一种基于回声状态网络的放空火炬燃烧状态精确控制方法

1.本发明属于石油化工企业放空火炬燃烧状态控制系统，利用回声状态网络网络的模型预测控制技术、设定值跟踪控制技术来对放空火炬助燃蒸汽流量进行精确控制，从而达到高效燃烧的状态的同时也避免了资源的浪费。

背景技术：

2.放空火炬作为石化企业的环保和安全设施，在工厂排放废气时进行燃烧处理。如若放空火炬的燃烧效率不够高，则可能会导致大量有毒有害气体排放到大气中，轻则污染环境，重则对周围人造成生命健康威胁。十四五规划指出大气污染防治新方向“主要污染物排放总量持续减少，实现生态文明建设新进步”，同时加快开展石化等重点行业vocs治理改造，因此对放空火炬高效燃烧智能控制方法的研究很有必要。
3.助燃蒸汽的用量是放空火炬高效燃烧的关键。目前国内外对助燃蒸汽的调控方式主要分为两种，一种是人工手动调节，即看到黑烟就开大助燃蒸汽电动阀门以消除黑烟，由于此调节方式是根据人为判断的，存在判断失误或操作失误等一系列因素，容易导致低效燃烧和资源浪费等情况；另一种是比例调节，即根据废气流量比值控制消除黑烟的助燃蒸汽用量，由于消除黑烟是个缓慢的过程，此调节方式不仅精度差还存在响应慢的问题。因此，实现放空火炬高效燃烧中助燃蒸汽流量的精准控制势在必行。
4.本发明提出了一种基于回声状态网络的放空火炬燃烧状态精确控制方法。利用fluent软件建立一种蒸汽助燃型放空火炬的燃烧机理模型，通过燃烧过程数据计算出燃尽率和破坏去除率来精确判断火炬燃烧状态，同时可计算出精确的助燃蒸汽流量；随后经过回声状态网络建立并训练模型对助燃蒸汽用量进行预测，再设计回声状态网络预测控制器和辨识器，最终实现对助燃蒸汽流量精确实时的调控以达到火炬高效燃烧和减少能源消耗的状态。

