下而上一次叠加在一起。
2）用天平秤取煤样25g，置于孔径为200μm标准试验筛内，盖好筛盖。
3）将上述已叠加好的筛子放置在振筛架上。
4）振筛10min，取下筛子，刷孔径为90μm标准试验筛底一次。
装上筛子继续振筛。
若筛下煤粉不超过0.1g时，振筛完成。
5）取下筛子，分别称量孔径为90μm标准试验筛和孔径为200μm标准试验筛上的煤粉重量。
秤准到0.01g。
1.3结果计算煤粉细度按下式计算：R200=A200G×100R90=A200+A90G×100R200: 未通过孔径为200μm标准筛上的煤粉重量占试验煤样重量的百分比，%。
火电厂煤粉浓度的软测量技术研究
对 上 式 简化 近似 ：（ １ ） 气 流 的浓 度 ｐ 与其 密 度 相 关 无 几 ，即 用 密 度 Ｐ 代 替 ， 同时 忽 略 颗 粒 占
小 得 多 ，可 以 略 去 气 体 的位 势 能 增 量 ，而 且 可 以
但 对 于 长 输 送 管 道 ，一 般 都 不 计 加 速 压 差 。
２ 测 量 机 理 建模
在 实 际 情 况 中 ，送 风 系 统 将 煤 粉 加 速 ，使 其
从 相 对 静 止 到 具 有 一 定 速 ，这 个 过 程 需 要 能 量 。 能 量 损 失 主 要 用 来 克 服 煤 粉 在 输 送 过 程 中 的 各 种
１ 软 测 量
１ ． １ 软 测量 原理
了 。 悬 浮 压 差 即 为
Ａｐ ａ＝ Ｌ ｇ （ ６）
＋ ｐ ２ ｌ ， ２ ｓ ２ ） ＋
（ １ ）
则 总 压 差 为 Ｔ＝Ｐ Ｉ — Ｐ ２： （ ｐ ＋ Ｐ ） ｇ ｚ ２ 一（ Ｐ ｇ ｌ ＋ ｐ 。 １ ） ｇ ｌ ＋ （ ｐ ２ ＋ ｐ ， ）一 （ Ｐ ， ２ 。 ＋ ｐ ， ２ 。 ） ＋ △ ｐ ｌ ＋ ａ ｐ
第２ ９卷第 ８期
２ ０ １ ３年 ８月
电 力
科
学
与
工
程
Ｖ。 １ ・ ２ ９， Ｎｏ ． ８
５ ７
Ｅｌ ｅ ｃ ｔ ｒ ｉ ｃ Ｐｏ ｗｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ
火 电厂 煤 粉 浓 度 的软 测 量 技 术研 究
浓度为 Ｐ 。；与 气 一固两 相 流 的 沿 程 能 量 损
失相对 应 的摩 擦 压 差 为 Ａ ｐ ；悬 浮 压 差 为 ａ ｐ ，
软测量技术及其在火电厂的应用
Ｓ ｆ ｅ ｓ ｒｎｇ Ｔｅ ｈ ｌ ｇ ｎｄ ｉｓＡｐ ｉ ａ ｉ ｎ ｔ ｏ ｔＭ ａ ｕ ｉ ｃ ｎｏ ｏ ｙ ａ ｔ ｐｌｃ ｔｏ ｏ Ｔｈｅ ｍ ａ ｗｅ ａ ｔ ｒ ｌＰｏ ｒ Ｐｌ ｎ ｓ
ｆ ｒ ａ ｄ ａ ｅ （ ｅ ｓｒ ｔ ｒ ｕ ｈ ｔ ｅ ｍａｈ ｍａ ｉ ｌｒ ｌｔ ｎ ｈｐ ｓｔ ｂ ｔ ｅ ｎ ｐ ｉ ｒ ａ ｉｂｅ ａ ｄ ｔ ｅ ｏ ｒ ｗ ｒ ｓｎ ｏ ） ｈ ｏ ｇ ｈ ｔ ｅ ｔ ａ ｅａｉ ｓ ｉ ｅ ｅ ｗ ｅ ｒ ｈ ｃ ｏ ｍａ ｙ ｖ ｒａ ｌ ｈ ｒ ｏ ｂ ｓ
实 际问题 的研究 思路 之一 。
其是 节 能增 效 的提 出 对 机组 的优 化 运行 和 经 济
运行 提 出 了越 来 越 高 的要 求 ， 温 度 、 力 等 常ቤተ መጻሕፍቲ ባይዱ 对 压
规 变量 的检测 和控 制 已不 能满 足需 要 ， 行 过 程 运
操 作和 控制人 员更 希 望 可 以对 成分 、 物性 等 与 过 程 控 制 密 切 相 关 的 参 数 进 行 更 直 观 的 检 测 和 控制。
郦 晓 雪 ，肖伯 乐
（ 海发 电设 备 成 套 设 计 研 究 院 ，上 海 ２ ０ ４ ） 上 ０ ２ ０
摘 要： 由于 许 多 影 响 火 力 发 电 安 全运 行及 其 经 济性 的重 要 参 数 难 以在 线 实 时测 量 ， 软 测 量 技 术 可 通 而
过 建 立 难 测 量 的 主 导 变 量 与 易测 量 的辅 助 变 量 之 间 的数 学 关 系 来 达 到 以软 件 代 替 硬 件 （ 感 器 ） 目的 。 介 传 的 绍 了 软 测 量 技 术 的 基本 方法 ， 出 了软 测 量 模 型 的 一 般理 论 和建 模 方 法 ， 以 实 例 介 绍 了 软 测 量 技 术 在 火 电 给 并 厂热工控制方面的应用。 关 键 词 ： 测 量 技 术 ； 模 ；热 工 过 程 软 建
