融合气氛场与火焰视觉数据的锅炉燃烧数字孪生建模方法与流程

本发明属于火电机组锅炉燃烧监测、工业过程数字孪生建模和多源数据融合，具体涉及融合气氛场与火焰视觉数据的锅炉燃烧数字孪生建模方法，适用于燃煤锅炉在深度调峰、快速变负荷、煤质波动等复杂运行工况下的燃烧流场、温度场、气氛场及水冷壁风险状态的在线建模、预测和校正。

背景技术：

1、在火电机组灵活性运行需求增强的背景下，燃煤机组经常处于煤质波动、快速频繁变负荷、超低负荷、日启停调峰等非设计工况。该类工况会使锅炉燃烧稳定性、经济性、环保性以及运行安全性同时受到影响，尤其是锅炉侧既是动力源头又是燃烧调控终端，运行安全风险更为集中。

2、现有燃烧监测主要依赖常规火检、dcs运行参数、尾部烟气指标和少量壁温或热工参数。常规火检通常利用特定频率下的光强信息判断有火或无火，视场角较小，存在偷看、漏看和误判问题，且难以量化火焰中心、火焰偏斜、温度场和燃烧稳定性等连续状态。仅依靠主蒸汽压力、流量、氧量等参数进行燃烧调节时，反馈信号滞后，难以直接反映炉膛内部燃烧流场变化。

3、近壁面气氛场能够反映水冷壁附近的还原性气氛和腐蚀风险。低氮燃烧和空气分级燃烧条件下，水冷壁近壁面容易出现h2s、co等还原性组分浓度升高，进而诱发高温腐蚀、结焦、积灰和火焰偏斜等问题。现有近壁面气氛测量方案多用于单点或多点监测、软测量或贴壁风调节，尚未充分与火焰视觉数据、cfd全炉膛模型和在线数字孪生矫正结合。

4、数字孪生技术能够在虚拟空间中建立物理实体的映射模型，并利用运行数据进行动态更新。现有锅炉数字孪生方案多侧重于机理模型、平衡方程或单类运行数据更新，存在实测流场、温度场和气氛场校正不足、模型实时性和宽工况适应性不足等问题。对于煤粉锅炉燃烧过程，若仅采用离线cfd仿真，计算结果依赖边界条件和反应模型，难以快速响应实时工况；若仅采用数据驱动模型，则存在物理可解释性不足和工况外泛化能力不足的问题。

5、为了解决上述问题，特此提出本发明。

技术实现思路

1、本发明的一个目的在于提供融合气氛场与火焰视觉数据的锅炉燃烧数字孪生建模方法。

2、为了实现上述目的，本发明采用了如下技术方案：

3、融合气氛场与火焰视觉数据的锅炉燃烧数字孪生建模方法，包括如下步骤：

4、采集燃煤锅炉的近壁面气氛场数据、火焰视觉数据、dcs运行参数和可获得的水冷壁状态参数；

5、分别对所述近壁面气氛场数据、火焰视觉数据、dcs运行参数和水冷壁状态参数进行异常剔除、时间戳校核、延迟补偿、缺失补齐、标准化和质量评价，形成气氛通道质量因子、测点质量因子、图像质量因子以及水冷壁状态有效性标识；

6、将预处理后的多源数据按照统一采样周期进行时空同步，构建包含近壁面气氛场特征、火焰视觉特征、dcs运行特征、水冷壁状态特征、工况标签和数据质量向量的统一状态向量；

7、根据测点相对空间关系、测点质量因子和组分浓度对近壁面组分浓度场进行质量加权重构，并构造气氛组分一致性残差，所述气氛组分一致性残差作为物理残差和风险校核量参与模型训练、在线矫正和风险输出；

8、采用cfd仿真平台建立锅炉燃烧流场基础仿真模型，形成按工况标签索引的仿真先验；基于历史运行样本、仿真先验和工程规则训练物理约束的数据驱动融合模型，训练时以测量误差项、物理残差项、参数平滑项和仿真先验偏差项构成目标函数；

9、在线预测时，将当前统一状态向量、仿真先验以及由最近n个采样周期的统一状态向量、模型输出、在线矫正量和风险指标组成的历史状态序列输入训练后的数据驱动融合模型，得到锅炉燃烧数字孪生预测结果；

10、通过观测映射函数将所述数字孪生预测结果映射为可测量量，根据实时测量量与所述可测量量之间的误差，对状态估计、边界修正系数、权重系数和仿真先验或代理映射关系进行多时间尺度在线矫正，并输出燃烧流场、温度场、近壁面气氛场、水冷壁状态、综合风险指数和风险持续性指标。

11、优选的，所述近壁面气氛场数据包括co、h2s、so2、nox、o2中的一种或多种浓度，所述火焰视觉数据包括火焰图像、火焰亮度、火焰轮廓、火焰中心、火焰脉动、火焰偏斜和由辐射图像反演得到的温度场，所述水冷壁状态参数包括水冷壁管壁温、壁温变化率、壁面热流密度、红外测温结果、检修获得的水冷壁管壁厚减薄量或由cfd先验与历史数据估计得到的壁面状态量中的一种或多种。