技术实现要素：

5.本发明基于回声状态网络的模型预测控制技术、设定值跟踪控制技术，利用fluent软件模拟火炬燃烧状态，由机理模型进一步转化为数据模型，实现一种新型放空火炬高效燃烧的智能控制方法。该方法以模型预测控制和设定值跟踪控制为核心，利用fluent软件分析火炬燃烧状态，从而计算出助燃蒸汽用量，随后基于回声状态网络设计火炬智能控制系统，达到对助燃蒸汽用量的实时精准控制。本发明是通过以下技术方案实现的，包括以下步骤：
6.第一步：用fluent建立一种针对蒸汽助燃型放空火炬的燃烧机理模型
7.第二步：以燃尽率和破坏去除率为指标精确判断放空火炬燃烧状态；
8.第三步：基于回声状态网络设计放空火炬燃烧状态控制系统；
10.本发明的原理是：
11.通过在fluent软件中建立火炬的燃烧模型，给定燃烧的边界条件和初始条件(如
火炬气成分、流量)，然后根据公式计算出在满足高效燃烧的状态下精确的助燃蒸汽流量；再利用回声状态神经网络对系统进行辨识，建立预测控制器的逼近模型；随后设计回声状态网络预测控制器，通过滚动优化助燃蒸汽流量值，最终实现助燃蒸汽流量的时变设定值跟踪控制，以达到放空火炬的高效燃烧。本发明对助燃蒸汽用量采用模型预测控制+设定值跟踪控制的策略。通过以“废气流量和成分”为输入、“助燃蒸汽用量”为输出建立回声状态网络模型，同时利用其在线学习的能力，设计基于回声状态网络的控制系统对助燃蒸汽进行实时跟踪控制。回声状态网络预测模型使用过去时刻的输入(废气流量和成分)和输出(助燃蒸汽用量)数据，通过训练网络，利用训练好的网络逼近模型预测系统未来输出，回声状态网络预测控制器通过计算误差，与前一时刻的输入相加得到此刻控制量的最优输入，从而控制输入在未来一段指定时间内将最优化模型性能，使系统实际输出不断接近期望值，以控制达到放空火炬的高效燃烧状态。
附图说明
12.图1：回声状态网络辨识器结构图。
13.图2：放空火炬燃烧过程优化控制结构图。
14.图3：基于回声状态网络的蒸汽助燃型放空火炬燃烧状态控制系统结构图。
具体实施方式
15.下面对本发明的实施例作详细说明，本实施例在本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
16.实施例：
17.第一步：用fluent建立一种针对蒸汽助燃型放空火炬的燃烧机理模型。
18.首先是要在icemcfd中建立放空火炬的模型，而后再将模型导入到fluent中进行仿真计算。根据放空火炬的结构特性，在建立其模型时应考虑到以下几点：第一是根据火炬的自身结构，要先在二维工作平台上按照缩放比例确定好固定的节点，再将确定好的节点用直线连接起来；第二是所建的模型要与实际火炬的几何形状保持一致；第三是在划分网格时要保证网格的质量。
19.第二步：以燃尽率和破坏去除率为指标精确判断放空火炬燃烧状态，具体方法如下：
20.精确判断放空火炬的燃烧状态，衡量指标为燃尽率(ce)和破坏去除率(dre)，计算方法如下：
21.通过建立的fluent模型计算出放空火炬燃烧区域的物种质量分数xi、密度ρ、速度矢量v、区域表面积a，通过公式mi＝∑
cells
ρxiva计算得到燃烧区域边界的物种质量流率，从而获得火炬气燃烧后所剩余的物料质量。燃尽率(ce)是指火炬气中完全转化为co2的燃料所占的比例，其计算公式如下：其中，co2为火炬气燃烧后产生的二氧化碳总量，co为火炬气不完全燃烧后产生的一氧化碳量，∑ch
x
为参与燃烧的烃类总量。
破坏去除率(dre)表示火炬气中燃料气分解破坏的比例，其计算公式如下：其实现可通过fluent中的udf并行计算，首先定义火炬气成分、流量、燃料和空气进口速度、温度，其次定义材料性质为流体、火炬气密度、火炬出口处为计算区域，然后导入udfa文件即可进行计算。
22.fluent软件从本质上讲就是cfd的一个求解器。首先将第一步中所建好的网格模型导入到fluent软件中，务必要进行网格质量的检查，采用能量方程和k-epsilon模型；随后设置材料性质为fluid；然后确定流体的计算域为火炬口出口处，选择燃料和空气的进口速度及温度；最后再初始化流场，保存过后便可进行迭代计算，如果迭代步数完成时残差没有达到收敛的标准(收敛的标准定义为能量的残差值低于10-6
，速度和进出口流量的残差值低于10-3
)，则增加迭代次数即可。如果残差出现发散情况，则回去重新调整残差项的值。计算完成后可显示各组分的浓度场图、温度场图、燃烧产物分布场图。
23.通过公式mi＝∑
cells
ρxiva计算得到燃烧区域边界的物种质量流率，通过对出口处各组分的含量进行积分，从而获得火炬气燃烧后所剩余的物料质量，进而计算出燃尽率和破坏去除率。
24.第三步：基于回声状态网络设计放空火炬燃烧状态控制系统。
