基于仿真数据增强与多保真建模的燃煤掺氨燃烧预测方法

本发明涉及燃煤掺氨燃烧智能预测，尤其是一种基于仿真数据增强与多保真建模的燃煤掺氨燃烧预测方法。

背景技术：

1、燃煤机组掺氨混燃作为可同步降低碳排放、氮氧化物排放的低碳改造技术，已成为火电行业重点研究方向。煤与氨气耦合燃烧涉及多相流燃烧与氮氧化物生成等复杂物理化学过程，其烟气组分分布、锅炉热效率同时受煤质、掺氨比例、过量空气系数、机组负荷等多因素耦合作用，工况演化规律复杂，对预测模型的全域适配能力提出极高要求。

2、现阶段开展煤氨混燃数据采集的两大主要方法都存在现实瓶颈：一是搭建全工况工业试验平台投入成本高、试验周期漫长，受机组运行调度限制，能够稳定获取的有效实测样本总量十分有限；二是依托流程仿真工具能够批量生成海量工况样本，但仿真过程对复杂反应进行简化处理，内置物性、动力学简化假设会造成仿真输出与现场真实运行数据存在系统性偏差，仅依靠仿真数据建模难以匹配机组实际运行工况。

3、当前通用多源数据融合建模思路虽可同时使用仿真、实测两类样本，但在燃煤掺氨复杂反应场景下存在以下局限：第一，训练方式未区分海量仿真样本、稀缺实测样本在数据体量、真值精度上的差异，统一参数更新方式易覆盖仿真学到的底层燃烧反应特征；第二，损失函数仅单纯拟合数值误差，未引入co2、水蒸气、热效率随掺氨比例单调变化的燃烧机理正则约束，部分工况预测变化趋势违背基础反应规律，模型物理可解释性较差；第三，校正模块采用固定权重平衡线性、非线性偏差，不能自适应捕捉氨氧化带来的动态非线性反应残差，高掺氨、低负荷边界工况预测精度明显下降；同时网络模型仅输出单一确定预测数值，无法量化预测置信区间，难以判断极端掺氨、深度调峰工况下结果可信度，工程应用可靠性不足；第四，未设计适配小样本场景的分层参数更新策略，少量实测数据微调后易破坏全域仿真学到的宽工况特征。

4、因此，亟需开发一种能够降低实测样本依赖、融合仿真与实验数据优势、具备燃烧机理约束，同时兼具高精度、泛化能力与可解释性的燃煤掺氨燃烧产物及效率多保真预测建模方法，解决煤氨混燃极端工况预测失真、模型可解释性弱、小样本泛化差等工程痛点，为机组实时燃烧预判、碳污协同工况优化提供可靠数据支撑。

技术实现思路

1、针对现有技术的不足，本发明提供一种基于仿真数据增强与多保真建模的燃煤掺氨燃烧预测方法，以解决现有方法对于煤氨混燃极端工况预测失真、模型可解释性弱、小样本泛化差的技术问题。

2、本发明采用的技术方案如下：

3、本发明提供一种基于仿真数据增强与多保真建模的燃煤掺氨燃烧预测方法，包括：

4、构建燃煤掺氨燃烧过程的全流程仿真模型，在锅炉运行参数的设定数值范围内，仿真生成涵盖不同工况下燃煤掺氨燃烧的状态参数数据，得到覆盖宽运行工况的低保真仿真数据集；

5、基于所述低保真仿真数据集，并以证据下界损失为损失函数，训练贝叶斯神经网络作为预训练模型，其以所述运行参数为输入，输出所述状态参数的预测值；

6、在仿真工况范围内设置实验工况，通过实验获取高保真实验数据集，其包括实测的运行参数及对应的状态参数；

7、将所述高保真实验数据集、所述状态参数的预测值同时输入校准模型，其用于拟合仿真数据与实验数据耦合映射关系中线性项、捕捉所述耦合映射关系非线性项的特征规律，获得线性偏差修正量及非线性偏差修正量，加权融合后输出最终状态参数预测值；同时引入燃烧单调性正则惩罚项作为机理约束构建总损失函数，对所述校准模型参数进行优化，获得预测模型；