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
火力发电厂锅炉煤粉细度的软测量技术研究张磊，韦红旗东南大学动力工程系（210096）Email：Leizhang_1983@摘要：针对火电厂制粉系统煤粉细度难以在线实时测量及测量精度低等问题，本文采用了基于神经网络结合遗传算法的新型软测量模型，通过遗传算法训练BP神经网络权值的方法，并实现了某热电厂220t/h四角切圆煤粉锅炉煤粉细度的在线监测。
以实际锅炉运行数据为检测值得到的模型输出结果表明，该方法具有较好的在线监测效果。
关键词：煤粉细度；BP神经网络；遗传算法；软测量； Matlab引言对于发电厂煤粉锅炉来讲，无论是中储式制粉系统还是直吹式制粉系统,煤粉细度是影响其经济安全运行的重要因素，特别是燃用贫煤和无烟煤的锅炉，煤粉细度的影响更为重要。
目前贫煤和无烟煤大多采用四角切圆燃烧，由于这种燃烧方式的特点，如果颗粒较大，煤粉在离开燃烧器区时很难完全燃烧，然而后期混合较差，使得燃尽性差，飞灰含碳量增加，锅炉燃烧效率降低，表1中所示的为某电厂制粉系统试验时的实际数据，从中可以看出煤粉细度对灰渣未完全燃烧损失q4的影响，进而影响锅炉效率。
同时不合适的煤粉细度也容易导致高温腐蚀和结焦、再热器超温爆管、尾部受热面的磨损甚至炉膛灭火等一系列问题。
因此，在锅炉运行中必须严格控制煤粉细度，及时的掌握运行时的煤粉细度具有及其重要的意义。
表1. 某电厂煤粉细度与q4关系工况序号细度1 细度2 细度3煤粉细度% 20.10 24.00 15.80 飞灰可燃物含量% 2.44 2.84 1.85炉渣可燃物含量% 7.73 4.62 3.46 飞灰未完全燃烧热损失% 1.025 1.200 0.774炉渣未完全燃烧热损失% 0.382 0.221 0.164灰渣未完全燃烧热损失q4% 1.408 1.422 0.937然而对于火力发电厂锅炉煤粉细度的监测，目前多数电厂都是通过离线取样、分析的方法，一个粉样从分析到得到结果，往往需要很长的一段时间。
虽然一定程度上可以确定煤粉细度，但由于分析结果的滞后，因此在运行中不能实时准确知道煤粉细度状况，无法及时进行锅炉的相应调整。
近年来,国内外都在开展煤粉在线测量技术研究,如采用热力学法[1]、微波法、电容法[2]、电荷法[3]、光脉动法等。
但这些技术由于种种实际限制,在应用到电厂的磨煤机出口的煤粉细度在线测量时都没有实际可操作性或没有进行必要的工业性实验。
且上述一些方法与煤粉的特性有关,煤种变化会增大测量误差。
有鉴于此，本文采用软测量技术，在成熟的硬件传感器基础上，以计算机技术为核心，通过人工神经网络结合遗传算法建立软测量模型，利用较易测量的辅助变量和信息（锅炉运行数据）去映射难测量的变量（煤粉细度），从而实现了煤粉细度的在线软测量。
1. 建立软测量模型本文采用神经网络结合遗传算法的方法建立软测量模型。
神经网络具有自学习、自组织和鲁棒性及高度非线性表达能力，非常适用于多变量、非线性的煤粉细度在线软测量。
然而通常采用的BP算法是基于梯度下降的算法，不可避免地具有收敛速度慢、易陷入局部极小、全局搜索力弱等缺点。
因此，本文结合遗传算法（GA），它可以在复杂、多峰的非线性及不可微的空间中实现全局搜索，提高收敛速度。
本文利用遗传算法优化神经网络的权系数的方法，建立锅炉运行参数与煤粉细度的软测量模型,充分结合利用两者的优点，使新算法既有学习能力和鲁棒性，又有强全局随机搜索能力[3,4]。
如图1所示：图1 . 神经网络与遗传算法相结合1.1神经网络模型的建立神经网络模型建立关键在于如何确定输入输出变量，隐含层数，隐含层单元数，以及预测步长和初始参数的选择。
神经网络输入层的神经元越多，网络的精度越高，但会使网络训练时间加长，因此在保证必要精度要求下，尽量减少输入变量数目。
影响煤粉细度及磨煤机出力的因素较多，当磨煤机型式及结构参数确定后，分析影响煤粉细度的因素主要有：1、制粉系统运行参数的影响。