12、优选的，所述多源数据预处理包括：对近壁面气氛测量数据进行恒流稀释状态校核、过滤防堵状态判断、露点控制、量程校核、异常值剔除、采样延迟估计和时间戳校核，形成气氛通道质量因子；对火焰视觉数据进行坏帧剔除、图像去噪、配准、曝光或饱和校核、背景干扰抑制和分割置信度评价，形成图像质量因子；对dcs运行参数进行量程校核、阶跃异常识别和插值对齐；对水冷壁状态参数进行有效性校核、测点位置匹配和更新滞后量记录；所述测点质量因子由同一测点的多个气氛通道质量因子加权得到，并作为所述数据质量向量的组成部分。

13、优选的，对所述火焰视觉数据进行温度场反演时，先根据两个测温波段的辐射强度构造辐射比值，再结合发射率修正系数计算火焰表观温度，并通过图像强度残差、温度场平滑约束和图像质量约束对反演温度场进行修正，修正后的温度场作为所述火焰视觉特征或实测/反演数据输入所述数据驱动融合模型；

14、所述火焰偏斜指数根据火焰中心与炉膛几何中心或目标火焰中心的距离确定，所述燃烧稳定性指数根据连续采样周期内的火焰亮度变异系数、火焰面积变异系数、温度场波动量、火焰中心位置标准差和火焰脉动频率确定。

15、优选的，所述近壁面组分浓度场重构包括：根据测点到待估计位置的空间距离、距离衰减系数和测点质量因子构造空间权重，对co、h2s、so2、nox、o2中的至少一种组分浓度进行加权插值，得到近壁面组分浓度场；所述气氛组分一致性残差根据co、h2s、so2、o2中至少两种组分在同类工况下的协同变化关系构造，用于识别单一组分漂移或异常测点，并作为所述物理残差项、在线矫正权重调整量或风险校核量；计算还原性气氛指数时，将so2作为硫转化状态和组分一致性校核项，并由h2s、so2和工况标签共同确定还原性硫表征量，再根据co、还原性硫表征量和o2得到还原性气氛指数。

16、优选的，所述cfd仿真平台为fluent平台；所述仿真先验根据风量和风门开度向量、负荷及热工状态向量、磨煤机和燃烧器投运组合、煤质向量以及cfd模型参数生成，包括速度场、温度场、组分场、颗粒浓度场和壁面热流场中的一种或多种。

17、优选的，所述物理残差项包括质量守恒残差、能量守恒残差、组分守恒残差、边界一致性残差和气氛组分一致性残差中的一种或多种。

18、优选的，所述数据驱动融合模型采用递推最小二乘代理模型、径向基函数代理模型、高斯过程代理模型或浅层神经网络中的一种；建模时先以统一状态向量、cfd仿真先验、历史状态序列和对应实测或反演数据构造训练样本，并采用包含测量误差项、物理残差项、参数平滑项和仿真先验偏差项的目标函数训练或校正模型参数；在线运行时，将当前统一状态向量、相近工况仿真先验和历史状态序列输入训练后的模型进行预测；当现场数据积累不足时，以所述仿真先验和工程规则形成初始映射关系。

19、优选的，所述多时间尺度在线矫正包括快速尺度的状态估计和风险指数更新、中等尺度的边界修正系数和权重系数更新，以及慢速尺度的先验库或代理映射关系更新；

20、所述风险持续性指标由综合风险指数在评价窗口内按照衰减权重加权得到，用于将瞬时风险和持续风险区分输出。

21、本发明的另一个目的在于提供一种锅炉燃烧数字孪生建模系统。

22、为了实现上述目的，本发明采用了如下技术方案：

23、一种锅炉燃烧数字孪生建模系统，包括多源数据采集模块、数据预处理模块、火焰视觉特征提取模块、近壁面气氛场重构模块、cfd仿真先验模块、数据驱动融合建模模块、在线矫正模块和风险输出模块，所述系统用于执行上述的锅炉燃烧数字孪生建模方法。

24、与现有技术相比，本发明有以下有益效果：

25、1. 本发明将近壁面气氛场、火焰视觉数据、dcs运行参数和可获得的水冷壁状态参数统一成状态向量，使锅炉燃烧数字孪生模型能够同时感知炉膛整体火焰状态和近壁面还原性气氛状态，改善传统监测方式仅能间接反映燃烧状态的问题。

26、2. 本发明通过气氛场重构、火焰偏斜指数、稳定性指数和还原性气氛指数，将离散测点和高维图像转化为可计算、可融合、可在线更新的模型输入，提高模型对腐蚀、结焦、火焰偏斜和燃烧失稳的表征能力。

27、3. 本发明以fluent基础仿真模型提供物理先验，以数据驱动模型实现快速映射，以物理残差和实测误差共同约束参数求解或在线矫正，兼顾机理模型的可解释性和数据驱动模型的实时性。

28、4. 本发明通过在线矫正机制利用实时气氛、视觉和运行数据更新模型参数，能够降低煤质变化、负荷变化和配风变化造成的模型漂移，提高锅炉燃烧数字孪生模型的宽工况适应性。

29、5. 本发明输出燃烧流场、温度场、气氛场、壁面热流场及综合风险指数，可为燃烧安全评价、腐蚀/结焦预警和后续配风优化提供量化依据。