一种矿井瓦斯及石化伴生气发电系统及矿井瓦斯及石化伴 生气利用方法 技术领域 ：
本发明涉及石油与矿井瓦斯再利用、 天然气勘探、 石化、 电力领域， 特别涉及燃气 发电领域。 背景技术 ：
石油、 天然气勘探现场， 炼油厂、 化工厂等涉及大量挥发有机物的场所， 几乎都有 伴生气的存在。 例如， 石油、 天然气的勘探现场的伴生气有甲烷、 乙烷等轻烃气体， 炼油厂的 伴生气则更复杂， 除了甲烷、 乙烷外， 还有乙烯等气体。这些伴生气的特点是 ： (1) 排量大。 在石油、 化工行业， 不论是石油开采， 还是石油提炼与加工， 其规模都是巨大的， 任何一个单 位的废气排放量都是相当大的， 例如， 石油、 天然气勘探现场轻烃一天的排放量， 其价值可 达十余万人民币 ； (2) 成分复杂。在不同的场合， 所排放的废气中的成分有所不同， 但普遍 包括的成分非常复杂。例如， 石油勘探与开采过程中所排放的废气中， 包括甲烷、 乙烷， 丙 烷、 异丁烷、 正丁烷、 异戊烷、 正戊烷等多种烷烃气体， 有时候还有乙烯、 一氧化碳气体 ； (3) 浓度配比比复杂多样， 且变化范围大， 有的伴生气浓度超过燃烧限， 可直接在空气中燃烧， 例如的炼油厂、 石油勘探现场排放的挥发性气体。 有的地方排放的废气中， 有机物浓度却可 能较低， 不足以直接在空气中点燃燃烧， 例如印染厂排放的气体 ； (4) 污染严重。石油、 化工 行业所排放的气体中的有机成分中， 有些物质对人体、 牲畜有害， 甚至具有致癌作用， 例如 苯等， 有些气体是温室气体， 例如甲烷， 它的温室效应是二氧化碳的 24 倍。如果这些伴生气 直接排放到大气中， 将对大气产生极大的污染， 因此必须加以处理。
目前， 对矿井瓦斯、 石化伴生气所采取的处理方法主要有三种， 一种是将这些伴生 气燃烧后排空， 这种方法是多年来一直用得最多的方法 ； 另一种是将这些伴生气液化， 然 后当作天然气的一部分， 向居民供应， 这种方法是近几年来开始逐渐出现并推广的一种方 法。对于前者， 显然是一种能源的极大浪费， 在能源日益紧缺的今天更是如此 ； 对于后一种 方法， 由于石油井和天然气井大多在沙漠、 山区等偏远地区， 炼油厂、 化工厂由于污染大， 大 多也在偏远的郊区， 因此除了伴生气的液化成本高之外， 其运输成本也是一笔高昂的成本， 特别是碰到恶劣天气的时候， 运输成本不但高， 而且风险还很大。 这两种方法主要针对有机 成分浓度高， 可在空气中直接点燃的情况， 而对于浓度较小， 不足以在空气中直接点燃的情 况， 大多数情况下是将伴生气直接排空。 例如， 矿井往往具有大量瓦斯存在， 一般情况下， 瓦 斯气体浓度相对较低， 没有达到爆炸限， 一般的矿井只是用鼓风机把空气压井矿井， 而把矿 井中的瓦斯气体抽到矿井之外排空。显然， 这对环境带来相当大的污染。因此， 这些伴生气 与矿井瓦斯的再利用是目前节能减排的一大努力方向。 发明内容 ：
本发明的目的在于， 提供一种有效利用矿井瓦斯、 石化伴生气的方法， 在不增加碳 排放量的前提下， 把这些可燃气体转换成便于使用、 便于传输的电能。本发明的目的在于克服上述现有技术的缺点， 提供一种矿井瓦斯及石化伴生气发 电系统， 其特征在于 ： 该系统包括压力测量仪、 第一增压泵、 气体过滤与干燥系统、 第一流量 控制器、 稳压泵、 燃气在线监测系统、 内燃机发电系统、 变电系统、 电能质量监测装置和工控 机； 所述压力测量仪、 第一增压泵、 气体过滤与干燥系统、 第一流量控制器、 稳压泵、 燃气在 线监测系统、 内燃机发电系统、 变电系统和电能质量监测装置依次顺序连接 ； 所述第一增压 泵、 压力测量仪、 第一流量控制器、 稳压泵、 燃气在线检测系统、 内燃机发电系统、 变电系统 和电能质量监测装置同时与工控机连接 ； 所述第一流量控制器和稳压泵上连接有第二流量 控制器， 第二流量控制器上连接有第二增压泵， 第二增压泵与工控机连接 ； 所述工控机、 第 二增压泵和稳压泵同时与第三流量控制器连接。
一种矿井瓦斯及石化伴生气利用方法 ：
(1) 矿井瓦斯和石化伴生气经过过滤与干燥后， 形成无尘干燥的矿井瓦斯和石化 伴生气并通过第一流量控制器进入稳压泵 ； 空气通过第二流量控制器进入稳压泵 ； 天然气 或液化气通过第三流量控制器进入稳压泵 ； 在稳压泵中形成稳压可燃气 ；
(2) 工控机获得稳压可燃气光谱信息， 然后对光谱进行分析， 获得气体成分及相应 浓度信息， 并根据所述信息调节稳压可燃气中空气、 矿井瓦斯和石化伴生气、 天然气或液化 气的含量， 使得稳压可燃气可以在燃气发电机中进行充分持续的燃烧 ； (3) 稳压可燃气依次经过燃气在线监测系统、 内燃机发电系统、 变电系统和电能质 量监测装置转变为电能输出。