如；磨煤机转速、风煤比及通风量等； 2、磨制燃料的特性。
如：磨制燃料的颗粒度、燃料的可磨度、水分等；3、分离器的分离效率。
如：分离器挡板调整位置，回粉阀门是否正常等均会对分离效率产生影响。
图2. 某电厂制粉系统通风量与煤粉细度R90的关系曲线本文根据目前电厂的运行状况分析，通过前期的多次制粉系统运行调整试验，选取了磨煤机电流，磨煤机出入口负压，粗粉分离器出口负压，磨煤机出入口温度，一次风压，再循环风门开度，热风门开度，给煤机电流，等锅炉运行参数，共16组作为输入变量，输出变量选取具有代表性的煤粉细度R90[8]。
目前对隐含层以及神经元的数目确定没有现成的理论或者公式，本文通过用MATLAB 软件进行大量的仿真训练，并结合经验公式在考虑精度和学习速度的情况下，最终确定采用三层BP神经网络，设计的神经元分布为：输入层16：隐层18：输出层1。
隐层和输出层函数分别选取双曲正切S型函数以及S型对数函数。
1.2神经网络权系数的GA 优化[5]遗传算法(GA)是Holland 1975年首先提出的优化随机搜索算法，他借鉴自然界优胜劣汰的遗传机制，模拟生物进化过程中的选择、交叉、变异操作，采用概率化的寻优方式，自适应地获取和指导优化方向和空间。
本文将遗传算法替代BP 算法进行网络权值优化，其训练步骤如下:1）. 初始化包括给定网络的输入输出样本的采集，选定遗传操作，设置遗传参数及自适应调整算法等。
本文中进行样本训练时个体数目选取50，遗传终止代数取50。
2）. 编码方式由于本文面对的网络模型复杂，需优化的权系数庞大，因此不适宜采用二进制编码，而应采用实数编码方式，神经网络的权系值按一定的顺序联为一个个体，每一个位置对应着网络的一个权值或阈值。
则 M 个权系值的 N 个染色体的集合可用 N 行 M 列数组A 表示，其元素a ij 是第i 染色体的j 个变量。
由此得到编码个体串为:{w 11,w 12,……,b 1,w 21,w 22,……,b 2,……,w ij , b i ……}其中: w ij 是神经元j 到神经元i 的联接权系数，b i 是神经元i 的阈值。
3）. 适应度函数选取将染色体上的各权重和阀值分配到给定的网络结构中，以训练样本为输入输出，计算BP 神经网络的输出与期望输出之间的平均绝对误差，将此误差的倒数作为个体的适应度：211/(2)()pk pk LSE p t y =−∑∑其中：y pk 表示网络p 组训练样本的输出； t pk 为目标期望输出。
4）. 遗传算子的选择选择运算，采用随机遍历抽样的选择方法，按照个体在当前种群中的适应度为繁殖概率选择遗传个体。
交叉运算，采用单点交叉算子，首先对个体进行两两随机配对，若群体大小为M ，则共有[M/2]对相互配对的个体组；然后对每一组配对的个体，随机设置某一基因座之后的位置为交叉点，若染色体的长度为N ，则共有N-1个可能的交叉点位置；最后，对每一对相互配对的个体，依设定的交叉概率在其交叉点处交换两个个体的部分染色体，从而产生两个新的个体。
变异运算，以变异概率0.5做均匀变异。
首先依次指定个体编码串中的每个基因座为变异点。
然后对每个变异点，以变异概率从对应基因的取值范围内取一随机数来替代原有值，这种变异方法使得搜索点可以在整个搜索空间内自由的移动，从而增加了群体的多样性。
2．软测量模型的验证表2. 某电厂锅炉实际运行数据（部分）项目单位工况1 工况2工况3工况4工况5工况6工况7 工况8 工况9排粉机电流 A 19.0 19.0 19.2 18.0 20.0 18.0 19.0 18.5 20.0 磨煤机电流 A 45.0 45.3 43.3 43.0 43.0 43.0 43.0 45.0 45.0 磨煤机入口负压Pa 715 780 662 622 627 560 508 520 305 磨煤机出口负压Pa 3378 362840533217416332403625 3175 3745 粗粉分离器出口负压Pa 3823 392050404217506739804715 4120 5055 排粉机入口负压Pa 8208 779380738343791383908015 8185 