25.基于回声状态网络设计蒸汽助燃型放空火炬燃烧状态的控制系统，其本质上就是对助燃蒸汽流量进行设定值跟踪控制。控制系统主要分为3个部分：回声状态网络控制器、回声状态网络预测模型以及回声状态网络辨识器。其原理是：首先是利用建立好的回声状态网络模型对未来的输出做出预测，将其反馈给回声状态网络控制器，用于更新控制信号；其次，将回声状态网络辨识器与实际输出之间的差作为误差补偿给控制器，以实现控制器对设定值变量的准确跟踪；最后，将干扰信息输入到回声状态网路模型当中，以提高该控制系统的鲁棒性。
26.助燃蒸汽流量的精确计算：由化学反应机理可知火炬气流量、成分和助燃蒸汽用量这三个参数是一个函数关系。根据石油化工行业标注计算助燃蒸汽用量初值其中，g
st
为助燃蒸汽用量，q
cm
为火炬气流量，mc为火炬气平均分子质量。
27.采用回声状态网络预测模型，采集被控对象的输入输出数据，以t+t时刻的输出为目标信号(t为延迟)，对网络进行训练，即可实现精准预测助燃蒸汽流量。
28.回声状态网络(esn)是一种新型的递归神经网络，对时间序列的预测拥有较好的性能。与一般的bp神经网络不同，esn是一种动态网络，可根据(t-1)时刻的状态来计算t时刻的状态，有利于使过去的信息保持更久。esn的特点主要是不再使用传统神经网络中的隐层，而是用随机稀疏连接神经元组成的储备池来替代，且只需要对输出权重矩阵的参数进行训练，使得网络训练过程大大简化，其结构如下：x(t+1)＝f[wx(t)+w
in
u(t+1)+w
back
y(t)]y(t+1)＝w
out
x(t+1)
[0029]
式中，x(t+1)和y(t+1)分别是t+1时刻储备池和输出层激活向量的更新状态；其中，u是输入向量，x是储备池的向量，y是输出向量，w是储备池权重矩阵，w
in
是输入权重矩阵，w
back
是输出层到储备池的反馈输出反馈权重矩阵，w
out
是输出权重矩阵，f是储备池神经元激活双曲正切函数。需要注意的是，w,w
in
,w
back
是随机产生的，并且在网络训练的过程中不会发生变化，而输出权重矩阵w
out
则是唯一的，故只需要通过训练得到其参数即可。在对esn网络进行训练时一般包括如下步骤：首先，对w,w
in
,w
back
这三个权重矩阵进行随机初始化并确定储备池的大小n，将x的初始状态x(0)一般设为零向量；其次，根据输入数据，递推的计算状态向量x；最后，根据输出数据和状态向量由最小二乘法计算w
out
：w
out
＝(x
t
x)-1
x
t
y另外，考虑到输入输出数据不同单位的数量级差异，在训练网络之前，需进行归一化处理，用归一化处理后的数据进行神经网络的训练。
[0030]
经过上述的分析，建立回声状态网络进行系统辨识，通过采集过去时刻的输入输出数据，通过网络训练建立起系统的单步预测模型，将多个单步模型串联起来即可获得多步预测模型。
[0031]
由于回声状态网络预测模型在建模和预测的过程中不可避免地会出现误差，便建立辨识器对误差进行补偿。建立回声状态网络辨识器，将操作变量(废气流量、成分)和干扰信息输入到回声状态网络中得到模型输出，然后用模型输出与实际输出的误差来修正回声状态网络。如图1所示，回声状态网络模型输入为操作变量u'
1,2
(t)和干扰信息f(t)，输出y'
d1,2
(t)为两股助燃蒸^汽流量值，用回声状态网络模型输出y'
d1,2
(t)与实际输出y
d1,2
(t)的误差e
1,2
(t)来修正网络。
[0032]
设计回声状态网络预测控制器反复对每一采样时刻的偏差进行优化计算，可及时地校正控制过程中出现的各种复杂情况，最终实现助燃蒸汽时变设定值的跟踪控制。回声状态网络控制器的设计针对放空火炬系统的非线性、大时变的特征，实现对助燃蒸汽用量的高精度控制，其方法是，如图2所示，以系统的实际输出与助燃蒸汽流量设定值的误差e＝y*-y作为回声状态网络控制器的输入，回声状态网络控制器的输出作为助燃蒸汽流量控制量废气流量、成分(u1、u2)的变化量，以实现助燃蒸汽流量的设定值跟踪控制。通过采用回声状态网络对控制器参数进行在线调整，从而增强控制器的自适应性。
[0033]
如图3所示为系统整体结构图，控制系统主要由回声状态网络控制器、回声状态网络预测模型和回声状态网络辨识器组成。其中，y1*(t)和y2*(t)为助燃蒸汽流量的设定值，和为回声状态网络预测模型的预测输出，y'
1,2
(t)为辨识器的输出，其与实际输出y
1,2
(t)的差为e'
1,2
(t)，经过反馈得到e1(t)和e2(t)传递给控制器，u1和u2为控制器的输出，f(t)为干扰信息。
[0034]
通过辨识器补偿误差、建模预测助燃蒸汽流量，最终通过控制器将更新过的控制信号传递给被控对象，达到对助燃蒸汽流量的准确、快速跟踪，从而实现对放空火炬燃烧状态的精确控制。