所述步骤 (2) 中， 工控机通过傅里叶变换中红外光谱仪获得稳压可燃气光谱信 息， 然后对光谱进行分析， 获得气体成分及相应浓度信息。
本发明采用矿井瓦斯、 石化伴生气做燃料， 将这些气体燃烧后提供的动能发电， 矿 井瓦斯、 石化伴生气经过过滤与干燥后， 形成无尘干燥的气体。 空气、 天然气或液化气、 以及 经过干燥的矿井瓦斯或石化伴生气分别通过流量控制器进入稳压泵， 形成稳压可燃气。工 控机首先通过傅里叶变换中红外光谱仪获得稳压可燃气光谱信息， 然后对光谱进行分析， 获得气体成分及相应浓度信息， 并根据这些信息调节用于控制空气流量、 天然气 / 液化气 流量的流量控制器， 使得稳压可燃气可以在燃气发电机中进行充分的燃烧， 而且不会熄火。 矿井瓦斯、 石化伴生气流量的控制是通过工控机根据前端压力测量结果来实现的， 其原则 是保证矿井瓦斯、 石化伴生气压力维持在某一压力范围， 不至于因为气源流量不足而熄火， 也不至于因为气源流量大而出现供给过量。燃气发电机在工控机的控制下进行工作。如果 矿井瓦斯、 石化伴生气的流量大， 则增大发电机功率， 否则， 减小发电机功率。 电能质量控制 系统也是在工控机的控制下工作， 用于把燃气发电机发出来的电能根据需要转换成合适的 电压、 频率的电能， 以反馈给电网， 或者直接供给当地居民、 工厂使用。
附图说明 ：
图 1 是伴生气发电系统结构图 ；
图 2 是建立光谱分析模型所需样气光谱制作示意图 ；
图 3 是单组份 10％甲烷， 2％乙烷， 1％丙烷， 及 10％甲烷与 2％乙烷的混合气的中 红外光谱高波数段光谱 ；
图 4 神经网络结构示意图 ；图 5 气体浓度分析、 气体流量与发动功率控制流程图 ；具体实施方式 ：
下面结合附图对本发明做进一步详细描述 ：
参见图 1、 2、 3、 4 和 5， 矿井瓦斯及石化伴生气发电系统由硬件和软件两部分组成， 以下结合附图和发明人给出的实施例对本发明作进一步的详细描述。其中伴生气以石油、 天然气勘探的层析气为例， 其流量在 1 升每分钟至 10 升每分钟。
1. 硬件部分
矿井瓦斯及石化伴生气发电系统的硬件部分包括连接管路、 压力测量仪、 增压泵、 气体过滤与干燥系统、 天然气或液化气气源、 流量控制器、 稳压泵、 燃气在线检测系统、 工控 机、 燃气发电机和电能质量控制系统组成， 如附图 1 所示。
气体过滤与干燥系统用于滤除矿井瓦斯、 石化伴生气中的粉尘， 除去气体中的水 蒸气。实现的方式， 以及系统的结构、 材料、 尺寸可根据不同实际情况确定， 不作限制。对于 本实施例， 只要能有 10 升每分钟流量容量， 气体干燥度能满足燃气发电机要求即可 ；
流量控制器控制范围根据实际情况而定， 其品牌、 结构和尺寸等方面不受限制。 对 于本实施例， 流量控制器 1 只要能控制碳氢可燃气体流量， 其流量上限只要稍大于 10 升每 分， 且准确度够高即可， 一般选择准确度为 1％的控制器 ； 对于流量控制器 2， 它是用来控制 空气流量的。由于层析气上限是 10 升， 当层析气全为可燃气时， 按照空气中氧气含量 22％ 计算， 层析气中主要成分为甲烷， 考虑到每个甲烷分子充分燃烧需要消耗两个氧气分子， 为 了保证气体燃烧充分， 空气的流量必须达到 2×10/22％＝ 90.9091( 升每分钟 )， 取 100 升 每分钟 ； 对于流量控制器 3， 若层析气中有机成分浓度很低， 几乎全为空气， 其流量达到 10 升每分钟时， 考虑到天然气、 液化气的主要成分是甲烷， 甲烷浓度在 5％以上能正常燃烧， 为 保证燃气发电机能正常运转， 其流量上限为 ： 10×22％ /2 ＝ 1.1( 升每分钟 )， 取 2 升每分 钟。
压力测量仪用于测量矿井瓦斯、 石化伴生气的压力， 它可以是半导体压阻式压力 传感器构成的压力测量仪、 电容式压力传感器构成的压力测量仪， 以及其它不受被测气体 腐蚀的压力传感器构成的压力测量系统。其输出信号可以是电压信号、 电流信号、 相位信 号， 也可以是调制脉冲信号。压力测试仪的测量范围、 准确度根据具体实际情况而定。在本 实施例中， 流量控制器的前端压力在 1.01 到 1.2 大气压， 增压泵前端压力不低于 0.9 大气 压， 因此， 压力测量仪的测量范围只要在 [0.9， 1.2] 大气压即可， 最大偏差不大于 0.005 个 大气压即可 ；