7850 一次风压Pa 2150 243823211969242519972207 2131 2316 再循环风门开度% 0 30 0 0 20 20 0 0 20 热风门开度% 90 95 98 85 90 90 55 42 66 温风门开度% 60 100 28 40 30 30 35 61 20 ＃5门开度% 40 42 45 42 50 42 43 41 45 给煤机电流 A 7.8 7.3 8.0 7.5 8.0 7.8 7.6 5.2 5.4 磨煤机入口温度℃ 192.8 179.0255.7263.7231.0267.0219.5 189.0 254.0磨煤机出口温度℃66.8 70.0 72.7 71.3 69.3 70.5 70.0 69.0 71.0 上层给粉机平均转速 r/min 496.3 486.4326.3359.2355.8361.3488.8 490.0 517.5下层给粉机平均转速 r/min 573.2 532.4617.5607.9599.2605.0510.0 545.0 592.5煤粉细度（R90）% 17.2 19.2 24.0 18.5 32.0 21.5 32.4 16.8 16.4为了验证本文提出的煤粉细度软测量模型，本文采用了某热电厂大量的实际锅炉运行数据作为训练样本，运用MATLAB软件神经网路工具箱，结合英国Sheffield大学推出的遗传算法工具箱进行神经遗传网络模型的编程仿真训练。
通过对表2中的某电厂不同工况下的锅炉实际运行数据进行仿真训练。
得到的结果如图3，4所示。
仿真结果表示，所采用的神经网络结合遗传算法模型具有较高的精度[4]，具有较好的软测量效果。
图3. 遗传算法训练权值的变化过程图4.软测量模型训练结果与目标值对比3.结论本文采用神经网络结合遗传算法这一工具对锅炉煤粉细度进行了软测量技术研究，根据锅炉运行特点建立了16:18:1型ＢＰ神经网络结合遗传算法的软测量模型。
同时，使用锅炉实际运行数据，采用遗传算法对网络模型进行了权值训练，获得了神经网络模型参数的权矩阵。
通过该模型进行的软测量计算结果显示：其计算值与试验值符合良好，平均误差不超过4%。
因此，本文提出的ＢＰ神经网络结合遗传算法的软测量模型及相关方法，应用于锅炉煤粉细度的在线预测是可行、可靠的，具有较强的实用价值。
参考文献：[1]王凯,赵海生,陈增宏.煤粉浓度监测系统[J].动力工程,1994,14(3):45-48.[2]王国雄,等.现代高炉粉煤喷吹[M].北京:冶金工业出版社,1997.[3] Laux S,Grusha J, Mc Carthy K. Coal and airflow measurement for reduced NOx and UBC. Internet [EB].[4] 陈智军. 神经网络与遗传算法的优化及结合[D] 湖北：湖北大学，2002[5] 李建珍, 杨庆德. 基于遗传算法的神经网络学习算法研究[D] 甘肃：兰州大学,2001[6] 王东亚,张琳,赵国. 神经网络遗传算法在供热负荷预测中应用[J]. 辽宁工程技术大学学报,2005,24：161-163[7] 雷英杰，张善文等.MATLAB遗传算法工具箱及应用[M], 西安:西安电子科技大学出版社, 2005[8] 飞思科技产品研发中心. 神经网络理论与MATLAB 7实现 [M], 北京:电子工业出版社, 2005[9] 赵新木,王承亮,吕俊复,岳光溪. 基于BP神经网络的煤粉锅炉飞灰含碳量研究[J]. 热能动力工程,2005,20(2):158-161The Soft Sensor Technology Of Coal Powder Granularity inPower PlantZhang Lei，Wei HongqiDepartment of Power Engineering, Southeast University, Nanjing, PRC（210096）AbstractPresently, the measurement of coal powder granularity in power plants has many defects。