融合波长选择和异常光谱检测的天然气燃烧过程定量分析方法.pdf

第32卷,,,pp2799—2804October,2012融合波长选择和异常光谱检测的天然气燃烧过程定量分析方法曹晖1,胡洛娜1,周延2。,,陕西西安710049摘要针对天然气燃烧过程的近红外光谱数据,采用了一种融合波长选择和异常光谱检测的定量分析方法。该方法根据偏最小二乘(PLS)模型的系数及预测误差的统计分布,在实现波长选择的同时,完成异常光谱样本的检测。与PLS、先用留一法将异常样本删除后PLS建模(IoDPLs)、基于PLS的无信息变量消除法(IⅣE_PLs)以及先用留一法将异常样本删除后使用UVE-PLS建模(L,oDlⅣE-PLS)相比较,该方法将甲烷预测模型的预测均方根误差(RMsEP)%,%,%%;%,%,%%;%,%,%%。实验表明,该方法建立的分析物预测模型具有较高的预测能力和较好的稳健性,在大大减少所选波长数量,降低模型复杂度的同时,还能有效地检测出异常光谱样本,减小两者之问的相互影响。关键词天然气燃烧;近红外光谱;波长选择;异常光谱检测中图分类号::ABOI:.i000—0593(2012110—2799—06引言当今我国电力供应仍以火力发电为主,在目前煤炭和电力能源短缺的严峻情况下,采用气体燃料作为补充,不但可以降低发电成本,还能有效减少排放物的污染。燃气发电机组排放的烟气主要成分包括甲烷(CHt)、一氧化碳(C0)h)等,对各成分浓度进行定量分析就可以反映出发电效率以及可能对环境造成污染的程度。由于燃料燃烧是一个快速的过程,所以传统的离线化学实验测定方法无法满足烟气排放连续监测的要求。近红外光谱技术(nearinfra-redspectroscopy,Nm)可用于现场实时在线分析,在食品、重工业、石油化工等多个领域已广泛应用[14]。偏最小二乘法(partiallinearsquares,PIS)是N珉光谱数据建模的主要方法之一,它以选择全波段建模的方式,不仅使运算速度变慢而且会降低建模精度[5]。此外,实际采集到光谱数据中往往含有异常样本,这也会影响模型预测的准确性[6’7]。基于PLS的无信息变量消除法(uninformativevariableeliminationbyPLS,IⅣE-PLS)可减少PLS模型中的变量个数邸],却无法实现异常光谱的检测。虽然可以采用留一法(1eaveoneOUt,L00)对光谱数据进行预处理来删除异常样本,但由于无信息波段的作用,正常样本有时会被误判为异常光谱数据。本法采用一种融合波长选择和异常光谱检测的分析方法(binationquantitativeanalysismethodofwavelengthselectionandoutlierspectradetection,CQA~I)对火电厂烟气