(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111306801.7 (22)申请日 2021.11.05 (71)申请人 国网河北能源技 术服务有限公司 地址 050000 河北省石家庄市体 育南大街 238号 申请人 国网河北省电力有限公司电力科 学 研究院　 国家电网有限公司 (72)发明人 汪潮洋　王天龙　贾永会　闫晓沛　 李欣　马辉　 (74)专利代理 机构 石家庄国为知识产权事务所 13120 代理人 彭竞驰 (51)Int.Cl. G06F 30/27(2020.01)G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 煤灰成分的预测方法、 装置及终端 (57)摘要 本发明提供一种煤灰成分的预测方法、 装置 及终端。 该方法包括： 获取目标煤炭的煤炭参数， 煤炭参数包括煤炭成分、 煤炭形状和煤炭数量； 获取目标煤炭的燃烧参数， 燃烧参数包括燃烧 方 式、 燃烧时长、 一次风量和二次风挡板开度； 将煤 炭参数和燃烧参数输入经过训练的成分预测模 型， 得到目标煤炭在燃烧参数下燃烧后产生煤灰 的煤灰成分； 成分预测模型为BP神经网络， 煤灰 成分包括煤灰中各类金属氧化物的质量分数。 本 发明通过BP神经网络对煤炭燃烧后的煤灰成分 进行预测， 可 以在煤炭燃烧前就确定煤灰成分， 从而可以通过调整煤炭的燃烧参数改变煤灰成 分， 改善电站锅炉尾部烟道水冷壁结渣、 结焦现 象。 权利要求书2页 说明书8页 附图2页 CN 114021457 A 2022.02.08 CN 114021457 A 1.一种煤灰成分的预测方法， 其特 征在于， 包括： 获取目标煤炭的煤炭参数， 所述煤炭参数包括煤炭成分、 煤炭形状和煤炭数量； 获取目标煤炭的燃烧参数， 所述燃烧参数包括燃烧方式、 燃烧时长、 一 次风量和二次风 挡板开度； 将所述煤炭参数和所述燃烧参数输入经过训练的成分预测模型， 得到所述目标煤炭在 所述燃烧参数下燃烧后产生煤灰的煤灰成分； 所述成分预测模型为BP神经网络， 所述煤灰 成分包括煤灰中各类金属氧化物的质量分数。 2.根据权利要求1所述的煤灰成分的预测方法， 其特征在于， 在将所述煤炭参数和所述 燃烧参数输入经过训练的成分预测模型， 得到所述目标煤炭在所述燃烧参数下燃烧后产生 煤灰的煤灰成分之前， 所述方法还 包括： 建立初始的成分预测模型； 基于改进粒子群算法和训练样本集对所述初始的成分预测模型进行训练， 以得到经过 训练的成分预测模型。 3.根据权利要求2所述的煤灰成分的预测方法， 其特征在于， 所述基于改进粒子群算法 和训练样本集对所述初始的成分预测模型进行训练， 以得到经过训练的成分预测模型包 括： 通过改进粒子群算法对所述初始的成分预测模型中的权值和阈值进行优化， 以得到目 标权值和目标阈值； 其中， 所述改进粒子群算法的待优化项为所述初始的成分预测模型中 的权值和阈值， 目标函数为成分预测模型 的预测误差的倒数， 优化 目标为所述目标函数最 大； 基于所述训练样本集对采用所述目标权值和所述目标阈值的成分预测模型进行训练， 以得到经 过训练的成分预测模型。 4.根据权利要求3所述的煤灰成分的预测方法， 其特征在于， 所述通过改进粒子群算法 对所述初始的成分预测模型中的权值和阈值进行优化， 以得到目标权值和目标阈值包括： 步骤1： 建立初始的粒子群， 所述初始的粒子群包括预设数量的粒子， 每个粒子具有随 机的初始速度和初始位置， 每 个粒子的位置对应一组权值和阈值； 步骤2： 计算每 个粒子的适应值； 步骤3： 针对每个粒子， 将该粒子的当前适应值与该粒子的历史最佳适应值进行比较， 若该粒子的当前适应值高于该粒子的历史最佳适应值， 则将该粒子的当前适应值作为该粒 子的历史最佳适应值； 步骤4： 针对每个粒子， 将该粒子的当前适应值与粒子群的全局最佳适应值进行比较， 若该粒子的当前适应值高于粒子群的全局最佳适应值， 则将该粒子的当前适应值作为粒子 群的全局最佳适应值； 步骤5： 基于各个粒子的历史最佳适应值和粒子群的全局最佳适应值更新每个粒子的 速度和位置； 步骤6： 重复步骤2至步骤5， 直至达到预设的迭代次数， 输出当前的全局最佳位置作为 目标权值和目标阈值。 5.根据权利要求3所述的煤灰成分的预测方法， 其特征在于， 在基于所述训练样本集对 采用所述目标权值和所述目标阈值的成分预测模型进 行训练， 以得到经过训练的成分预测权　利　要　求　书 1/2 页 2 CN 114021457 A 2模型之前， 所述方法还 包括： 获取多种煤炭的煤灰 数据； 所述煤灰 数据包括煤炭参数、 燃烧参数和煤灰成分； 针对每个煤灰数据， 将该煤灰数据的煤炭参数和燃烧参数作为样本， 煤灰成分作为该 样本的标签； 将各样本及相应的标签组成训练样本集。 6.一种煤灰成分的预测装置， 其特 征在于， 包括： 第一获取模块， 用于获取目标煤炭的煤炭参数， 所述煤炭参数包括煤炭成分、 煤炭形状 和煤炭数量； 第二获取模块， 用于获取目标煤炭的燃烧参数， 所述燃烧参数包括燃烧方式、 燃烧时 长、 一次风 量和二次风挡板开度； 预测模块， 用于将所述煤炭参数和所述燃烧参数输入经过训练的成分预测模型， 得到 所述目标煤炭在所述燃烧参数下燃烧后产生煤灰的煤灰成分； 所述成分预测模型为BP神经 网络， 所述煤灰成分包括煤灰中各类金属氧化物的质量分数。 7.根据权利要求6所述的煤灰成分的预测装置， 其特 征在于， 所述装置还 包括： 模型建立模块， 用于建立初始的成分预测模型； 模型训练模块， 用于基于改进粒子群算法和训练样本集对所述初始的成分预测模型进 行训练， 以得到经 过训练的成分预测模型。 8.根据权利要求7 所述的煤灰成分的预测装置， 其特 征在于， 所述模型训练模块包括： 优化单元， 用于通过改进粒子群算法对所述初始的成分预测模型中的权值和阈值进行 优化， 以得到目标权值和目标阈值； 其中， 所述改进 粒子群算法的待优化项为所述初始的成 分预测模型中的权值和阈值， 目标函数为成分预测模型 的预测误差的倒数， 优化 目标为所 述目标函数最大； 训练单元， 基于所述训练样本集对采用所述目标权值和所述目标阈值的成分预测模型 进行训练， 以得到经 过训练的成分预测模型。 9.一种终端， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如上的权利要求1至5 中任一项所述煤灰成分的预测方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处理器执行时实现如上的权利要求 1至5中任一项 所述煤灰成分的预 测方法的步骤。权　利　要　求　书 2/2 页 3 CN 114021457 A 3