技术特征：

1.一种基于回声状态网络的放空火炬燃烧状态精确控制方法，其特征在于：利用fluent软件建立一种针对蒸汽助燃型放空火炬的燃烧机理模型，来计算燃尽率和破坏去除率对火炬的精确燃烧状态进行判断，同时可计算出精确的助燃蒸汽流量；随后是基于回声状态网络的放空火炬燃烧状态控制系统的设计，通过筛选出机理模型中的高质量数据建立回声状态网络模型，利用回声状态网络对系统进行辨识，设计辨识器对建模和预测的误差进行补偿；再建立回声状态网络预测控制器，通过滚动优化目标值，最终实现助燃蒸汽流量的时变设定值跟踪控制。2.根据权利要求1所述的一种基于回声状态网络的放空火炬燃烧状态精确控制方法，其特征是，第一步用fluent软件建立一种基于蒸汽助燃型放空火炬的燃烧机理模型，蒸汽注入火焰选择引射蒸汽和中心蒸汽两种方式，选择标准k-ε湍流模型。3.根据权利要求1所述的一种基于回声状态网络的放空火炬燃烧状态精确控制方法，其特征是，第二步在火炬燃烧机理模型建好的基础上获取燃烧过程数据，计算燃尽率ce和破坏去除率dre来精确判断火炬的燃烧状态；通过建立的fluent模型计算出放空火炬燃烧区域的物种质量分数xi、密度ρ、速度矢量v、区域表面积a，通过公式m
i
＝∑
cells
ρx
i
va计算得到燃烧区域边界的物种质量流率，从而获得火炬气燃烧后所剩余的物料质量；具体计算公式如下所示：4.根据权利要求1所述的一种基于回声状态网络的放空火炬燃烧状态精确控制方法，其特征是，第三步基于回声状态网络的放空火炬燃烧状态控制系统设计，建立好燃烧机理模型并获取燃烧过程数据后，利用回声状态网络方法，建立回声状态网络预测模型来预测助燃蒸汽流量的未来输出值，同时，将干扰信息输入到网络中来提高系统的鲁棒性；随后设计回声状态网络辨识器来对建模和预测过程中存在的误差进行补偿以此来修正网络；最后设计回声状态网络控制器实现对助燃蒸汽流量的设定值跟踪控制。5.根据权利要求1所述的一种基于回声状态网络的放空火炬燃烧状态精确控制方法，其特征是，第一步：用fluent建立一种针对蒸汽助燃型放空火炬的燃烧机理模型；首先是要在icemcfd中建立放空火炬的模型，而后再将模型导入到fluent中进行仿真计算；根据放空火炬的结构特性，在建立其模型时应考虑到以下几点：第一是根据火炬的自身结构，要先在二维工作平台上按照缩放比例确定好固定的节点，再将确定好的节点用直线连接起来；第二是所建的模型要与实际火炬的几何形状保持一致；第三是在划分网格时要保证网格的质量；第二步：以燃尽率和破坏去除率为指标精确判断放空火炬燃烧状态，具体方法如下：精确判断放空火炬的燃烧状态，衡量指标为燃尽率ce和破坏去除率dre，计算方法如下：通过建立的fluent模型计算出放空火炬燃烧区域的物种质量分数xi、密度ρ、速度矢量v、区域表面积a，通过公式m
i
＝∑
cells
ρx
i
va计算得到燃烧区域边界的物种质量流率，从而获
得火炬气燃烧后所剩余的物料质量；燃尽率(ce)是指火炬气中完全转化为co2的燃料所占的比例，其计算公式如下：其中，co2为火炬气燃烧后产生的二氧化碳总量，co为火炬气不完全燃烧后产生的一氧化碳量，∑ch
x
为参与燃烧的烃类总量；破坏去除率dre表示火炬气中燃料气分解破坏的比例，其计算公式如下：首先将第一步中所建好的网格模型导入到fluent软件中，务必要进行网格质量的检查，采用能量方程和k-epsilon模型；随后设置材料性质为fluid；然后确定流体的计算域为火炬口出口处，选择燃料和空气的进口速度及温度；最后再初始化流场，保存过后便可进行迭代计算，如果迭代步数完成时残差没有达到收敛的标准；收敛的标准定义为能量的残差值低于10-6
，速度和进出口流量的残差值低于10-3
，则增加迭代次数即可；如果残差出现发散情况，则回去重新调整残差项的值；计算完成后可显示各组分的浓度场图、温度场图、燃烧产物分布场图；通过公式m
i
＝∑
cells
ρx
i