8、燃烧单调性正则惩罚项的计算包括：

9、

10、式中，为模型输入向量自变量，代表连续工况变量空间；为中的样本点，代表输入的第组工况样本；

n为总工况数；、，分别为预训练模型输出的co2体积分数、水蒸气体积分数及锅炉效率的预测值；为relu裁剪算子，仅梯度违背燃烧规律时产生非零惩罚。

11、作为优选的技术方案为：

12、所述校准模型采用自适应机制建立低保真仿真数据与高保真实验数据的耦合映射关系，包括：

13、分别采用线性校准网络和非线性校准网络进行所述线性项与非线性项的特征规律拟合：

14、

15、式中，为校准模型输出的高保真状态参数预测值；为预训练模型输出的状态参数的预测值，、分别为高保真实验数据集中实测的运行参数及对应的状态参数；为仿真数据与实验数据的耦合映射关系函数，和分别线性校准网络输出的线性偏差修正量、非线性校准网络输出的非线性偏差修正量，

β为权重因子；

16、自适应动态更新权重梯度，包括：

17、

18、式中，代表总损失函数对权重因子的梯度。

19、所述总损失函数的构建，包括：

20、

21、上式中：，为单调性惩罚权重系数，为证据下界损失：

22、

23、上式中，为变分期望；为高保真实验数据集似然项，表示在给定模型网络权重下，模型生成关于的对数概率；为权重的近似变分后验分布与预设先验分布的kl散度。

24、采用aspen plus系统搭建所述燃煤掺氨燃烧过程的全流程仿真模型，利用ryield模块与fortran子程序模拟煤粉非平衡分级热解；利用rgibbs模块基于吉布斯自由能最小化原理，模拟裂解气、空气和氨气在高温下的完全反应平衡状态，结合全元素守恒求解煤或裂解残渣与氨气混合燃烧后的最终产物组成。

25、所述全流程仿真模型将混合燃烧过程与换热系统耦合，实现燃烧产物、锅炉效率、蒸汽参数的同步输出。

26、所述覆盖宽运行工况的低保真仿真数据集的构建，包括：

27、按照等热量掺氨原则，在预设宽工况范围内设置多组掺氨比例，匹配对应给煤量、氨气量、过量空气系数及仿真计算获得的状态参数仿真值，经过数据预处理，形成覆盖宽运行工况的样本集。

28、所述状态参数包括燃烧产物组分、产物质量流量及锅炉效率。

29、所述运行参数包括给煤量、氨气量、输入空气量或过量空气系数。

30、对训练完的预测模型的预测曲线进行单调性校验，包括：

31、在给煤量不变的条件下，模型输出的预测值在满足以下条件时通过校验：

32、预测的燃煤掺氨燃烧产物中co2的体积分数随掺氨量增加而单调递减，预测的h2o体积分数随掺氨量增加而单调递增，预测的锅炉效率随掺氨量增加而单调递减。

33、所述高保真实验数据集包含的样本组数不超过10组，所述所述低保真仿真数据集包含的样本组数远大于10组。

34、本发明的技术方案能够达到下述有益效果中的至少部分：

35、本发明首先构建燃煤掺氨燃烧过程仿真系统模型，通过调节锅炉操作参数，获得覆盖宽工况、充足但准确度较低的低保真数据集；依托海量低保真样本构建贝叶斯神经网络（bnn）完成预训练，嵌入贝叶斯推理与不确定性量化机制。再采集现场工业实测获取准确度高但稀少的高保真数据。依托高保真样本与预训练模型的预测值，构建引入分层解冻差异化训练、损失函数内置可开关燃烧单调性正则惩罚项、支路融合权重自适应动态分配的复合多保真贝叶斯神经网络（mf-bnn），搭建线性稳态偏差校正、非线性反应残差校正双分支结构，融合两类数据完成多保真联合建模，得到目标预测模型。本发明在实验数据稀疏或未覆盖的极端工况下（仅需10组以内工业实测样本）可精准预测燃煤掺氨燃烧多组分产物及效率，预测结果严格遵循燃烧反应规律，在宽工况范围内泛化性能强、物理可解释性突出，为燃煤掺氨机组燃烧调控、碳污协同减排提供可靠的数据支持。