一种基于气温对锅炉运行影响构造的闭环燃烧优化控制方法与流程

1.本发明属于锅炉运行优化控制技术领域，具体涉及一种基于气温对锅炉运行影响构造的闭环燃烧优化控制方法，适用于燃煤锅炉变负荷时的闭环优化控制。


背景技术：

2.当前能源危机已开始凸显，尤其是2021年下半年全国多个省份突发拉闸限电的状况。燃煤发电是我国一半以上电力的生产源头，提高燃煤发电效率，减少燃煤排放污染是该方向研究重点。数据驱动的燃煤锅炉燃烧优化方法在节能减排方面取得成效。比如采用数据驱动的模型来优化多目标问题，使用高斯过程模型来捕捉由测量误差和数据缺乏引起的nox和未燃碳含量预测的不确定性，提出基于概率优势的进化算法来估计nox和未燃碳含量的最优平衡，可以获得理想的预测性能。其次针对基于计算智能的燃烧优化算法复杂度高、难以进行实时在线优化的问题，同时考虑提高锅炉效率与降低污染物排放的双重要求，提出了基于数据驱动案例匹配的电站锅炉燃烧优化方法。
3.为了有效挖掘和利用电站机组运行过程中积累的海量数据，提出一种基于工况划分的机组运行寻优方法。针对热工过程具有强耦合、大惯性和非线性等特点，提出一种鲁棒模糊c均值回归(rfcr)算法，其中ts模糊模型本质可以看作分段线性化的拓展，即采用多个局部线性模型去逼近全局的非线性，利用机器学习算法开发深度数据驱动的燃烧系统操作优化框架，基于深度信念网络的方法来模拟燃烧效率和nox排放。然后通过优化燃烧系统的控制设置，进一步提高燃烧效率和降低nox排放。
4.但是，以神经网络为核心的机器学习算法比较耗时，无法适用于锅炉实时控制，前期中国专利：一种锅炉随气温变化的优化控制方法，授权公告号：cn111881554a，授权公告日：2020年11月3日，提出了一种以一台600mw机组近一年dcs存储的相关历史运行数据为基础，分析了锅炉运行性能和参数随锅炉出力(主蒸汽流量)和气温(送风机入口风温)的变化。计算分析结果表明：不同季节(气温)条件下该机组运行经济性存在很大的差异，但是为了研究环境温度变化对锅炉性能的影响，提高锅炉效率、减少nox排放，本专利在将目标机组特定历史数据以负荷、气温(送风机入口风温)划分二维区间的基础上，进一步根据锅炉效率较高和nox排放较低的相对优化的气温区间的运行特性构造锅炉燃烧优化控制规律，然后将该优化规律投入一台670mw机组锅炉燃烧优化控制工业试验，验证了该方法的有效性，对锅炉的节能减排具有实际的科学意义。