增压泵的功能是增大矿井瓦斯、 石化伴生气的压力， 以及空气压力， 使得控制它们 流量的控制器的输入端压力大于输出端压力， 且两端压力差在流量控制器的正常工作范围 内， 并尽可能维持流量控制器输入端的压力恒定， 减小流量控制器的输出的波动。 它是任何 可以增大气体压力的泵， 只需流量够大， 气体输出端压力满足流量控制器要求， 输出端压力 可测即可， 品牌不受限制。 如果增压泵输出端压力不可测， 则还需在增压泵与流量控制器之 间增加压力测量仪。对于增压泵 1， 其流量上限在 10 升 / 分钟即可， 而增压泵 2， 其流量上 限则必须达到在 100 升 / 分钟。两个增压泵的增压上限在 1.2 个大气压即可 ；
连接管路可以是玻璃管、 橡胶管、 不锈钢管及其它不被多组分被测气体腐蚀的密闭连接管。对与本实施实例， 连接管路只要不被烷烃有机物腐蚀， 管路直径够大， 能承受压 力即可 0.9 ～ 1.2 大气压即可 ；
天然气或液化气气源是为了在矿井瓦斯、 石化伴生气不足以燃烧发电时， 补充燃 料， 以充分利用矿井瓦斯、 石化伴生气中的碳氢化学能进行发电。 本实施例中要求起源流量 能达到 11 升 / 每分钟， 气压在 1.01 个大气压以上即可。如果气压大于 1.2 大气压， 则还需 配带一个减压阀 ；
稳压泵用来控制进入燃气发电机的可燃气体的压力。 一方面可以保证气体组分及 其浓度分析的准确性， 另一方面可以保证燃气发电机的正常进气。它只需满足实际应用中 压力控制和流量的范围的要求， 可通过工控机控制即可， 其品牌、 结构和尺寸等方面不受限 制。本实施例把燃气压力稳定在 1 个大气压 ；
燃气在线检测系统用来分析稳压可燃气体中的气体成分及相应浓度， 以反馈信 息给工控机， 用以调节空气、 天然气或液化气的流量控制。燃气在线检测系统主要是傅里 叶变换红外光谱仪， 它只需满足防爆性能和分析速度即可， 其品牌和型号不受限制， 可以是 Bruker 公司的 Alpha 系列光谱仪， 也可以是 Bruker 公司生产的 Tensor 27 等傅里叶变换红 外光谱仪， 还可以其它公司的生产的傅里叶变换红外光谱仪 ； 工控机用来测量矿井瓦斯、 石化伴生气压力， 控制流量控制器的流量， 控制增压泵 和稳压泵的压力， 对傅里叶变换红外光谱仪光谱进行分析， 以获取稳压可燃气的成分及浓 度， 调节燃气发电机功率， 控制电能质量系统。它只需根据实际应用， 具备适合于应用环境 的能力、 相关信号通信功能、 数据采集、 数据处理能力与处理速度即可， 其型号、 品牌和尺寸 不受限制 ；
燃气发电机用来实现可燃气的燃烧与发电， 它可以是不同型号的燃气发电机， 只 要能实现碳氢化合气体的燃烧与发电、 装机容量大于矿井瓦斯、 伴生气可提供的装机容量 即可。它可以是单台大功率燃气发电机， 也可以是多台燃气发电机组成的机组 ；
变电系统主要用来把发电机发出的电能转换为满足特定的需求的电能。 如将燃气 发电机发出的电调节成 110 千伏、 50Hz 的电能反馈到电网， 或者调节成 220V、 50Hz 的电能直 接供给工厂、 居民使用。 它可以是根据实际应用要求自行研制， 或者直接从市场购买现成的 变电系统。对于有些发电机， 由于其输出电能本身能满足需求， 此时本部分可以省略 ；
电能质量监测系统用来监测变电系统输出的电能质量， 或者燃气发电机发出的电 能质量， 以供电能质量评估。 它可以是自行根据实际应用要求研制， 或者直接从市场购买现 成的电能质量监测系统。
1. 软件部分
软件在工控机中运行， 其功能主要包括矿井瓦斯、 石化伴生气的压力测量， 流量控 制的控制， 增压泵与稳压泵的控制， 稳压可燃气成分与浓度的光谱分析， 燃气发电机的控 制， 电能质量的控制， 以及信号的传输。
1) 矿井瓦斯、 石化伴生气的压力测量
压力的测量是为了获取矿井瓦斯、 石化伴生气的压力信息， 其方法是工控机读取 压力测量仪的信号， 并根据一定转换规则， 将该信号转换成压力信号。 这需要视所读取的信 号的形式来转换。 如果是压力测量仪输出的信号本身就是数字式压力值， 则无需转换， 直接 读取即可。 读取的方式包括串行通讯、 网口通讯、 无线通讯、 以及调制脉冲等 ； 如果压力测量
仪输出的是某种电信号， 则还需进行信号的采集与转换 ：
(1) 信号采集。如果压力测量系统输出某种电压、 或者电流信号， 则工控机通过设 置采集卡的采样频率、 采样分辨率， 并启动采样， 获取信号的数值。 采样频率、 采样分辨率视 实际应用情况而定。 如果压力传感器具有良好的信噪比， 则可以选择较高的分辨率， 以获得 较准确的测量结果。否则， 分别率可以设置得低一些， 以获得较快的采集速度 ； 如果矿井瓦 斯、 石化伴生气的气流速度较快， 压力变化较快， 则信号采集的频率也适当设置高一些， 以 获得好的动态特性， 否则可以设置得低一些， 以减小工控机在信号采集中所消耗的资源 ；
