[实用新型]闭环燃烧优化控制系统

说明书

技术领域

本实用新型涉及火力发电厂燃煤锅炉的优化控制系统，尤其是涉及一种闭环燃烧优化控制系统。

背景技术

电站煤粉锅炉的燃烧问题涉及到风煤比、磨煤机组合方式、燃烧器摆角等数十个控制参数，且随时受到煤质、环境温度、设备性能等边界条件变化的影响，是一个复杂而又有些混沌的多变量控制过程。近年来，电力用煤趋紧，煤价大幅上涨，煤质变化频繁，进一步增大了燃烧优化控制的难度和必要性。传统的燃烧调整优化试验和基于专家经验的优化系统，仅仅凭借有限的试验数据和历史经验，已经越来越无法满足燃煤锅炉燃烧优化控制的要求。因此，必须借助先进的数学手段和计算机软、硬件技术来代替传统的经验调整。

随着计算机软硬件技术和自动控制技术的快速发展，以及各种先进的机器学习算法、参数寻优算法等人工智能技术的不断完善，研究与开发具有自学习能力、能够适应煤质等边界条件频繁变化的闭环燃烧优化系统已成为可能。

实用新型内容

本实用新型的目的是：提供一种闭环燃烧优化控制系统，将燃烧控制由传统的经验控制变为实时精确人工智能控制，可综合实现提高锅炉效率、降低NOx排放浓度以及协调汽温控制等优化目标，且能够自适应煤质和环境等其他边界条件的变化，保持锅炉长期稳定运行在最佳状态下，实现真正意义上的实时燃烧优化。

本实用新型的技术方案是：一种闭环燃烧优化控制系统，它包括有分布式控制系统、数据校验与重构单元、数据归一化处理单元、燃烧优化单元所构成的闭环系统；所述分布式控制系统连接用以对原始运行数据进行可靠性校验的数据校验与重构单元，数据校验与重构单元连接用以将经可靠性校验的数据转化成燃烧优化单元能够识别的形式的数据归一化处理单元，数据归一化处理单元连接用以将归一化处理后的运行数据输入燃烧优化模型，得出优化结果的燃烧优化单元，燃烧优化单元连接分布式控制系统，用以将所述优化结果以控制参数的偏置的形式返回到分布式控制系统。

它还包括有为适应设备老化、外部环境和煤质变化而实现燃烧优化模型在线更新的辅助线程系统。

所述辅助线程系统包括有与所述分布式控制系统连接的用以判断机组运行状态是否稳定的机组运行状态判断单元，机组运行状态判断单元连接数据校验与重构单元，数据校验与重构单元连接数据归一化处理单元，数据归一化处理单元连接用以将归一化处理后的新样本替代样本库中距离当前时间最久远的样本，实现样本库更新的样本库更新单元，样本库更新单元连接依据所述新样本库训练出的用以替换燃烧优化单元中原有优化模型的新优化模型的模型在线训练单元，模型在线训练单元连接燃烧优化单元。

上述涉及的一些结构单元的进一步说明：

分布式控制系统，一种设备自动运行控制系统，是目前火力发电厂的标准配置。

数据校验与重构单元，负责原始运行数据的可靠性校验。对于错误数据，不重要的舍弃，重要的依据参数的时序性、关联性等重构。

数据归一化处理单元，将运行数据转化成燃烧优化单元能够识别的形式。

燃烧优化单元，将归一化处理后的运行数据送入到燃烧优化模型，得出优化结果，优化结果以“控制参数的偏置”的形式，返回到分布式控制系统。

机组运行状态判断单元，通过一段时间内(如30分钟)发电机有功功率的变化率，判断机组的运行状态(稳定或不稳定)。

样本库更新单元，将归一化处理后的一段时间(如30分钟)运行数据的平均值(即一个新的样本)存入样本库，并舍弃样本库中距离当前时间最久远的样本，保持样本总数量的不变，从而组成新的样本库，以用于模型在线训练。

模型在线训练单元，利用新的样本库对燃烧优化模型进行在线训练，得到最新的燃烧优化模型。

本实用新型的优点是：

1.本实用新型的闭环燃烧优化控制系统，通过先进的小生境遗传算法实现控制参数的优化，将燃烧控制由传统的经验控制变为实时精确人工智能控制，可综合实现提高锅炉效率、降低NOx排放浓度以及协调汽温控制等优化目标，且能够自适应煤质和环境等其他边界条件的变化，保持锅炉长期稳定运行在最佳状态下。

2.本实用新型的闭环燃烧优化控制系统，采用了支持向量机(SVM，Support Vector Machine)作为建立锅炉整体燃烧数学模型的工具，以高效的小生境遗传算法(GA，Genetic Algrithm)为参数寻优工具，依据OPC、TCP/IP、Modubus等各种工业通讯协议，实现与DCS的双向通讯，从而构建完整的燃煤锅炉闭环燃烧优化控制系统。

附图说明