技术实现要素：

5.本发明要解决的技术问题是：克服现有技术的缺点和不足，提供一种基于气温对锅炉运行影响构造的闭环燃烧优化控制方法，本发明使用数据驱动的方法，在将一台670mw机组特定历史数据以负荷、气温(送风机入口风温)划分二维区间的基础上，进一步根据锅炉效率较高和nox排放较低的相对优化的气温区间的运行特性构造锅炉燃烧优化控制规律，将能耗低的气温区间的优化控制规律组合为两种优化模型，然后对被控参数的dcs组态
逻辑进行改造，使控制系统的优化信号与dcs原指令共同参与锅炉燃烧闭环控制，最后，使用不同优化模型在锅炉上实施了现场试验。
6.本发明解决技术问题的技术方案是：一种基于气温对锅炉运行影响构造的闭环燃烧优化控制方法，其特征在于：对优化控制规律开展能耗分析和优化模型组建，具体步骤如下：
7.1)对优化控制规律开展能耗分析
8.a根据前期专利“一种锅炉随气温变化的优化控制方法”中的数据分析方法，通过公式(1)计算不同负荷、不同气温区间内各参数均值：
[0009][0010]
其中，i为负荷区间，j为气温区间，k为参数类型，l代表该子集内数据包的个数，也即工况点个数，l＝1,2,3......l(i,j)个，各子集内工况点个数不同。
[0011]
b优化模型侧重锅炉运行的经济性和氮氧化物排放，经济性通过总煤量与负荷比值表征，本文通过公式(2)筛选满足要求的工况点，即将优于锅炉效率均值和nox排放均值的工况点筛选出来：
[0012][0013]
其中k＝k1代表实时负荷，k＝k2代表总燃料量，k＝k3代表nox排放量。
[0014]
c利用筛选后的数据包，由公式(3)计算各个负荷和气温区间各个运行参数的均值：
[0015][0016]
其中，为筛选后i负荷区间、j气温区间的第k个运行参数，l'代表该子集内数据包的个数，l'＝1,2,3......l'(i,j)个。
[0017]
d分析总燃料量均值随负荷和气温的变化趋势，寻找相同负荷下更低燃料量的温度区间[j
start
,j
end
]∈j。
[0018]
2)组建优化模型
[0019]
a利用公式(3)的计算结果，构建数据模型m1如公式(4)所示为其矩阵表示：
[0020][0021]
b基于步骤1)的d对历史运行数据能耗的分析，在温度区间[j
start
,j
end
]范围内，相同负荷下总煤量均值较其他温度区间更低，所以该温度区间锅炉运行效率最高，即该区间锅炉历史运行工况更好。本文提出计算该温度区间不同负荷下各参数均值，然后将计算结
果扩展至所有温度区间，记为基础数据模型m0，公式(5-7)演示了模型m0的构建过程。
[0022][0023][0024][0025]
c本发明提出将模型m0和模型m1按不同权重构造数据模型m2和m3，其计算过程如公式(8)和(9)所示：
[0026][0027][0028]
本发明的进一步改进在于：对于步骤1)计算不同负荷、不同气温区间内各参数均值，均值包括锅炉运行主要监测和控制参数，如负荷、主蒸汽参数(流量、压力、温度)、给水流量、总燃料量、各层(角)燃烧器给煤量、总风量、送风量、引风量、全部二次风门开度、烟气含氧量、排烟温度和ox浓度以及送风机入口风温。
[0029]
本发明的进一步改进在于：对于步骤1)l代表该子集内数据包的个数，也即工况点个数：各工况点数据采集时间为1分钟。
[0030]
本发明的进一步改进在于：对于步骤1)的d寻找相同负荷下更低燃料量的温度区间：[j
start
,j
end
]∈j，温度区间划分没有固定模式，根据实际计算结果判断燃烧效率高的温度区间。
[0031]
本发明的进一步改进在于：对于步骤2)b基于步骤1)的d对历史运行数据能耗的分析：历史数据时长为一年。
[0032]
本发明的一种基于气温对锅炉运行影响构造的闭环燃烧优化控制方法的优点体现在：
[0033]
一是考虑气温(送风机入口风温)对锅炉优化控制的影响，将历史运行数据按负荷、气温进行精细划分，优化方案最大限度贴合实际运行工况，保证调控质量；
[0034]
二是在精准调控的基础上，筛选二维工况区间内优于锅炉效率均值(实际负荷均值/总燃料量均值)和nox排放均值的控制规律，以达到节能减排的目的。
附图说明
[0035]
图1为本发明的示意图；
[0036]
图2为本实施例的主要参数随负荷和气温的变化图；
[0037]
图3为实施例的燃料量试验数据对比曲线；
[0038]
图4为实施例的nox排放量试验数据对比曲线；
[0039]
图5为实施例的排烟温度试验数据对比曲线；
[0040]
图6为实施例的烟气含氧量试验数据对比曲线；
[0041]
图7为实施例的总风量试验数据对比曲线。
具体实施方式
[0042]
下面结合附图和实施例对本发明进一步说明。
[0043]
参见图1为本发明示意图，各分区的燃烧优化模型经离线训练后，嵌入ipc中。ipc运行的燃烧优化软件通过sql查询语句获取pi数据库内机组的实时数据，经ipc在线计算后，燃烧优化软件将优化控制信号从ipc传输至dcs逻辑，参与锅炉实时调控。参见图2-7，本实施例一种基于气温对锅炉运行影响构造的闭环燃烧优化控制方法，包括对优化控制规律开展能耗分析和组建优化模型，具体步骤如下：
[0044]
1)对优化控制规律开展能耗分析