(2) 信号的转换。工控机采集到的压力测量系统的信号的数值， 往往并非是压力 值， 它与压力值具有某种对应关系， 因此需要进行转化。有的压力测量仪上给出了转换公 式， 那么在工控机中直接执行这种转换。如果没有给出这种转换关系， 则需要进行标定， 获 取标定数据， 然后进行转换关系的拟合， 最后才采用获得的转换关系式进行转换。 这种转换 关系的确定采用如下最小二乘多项式法来实现 ：
B ＝ (H×H′ )-1×H′ ×Y (1)
式中 y ＝ [y1， y2，…， yN]′表示标定的 N 个样本中的压力向量 ； B ＝ [b0， b1，…，bM]′表示 M 阶多项式中的 M+1 个系数向量， M ＜ N， 且M≥1；表示多项式矩阵， 其中 xi(i ＝ 1， 2，…， xN) 表示与 yi 对应的采样值。于是， 在获得多项式 系数向量 B 后， 对于每个采集数据 x， 可采用式 (2) 进行转换。
2) 流量控制器的控制
流量的控制包括三个 ： 矿井瓦斯、 石化伴生气流量控制， 空气流量控制， 天然气或 液化气的流量控制。
矿井瓦斯、 石化伴生气的流量是用矿井瓦斯、 石化伴生气压力测量结果作为反馈 信号来控制的， 目标是维持矿井瓦斯、 石化伴生气的压力在某一范围内。 该压力根据实际应 用来确定， 确定的原则是压力的变化不会影响前端的生产或安全。控制算法可采用 PID 控 制算法 ：
Δ ＝ FS-F (3a)
式中 C(n) 为当前控制量 ； F 为当前测试压力值 ； FS 为维持不会影响前端的生产或 安全的压力基准值 ； Δ(n)、 Δ(n-1) 分别为基准值与当前压力值、 以及前一时刻压力值的 差值 ； pp、 pI 和 pD 分别为 PID 控制中比例环节、 积分环节和微分环节系数， 它们可以通过 PID 控制参数调节方法来获得。
空气流量、 天然气或液化气的流量是用光谱分析结果作为反馈信号来进行控制 的， 其目标是维持稳压可燃气中的还原气体在燃气发电机所需要的浓度要求范围内， 使得 气体可以充分燃烧， 而且燃气发电机不会熄火。这两个流量计只有一个是打开的。当稳压
可燃气中的还原气体浓度过大时， 开启空气流量控制器， 关闭天然气或液化气流量控制器 ； 否则， 开启控制算法天然气或液化气流量控制器， 关闭空气流量控制器。 这两个流量控制器 的控制同样可用同式 (3) 类似的 PID 控制算法来实现， 只需把 FS 替换为燃烧还原气期望浓 度， F 替换为燃烧还原气当前分析结果， 用 PID 控制参数调节方法来重新获得参数 pp、 pI 和 pD 即可。
3) 增压泵与稳压泵的控制
增压泵与稳压泵的控制方法， 同式 (3) 的流量控制器控制算法完全一样。
4) 稳压可燃气成分与浓度的光谱分析
稳压可燃气成分与浓度的光谱分析是本发明的重点。 本发明以天然气勘探的层析 气为例来说明稳压可燃气成分与浓度的光谱分析方法。天然气的主要成分是甲烷， 此外还 含有一定浓度的乙烷和丙烷。光谱分析是通过分析模型来实现的。分析模型的输入是某些 光谱数据经过一定的运算形成的特征变量， 输出是目标气体的浓度。而在光谱仪器长时间 工作过程中， 光谱容易发生畸变， 因此还需要对畸变进行识别与处理， 以获得可靠的、 准确 的分析结果。 因此， 光谱分析主要包括分析模型的建立、 光谱畸变识别与处理和稳压可燃气 分析三个步骤， 其中第一个步骤是在系统开发过程完成的， 后两个步骤是每次光谱分析都 必须完成的步骤。 (1) 分析模型建立
·样气光谱获取
要建立多组分气体的分析模型， 首先要制作一定的标定样本。本实施实例中需要 分析甲烷、 乙烷、 丙烷三组分目标气， 其中甲烷浓度范围为 0 ～ 100％， 乙烷浓度范围为 0 ～ 5％， 丙烷浓度范围 0 ～ 1％。 单组份气体样本用流量控制器自行配置， 其中甲烷的样本点浓 度值为 [0.02 ％， 0.1 ％， 0.2 ％， 0.5 ％， 1 ％， 3 ％， 10 ％， 30 ％， 50 ％， 70 ％， 100 ％ ]， 乙烷样本 点浓度值为 [0.02％， 0.1％， 0.2％， 0.5％， 1％， 2％， 5％ ]， 丙烷样本点浓度值为 [0.02％， 0.1％， 0.2％， 0.5％， 1％ ] ； 混合气样本通过购买相应的标准气体得到， 对应的部分混合气 的标准气体浓度分别为 ：
将这些样气依次充满光谱仪气室， 用光谱仪扫描光谱， 得到该样气的光谱图。 光谱 图的横坐标一般为波数， 纵坐标主要有两种 ： 一种是吸光度， 另一种是透射率。某谱线处的 吸光度对应于该处透射率的自然对数的负数。 因此， 光谱图的纵坐标不论采用哪一种形式， 本质上是相同的。本实例中的光谱图以透射率为输出， 光谱仪制作光谱样本示意图如图 2 所示， 获得的浓度均为 1％的单组份气体甲烷、 乙烷和丙烷的光谱图如附图 3(a) 所示， 获得 的单组份气体 10％甲烷、 1％乙烷、 1％丙烷， 以及 10％甲烷和 2％乙烷的混合气光谱如附图 3(b) 所示。