va计算得到燃烧区域边界的物种质量流率，通过对出口处各组分的含量进行积分，从而获得火炬气燃烧后所剩余的物料质量，进而计算出燃尽率和破坏去除率；第三步：基于回声状态网络设计放空火炬燃烧状态控制系统；控制系统主要分为3个部分：回声状态网络控制器、回声状态网络预测模型以及回声状态网络辨识器；助燃蒸汽流量的精确计算：由化学反应机理可知火炬气流量、成分和助燃蒸汽用量这三个参数是一个函数关系；根据石油化工行业标注计算助燃蒸汽用量初值其中，g
st
为助燃蒸汽用量，q
cm
为火炬气流量，m
c
为火炬气平均分子质量；采用回声状态网络预测模型，采集被控对象的输入输出数据，以t+t时刻的输出为目标信号，t为延迟，对网络进行训练，实现精准预测助燃蒸汽流量；回声状态网络esn是一种动态网络，可根据(t-1)时刻的状态来计算t时刻的状态，有利于使过去的信息保持更久；其结构如下：x(t+1)＝f[wx(t)+w
in
u(t+1)+w
back
y(t)]y(t+1)＝w
out
x(t+1)式中，x(t+1)和y(t+1)分别是t+1时刻储备池和输出层激活向量的更新状态；其中，u是输入向量，x是储备池的向量，y是输出向量，w是储备池权重矩阵，w
in
是输入权重矩阵，w
back
是输出层到储备池的反馈输出反馈权重矩阵，w
out
是输出权重矩阵，f是储备池神经元激活双曲正切函数；需要注意的是，w,w
in
,w
back
是随机产生的，并且在网络训练的过程中不会发生变化，而输出权重矩阵w
out
则是唯一的，故只需要通过训练得到其参数即可；
在对esn网络进行训练时包括如下步骤：首先，对w,w
in
,w
back
这三个权重矩阵进行随机初始化并确定储备池的大小n，将x的初始状态x(0)设为零向量；其次，根据输入数据，递推的计算状态向量x；最后，根据输出数据和状态向量由最小二乘法计算w
out
：w
out
＝(x
t
x)-1
x
t
y在训练网络之前，需进行归一化处理，用归一化处理后的数据进行神经网络的训练；经过上述的分析，建立回声状态网络进行系统辨识，通过采集过去时刻的输入输出数据，通过网络训练建立起系统的单步预测模型，将多个单步模型串联起来即可获得多步预测模型；建立回声状态网络辨识器，将操作变量和干扰信息输入到回声状态网络中得到模型输出，然后用模型输出与实际输出的误差来修正回声状态网络；如回声状态网络模型输入为操作变量u'
1,2
(t)和干扰信息f(t)，输出y'
d1,2
(t)为两股助燃蒸汽流量值，用回声状态网络模型输出y'
d1,2
(t)与实际输出y
d1,2
(t)的误差来修正网络；以系统的实际输出与助燃蒸汽流量设定值的误差e＝y*-y作为回声状态网络控制器的输入，回声状态网络控制器的输出作为助燃蒸汽流量控制量废气流量、成分(u1、u2)的变化量，以实现助燃蒸汽流量的设定值跟踪控制；控制系统主要由回声状态网络控制器、回声状态网络预测模型和回声状态网络辨识器组成；其中，y1*(t)和y2*(t)为助燃蒸汽流量的设定值，和为回声状态网络预测模型的预测输出，y'
1,2
(t)为辨识器的输出，其与实际输出y
1,2
(t)的差为e'
1,2
(t)，经过反馈得到e1(t)和e2(t)传递给控制器，u1和u2为控制器的输出，f(t)为干扰信息；通过辨识器补偿误差、建模预测助燃蒸汽流量，最终通过控制器将更新过的控制信号传递给被控对象，实现对放空火炬燃烧状态的控制。

技术总结

本发明公开了一种基于回声状态网络的放空火炬燃烧状态精确控制方法，该方法基于回声状态网络的模型预测控制技术、设定值跟踪控制技术，利用Fluent软件对放空火炬的湍动燃烧过程进行模拟，计算其燃尽率和破坏去除率来精确判断燃烧状态，然后根据公式计算出精确的助燃蒸汽流量，从而对助燃蒸汽流量进行精确调控以实现高效燃烧。本发明通过建立放空火炬机理模型，筛选出高质量的数据建立回声状态网络模型，并预测最佳助燃蒸汽流量，随后设计回声状态网络辨识器和预测控制器，对助燃蒸汽流量进行设定值在线跟踪控制。基于设定值跟踪控制研究，可及时地校正控制过程中出现的各种复杂情况，在火炬高效燃烧和节约资源方面都提升了很多。多。多。