[0045]
step1以1分钟为周期，提取一台600mw机组2020年4月-2021年4月dcs存储的相关历史运行数据。相关数据包括锅炉运行主要监测和控制参数，如负荷、主蒸汽参数(流量、压力、温度)、给水流量、总燃料量、各层(角)燃烧器给煤量、总风量、送风量、引风量、全部二次风门开度、烟气含氧量、排烟温度、nox浓度、送风机入口风温等；
[0046]
step2通过公式(1)计算不同负荷、不同气温区间内各参数均值：
[0047][0048]
其中，i为负荷区间，该机组负荷划分范围：320-620mw，每15mw分为一个负荷区间，共20个负荷区间；j为气温区间，全年气温变化范围：6-36℃，每1.5℃一个气温区间，共20个气温区间；k为参数类型，本文为102个；l代表该子集内数据包的个数，也即工况点个数，l＝1,2,3......l(i,j)个，各子集内工况点个数不同。全部运行数据共20
×
20＝400个数据子集，代表不同负荷、不同气温下的全部运行数据。
[0049]
step3优化模型侧重锅炉运行的经济性和氮氧化物排放，经济性通过总煤量与负荷比值表征，本文通过公式(2)筛选满足要求的工况点，即将优于锅炉效率均值和nox排放均值的工况点筛选出来:
[0050][0051]
其中k＝1代表实时负荷，k＝2代表总燃料量，k＝101代表nox排放量。
[0052]
step4利用筛选后的数据包，由公式(3)计算各个负荷和气温区间各个运行参数的均值：
[0053][0054]
其中，为筛选后i负荷区间、j气温区间的第k个运行参数，l'代表该子集内数据包的个数，l'＝1,2,3......l'(i,j)个。
[0055]
step5结合图2总燃料量均值随负荷和气温的变化趋势，图中可看出相同负荷下低温区间18摄氏度及以下，燃料量消耗较多；高温区间27摄氏度以上次之，中间温度区间[21,27]摄氏度之间燃料消耗最低。10*1.5 6＝21摄氏度到14*1.5 6＝27摄氏度之间燃料量消耗全年较低，可作为整体优化的依据。
[0056]
2)组建优化模型
[0057]
step6利用公式(3)的计算结果，构建数据模型m1如公式(4)所示为其矩阵表示：
[0058][0059]
step7基于step5对历史运行数据能耗的分析，在温度区间[21,27]摄氏度范围内，相同负荷下总煤量均值较其他温度区间更低，所以该温度区间锅炉运行效率最高，即该区间锅炉历史运行工况更好。本文提出计算该温度区间不同负荷下各参数均值，然后将计算结果扩展至所有温度区间，记为基础数据模型m0，公式(5-7)演示了模型m0的构建过程。
[0060][0061][0062][0063]
step8将模型m0和模型m1按不同权重构造数据模型m2和m3，其计算过程如公式(8)和(9)所示：
[0064]
[0065][0066]
参见图1-图6，本实施例以我国某电厂6号670mw燃煤发电机组为研究对象，对本发明设计的燃烧优化在线控制系统开展了全尺寸工业闭环试验，将三个数据驱动的优化模型m1、m2和m3各投入运行1天，未优化工况为投运前3天的机组运行数据，表1详细记录了对比试验统计数据。其中数据采样时间间隔为1分钟，模型m
1-m3的采样工况点个数为1440。未优化对比工况点个数为4320。表1统计数据可以看出温度重合区间10.5-15摄氏度，本文对三组温度重合区间数据进行对比，即10.5-12℃、12-13.5℃、13.5-15℃气温区间，对比不同负荷下各参数均值(燃料量、nox排放量、排烟温度均值、总风量及烟气含氧量)；
[0067]
表1对比试验统计数据
[0068][0069]
本实施例按照图1-2构建基于气温对锅炉运行影响构造的闭环燃烧优化控制系统，分析优化控制效果。
[0070]
图3所示为四种工况的燃料量，分别在三组温度区间的数据对比。图中可以看出各个气温区间下，优化模型m1燃料量在中、低负荷段明显低于其他工况，在10.5-12℃气温区间，整个试验负荷区间内优化模型m1燃料量最低，其他温度区间内，在负荷高于480mw时，优化模型m1比未投优化时燃料量略高。
[0071]
图4所示为四种工况的nox排放量，分别在三组温度区间的数据对比。图中显示负荷低于485mw时，优化系统的投入对nox排放的降低作用不明显，负荷高于485mw时，优化模型m1的投入明显降低了nox排放量。
[0072]
图5所示为四种工况的排烟温度，分别在三组温度区间的数据对比。图中显示三个优化模型的投入均有效降低了排烟温度，且优化模型m2降低最多，m3次之。
[0073]
图6所示为四种工况的烟气含氧量，分别在三组温度区间的数据对比。图中显示投入优化模型m1时，烟气含氧量最低，优化模型m2和m3反而比未投入优化系统时烟气含氧量更高。
[0074]
图7所示为四种工况的总风量，分别在三组温度区间的数据对比。图中显示总风量变化趋势基本一致，优化系统各负荷段对总风量的控制比原工况略高。
[0075]
因此，本发明的数据驱动优化方法可以实现锅炉效率和nox排放的多目标优化，但是选取燃烧优化模型需要考虑锅炉燃烧效率和nox排放的折中。
[0076]
本发明的实施例并非穷举，本领域技术人员不经过创造性劳动的简单复制和改
进，仍属于本发明权利保护的范围。