·特征变量提取
特征变量提取过程中， 可以提取某一谱线作为某种气体的特征变量， 也可以某一 段光谱的面积作为特征变量， 还可以提取多条谱线值的组合作为不同气体的特征变量。对 于不同的应用场合， 采用的提取方法不同， 所选择的特征变量也不同。例如， 观察附图 3 可 知， 对于甲烷、 乙烷、 丙烷三组分的混合气的光谱定量分析， 波数 3016.5 处的谱线值 val30165 可以作为甲烷的特征变量， 波数 3002.2 至波数 3022.3 之间的所有谱线值之和， 以及波数 3002.2、 3016.5 和 3022.3 处的谱线值的组合 ： log(v3002.2)+log(val3022.3)-2×log(val3016.5) (log(·) 表示自然对数 )， 也可以作为甲烷的特征变量。但不论如何， 在学习样本中， 所要 用到的谱线在不同气体浓度组合下的谱线值是需要知道的。为简单起见， 这里采用前向选 择法， 选取波数为 3022.3 和 3016.5 的两条谱线值的自然对数之差作为甲烷的特征变量 ：
vm ＝ ln(val3022.3)-ln(val3016.5)(4a)
波数为 3029.2 和 3081.2 的谱线值的自然对数差作为乙烷的特征变量 ：
ve ＝ ln(val3081.2)-ln(val3029.2)(4b)
波数为 3002.2 和 3028.0 的谱线值的自然对数差作为丙烷的特征变量 ：
vp ＝ ln(val3028.0)-ln(val3002.2)(4c)
式中 vm、 ve 和 vp 分别表示甲烷、 乙烷和丙烷的特征变量， ln(valn) 表示波数为 n 的 谱线值的自然对数。 这里采用的前向选择法也就是通过观察附图 2， 比较哪两条谱线的差值 形成的特征变量对某一种气体的灵敏度比较高， 而对其它气体灵敏度比较低。采用自然对 数是因为谱线值是光谱透射率， 取自然对数以后形成的特征变量的线性度相对要高。取谱 线差作为特征变量是因为这种方法形成的特征变量有利于消除光谱基线平移带来的影响。 如果光谱图的纵坐标采用的是吸光度形式， 则式 (4) 中不需要求自然对数， 直接用谱线值 即可 ；
·分析模型构建
分析模型是以特征变量为输入， 目标气体浓度为输出的模型。 本实例中， 模型输入 为式 (4) 给出的三个特征变量， 输出分别为甲烷浓度和乙烷浓度。所构建的模型可以是 BP 神经网络， 也可以是 RBF 神经网络， 结构如附图 4 所示。由于三个输入向量之间两两相关， 因此神经网络的隐层初始节点数可以设为 6。由于光谱对气体浓度的灵敏度一般随着浓度 的增大而减小， 所提取的特征变量是由若干谱线的值的组合而成了， 因此具有同样的特性。 于是， 对于 BP 神经网络， 隐层节点的响应函数选择 S 型函数比较合适。
·分析模型训练
分析模型的训练即确定所构建的分析模型的权值和阈值参数。由于 Matlab 中有 神经网络工具箱， 因此可以直接借助该工具箱来实现分析模型的训练。对于 BP 神经网络的训练， 可以在 Matlab 中由如下源程序完成 ：
net ＝ newff(V， C， 6， {′ tansig′，′ purelin′ }) ； ％创建分析模型， 模型名 称为 net。
net.trainParam.epochs ＝ 500 ； ％设置训练代数为 500， 也可以设置更大的值。
net.trainParam.goal ＝ 0.000001 ； ％设置网络训练目标， 它可以根据用户设定， 默认训练样本的均方误差， 也就是经验误差。 在训练的过程中， 训练目标达到要求或者训练 代数达到设定值， 网络训练结束。
net ＝ train(net， V， C) ； ％训练分析模型。
·分析模型计算式的构建
对于本实施实例， 有 3 个输入 ： vm， ve 和 vp， 6 个隐层节点， 输出层有三个节点， 即甲 烷、 乙烷和丙烷的浓度。 训练结束后， 对于建立并训练好的分析模型结构体 net， 按如下步骤 构建分析模型计算表达式 ：
计算隐层节点输入
Inm ＝ net.IW{1}×InputS+net.b{1}(5)
式中 InputS 为输入向量， 且 InputS ＝ [vm， ve， vp]T ； net.IW{1} 为分析模型中输入 层与隐层之间的连接权值矩阵， 它是一个 6×3 的矩阵 ； net.b{1} 为 6×1 的隐层节点阈值 向量 ； Inm 为 6 个隐层节点的列向输入向量。 计算隐层节点输出
Outm(i) ＝ fm(Inm(i)))(6)
式中 fm(·) 为隐层响应函数， 本实例中它是 tansig 函数， 对于 tansig(In)， 其具 体表达式为 ： 2/(1+exp(-2×In))-1 ； Outm 为隐层输出向量。
计算输出层输出
InO ＝ net.LW{2}×Outm+net.b{2}(7)
式中 net.LW{2} 为 3×6 的隐层与输出层之间的连接权值矩阵 ； net.b{2} 为 3×1 的输出层阈值向量 ； InO 即分析模型的输出向量， 也就是甲烷、 乙烷和丙烷的浓度。
(2) 光谱分析及光谱畸变识别与处理
光谱仪长时间工作以后， 由于环境参数、 光谱仪器件特性发生一定的变化， 导致光 谱产生一定的畸变， 这给分析结果带来严重影响。光谱畸变识别与处理是根据光谱的畸变 情况来识别并处理的， 以尽可能减小光谱畸变给分析结果带来的影响。 同时， 光谱畸变的识 别与处理必须与光谱分析相互结合， 才能获得理想的结果。 本应用实例中， 将光谱畸变分为 基线规则畸变和非规则畸变， 对于规则畸变， 通过光谱的平移与旋转来实现光谱的校正， 而 对于非规则畸变， 则放弃本次分析， 并提示错误， 或者给出分析结果可信度。如果连续出现 非规则畸变， 则重新扫描背景。 对于如附图 5(a) 所示的三个光谱图 data1、 data2 和 data3， 其光谱分析及光谱畸变识别与处理分别采用如下步骤来实现 ：
·气体成分与非敏感区搜寻
观察附图 3(a) 可知， 在波数 600、 1100、 2000、 2500、 3400 等处的附近， 甲烷、 乙烷和 丙烷的的灵敏度非常小， 称之为非敏感区。 对于第 i 种气体在第 j 个非敏感区的灵敏度 Sij， 还可用式 (8) 确定 ：
sij ＝ inv(Yi*Yi′ )*Yi*(1-Vij)′ (8)
式中 Yi 表示第 i 种气体单组份样本的浓度值向量 ； Yi′表示向量 Yi 的转置 ； Vij ＝ [mean(vij1)， mean(vij2)，…， mean(vijN)] 表示第 i 种气体单组份样本光谱中第 j 个非敏感 区的谱线均值向量， mean(vijk)(k ＝ 1， 2，…， N) 表示第 i 种气体第 k 个单组份样本光谱的 第 j 个非敏感区的若干谱线的均值 ； inv(·) 表示矩阵求逆运算。* 表示矩阵乘法 ； 采用式 (8) 和甲烷、 乙烷、 丙烷各自单组份样本在上述 5 个波数段光谱数据， 每个波段选择连续 5 条 谱线求均值， 可计算它们的灵敏度系数为 ：
S600 ＝ [0 0.000042 0.000076] ； S1100 ＝ [0.000029 0.000096 0.000549]
S2000 ＝ [0.000022 0.000151 0.000331] ； S2500 ＝ [0.000024 0.000171 0.000352]
S3400 ＝ [0.000006 0.000130 0.000281] ； (9)
·在所有相邻两个非敏感区之间， 对光谱段进行平移与旋转， 进行基线校正
对于上述 5 个非敏感区， 可将整个谱图分为 4 个区间， 对每个区间进行平移与旋 转， 即可矫正光谱的规则畸变。由于每个谱图由两列构成， 第一列是波数值， 第二列是与 第一列相对应的谱线值， 3400、 2500、 2000、 1100 和 600 波数附近所对应的谱线序号依次为 273、 753、 1023、 1503、 1758。于是， 每段非敏感区取 5 个谱线值求平均偏差， 假定待分析的 3 种气体的浓度向量为 C， 可采用如下源代码来实现初次光谱平移与旋转 ： Baseline3400 ＝ 1-mean(data(271:275， 2))-S3400C′ ； ％求波数 3400 处的偏差
Baseline2500 ＝ 1-mean(data(751:755， 2))-S2500C′ ； ％求波数 2500 处的偏差
Baserate2500 ＝ (Baseline2500-Baseline3400)/(753-273) ； ％求波数 2500 至 3400 之间的斜率
data(1:753， 2) ＝ data(1:753， 2)+Baseline3400+([1:753] ′ -271)*Baserat e2500 ； ％矫正波数 2500 至 3400 之间的光谱
Baseline2000 ＝ 1-mean(data(1021:1025， 2))-S2000C′； ％求波数 2000 处的偏差
Baserate2000 ＝ (Baserate2000-Baserate2500)/(1023-753) ； ％求波数 2000 至 2500 之间的斜率
data(754:1023， 2) ＝ data(754:1023， 2)+Baseline2500+([754:1023]′ -753)*B aserate2000 ； ％矫正波数 2500 至 3400 之间的光谱
Baseline1100 ＝ 1-mean(data(1501:1505， 2))-S1100C′； ％求波数 1100 处的偏差
Baserate1100 ＝ (Baseline1100-Baseline2000)/(1503-1023) ；％ 求 波 数 1100 至 2000 之间的斜率
data(1024:1503， 2) ＝ data(1024:1503， 2)+Baseline2000+([1024:1503]′ -102 3)*Baserate1100 ； ％矫正波数 1100 至 2000 之间的光谱
Baseline600 ＝ 1-mean(data(1756:1760， 2))-S600C′ ； ％求波数 1100 处的偏差
Baserate600 ＝ (Baseline600-Baseline1100)/(1758-1503) ；％ 求 波 数 600 至 1100 之间的斜率
data(1504:1866， 2) ＝ data(1504:1866， 2)+Baseline1100+([1504:1866]′ -150 3)*Baserate600 ； ％矫正波数 600 至 1100 之间的光谱
在连续的在线光谱分析过程中， 上述源代码中的气体浓度向量 C 设定为上一次的 分析结果。如果是第一次分析， 则将其设置为 0。对于本实施实例中的附图 5(a)， 有三个 光谱图 ： data1、 data2 和 data3。比较附图 5(a) 和附图 3(a) 可知， 既然波数 2900 处附近
没有强的吸收峰， 说明这三个谱图所表征的气体中， 各种烷烃的浓度很小， 因此， 在波数 800 到波数 1100， 以及在 2500 波数到 3400 波数范围内， 几乎是一条幅值为 1 的直线。但附图 5(a) 中， 波数 800 到波数 1100 的光谱段的光谱值明显大于 1， 而且稍有倾斜， 在 2500 波数到 3400 波数范围内的光谱段明显小于 1， 其倾斜程度比波数 800 到波数 1100 的光谱段稍大， 因此存在基线规则畸变， 需要进行校正。设置气体浓度向量 C 为 0， 采用本步骤的源代码进 行校正后得到的光谱图如附图 5(b) 所示 ；
·用标定的分析模型对校正后的光谱进行分析， 获取气体组分及其浓度
分别把如附图 5(b) 所示的 data1、 data2 和 data3 光谱代入式 (4) 中， 计算各自 的特征变量值 vm、 ve 和 vp。然后分别代入式训练好的模型中， 按照式 (5)、 (6) 和 (7) 计算 data1、 data2 和 data3 三个光谱图所表征的甲烷、 乙烷和丙烷的浓度向量分别为 ：
C1 ＝ [0.0196 0.0032 0.0017] ；
C2 ＝ [0.0071 0.0012 0.0003] ； (10)
C3 ＝ [0.0473 0.0021 0.0023] ；
如果部分气体浓度较大， 则用最新计算的气体浓度值代入前述光谱校正步骤中， 重新对光谱进行校正， 直到该步骤中任何一个非敏感区的相邻两次偏差值之差小于某个阈 值。各非敏感区的阈值设定为该波数段光谱的噪声幅度。由于本实施实例中各组分气体浓 度很小， 因此由该步骤校正一次即可， 而且式 (10) 的结果可以当做最终分析结果。 ·由分析得到的气体组分及其浓度重构光谱
为重构光谱， 首先需要估算各谱线的折算吸光率， 即吸光率与光谱仪光程乘积。 第 i 种气体的第 j 个单组份样本在第 k 条谱线的折算吸光率为 ：
δik， (11) j ＝ -log(vikj)/ci， j
式中 vikj 表示第 i 种气体的第 j 个单组份样本在第 k 条谱线的光谱值 ； log(· )表 示自然对数运算 ； ci，j 表示第 i 种气体的第 j 个单组份样本浓度。如果第 i 种气体的浓度 计算值为 ci， 且 ci， j ＝ 1， 2，…， N-1， 则第 k 条谱线处， 该种气体的折算 x， j ＜ ci， x ≤ ci， j+1， 吸光率为 ：
rate ＝ (ci， x-ci， j)/(ci， j+1-ci， j)(12a)
δikx ＝ (1-rate)×δik， j+rate×δik， j+1(12b)
为缩短计算时间， 可以只重构光谱中目标气吸峰及其附近的光谱段。 本实施例中， 只需重构波数段 700 ～ 1300 和 2800 ～ 3200 即可。为简单起见， 本实施例中以第 579 条谱 线 ( 对应于波数 2881.5) 处的谱线的重构来说明谱线的重构方法。由于在小浓度情况下， 各组分气体的折算吸光率几乎不随气体浓度变化而变化， 因此本实施例中的各组分气体的 折算吸光率直接采用 0.1％浓度时的折算吸光率即可。例如， 0.1％浓度正戊烷单组份样本 在第 579 条谱线 ( 对应于波数 2881.5) 处的谱线值为 0.9462， 故其折算吸光率由式 (11) 计 算得到 ：
δ7， 579， 4 ＝ -log(0.9462)/0.1 ＝ 0.5530(13)
以此类推， 可求得 3 组分气体在 579 条谱线的折算吸光率并构成向量 Δ 得到 ：
Δ ＝ [0.0200 0.1410 0.5393](14)
由式 (10) 和 (14) 根据 Lambert-Beer 定理可分别求得 data1、 data2 和 data3 三 个谱图在第 579 条谱线出的重构光谱值分别为 ：
v1， 579 ＝ exp(-C1Δ′ ) ＝ 0.9982
v2， 579 ＝ exp(-C2Δ′ ) ＝ 0.9995
v3， 579 ＝ exp(-C3Δ′ ) ＝ 0.9974
以此类推， 可求得每条谱线的重构谱线值。 于是， 对于附图 5(a) 中的 data1、 data2 和 data3， 校正前、 后， 以及重构的光谱分别如附图 5(c)、 5(d) 和 5(e) 所示。
·光谱畸变识别与处理
对于光谱的规则畸变， 前述步骤其实已经对光谱做了校正， 本步骤用来识别光谱 的非规则局部畸变， 并根据识别结果做出合理处理。
观察附图 5(c) 中光谱可以发现， 在波数 1060 附近， 修正后的 data1 光谱值明显超 出 1.0020， 实质上， 该处的噪声幅度只有 0.0015 左右， 因此 data1 光谱可能存在局部畸变， 该次分析结果偏差可能比较大， 如有可能， 需要重新扫描背景， 以获得较好的分析结果 ； 观 察附图 5(d) 可以发现， 在波数 1045 附近， 修正后的 data2 光谱的光谱值已近达到 1.0020， 因此 data2 光谱可能也存在局部畸变 ； 观察附图 5(e) 可以发现， 修正后的 data3 光谱的光 谱值最大也不过 1.0010 左右， 因此 data3 是没有发生局部畸变的良好光谱， 用标定模型对 该光谱进行分析， 其可信度是很高的。实质上， 由附图 5(b) 可以看出， 在波数 1000 到 1200 范围内， data1 和 data2 的光谱呈频率不等的纹波状， 这本身就是光谱局部畸变的一种表 现。
当然， 在基于计算机的智能识别中， 不可能通过人工观察来识别， 需要通过软件来 识别。 对于本步骤， 只需要比较所感兴趣的波数段范围内重构光谱与修正光谱的差别， 如果 修正光谱值大于对应的重构光谱的数值大于噪声水平， 则可能存在局部畸变。差值越大， 畸变程度越大。如果差值过大， 则放弃当次分析结果， 并提示出错 ； 如果差值在一定容许范 围， 不足以产生大的影响， 则继续工作 ； 则如果连续出现光谱局部非规则畸变， 则重新扫描 背景。
5) 燃气发电机的控制
燃气发电机的控制主要是控制其输出功率， 它是根据稳压可燃气的流量来调节 的。在本发明的软件部分， 只需要根据当稳压可燃气的流量增大时， 计算燃气发电机功率， 并发出增大燃气发电机功率的指令 ； 当已经开启的燃气发电机已经达到满负荷时， 发出启 动另一台未启动的燃气发电机的指令。稳压可燃气的流量等于流量控制器 1 和 2 或者 3 两 者流量之和。
6) 变电系统
在软件部分， 变电系统主要根据电能质量监测系统提供的结果， 发出调节电压、 相 位的指令， 以满足输出电能的指标要求。
7) 电能质量监测系统
电能质量的监测系统主要监测输出电压及其相位、 纹波等， 监测结果除了对电能 质量进行评估外， 用来作为调节变电系统的反馈信号， 还可监测发电系统、 变电系统的故 障。在软件部分， 本发明主要是读取监测系统的数据， 为调节变电系统、 诊断变电系统和发 电系统的故障做准备。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明， 不能认定 本发明的具体实施方式仅限于此， 对于本发明所属技术领域的普通技术人员来说， 在不脱离本发明构思的前提下， 还可以做出若干简单的推演或替换， 都应当视为属于本发明由所 提交的权利要求书确定专利保护范围。