[发明专利]基于子空间辨识的火力电站锅炉输出过热蒸汽的预报方法

说明书

技术领域

本发明涉及一种基于子空间辨识的火力电站锅炉输出过热蒸汽的预报方法。

背景技术

锅炉燃烧优化控制的目标是在一定的机组负荷下，通过调整锅炉给煤、配风、引风等运行参数得到高效的过热蒸汽输出能量和稳定安全的运行状态。能量从给煤传到过热蒸汽是一个非常复杂的生产流程，采用机理建模时难以确定模型结构和模型参数，因此目前更多的研究集中于数据驱动的黑箱模型或半机理半数据的灰箱模型。目前基于数据驱动的锅炉建模方法主要有人工神经网络和支持向量机等。例如杭州电子科技大学薛安克、王春林等人提出的锅炉燃烧优化的建模方法（专利公开号 CN 101498459A），根据机组运行负荷的高低分段进行建模，在高负荷段建立径向基神经网络模型，而在低负荷段建立支持向量机模型，即建立一个基于不同机组负荷段下的混合模型。然而，该方法只建立了锅炉各运行数据之间的静态关联，在生产现场如遇到负荷升降的特殊工况时的，混合模型可能会不断在神经网络和支持向量机之间切换，无法保证模型辨识所需过程数据的连续性，动态精度较低。另外，上述方法采用的一次风/二次风流量、和引风流量等测点，未考虑温度和压力信息的影响，因此所建模型的应用还会受到季节和气候的影响。

发明内容

本发明要解决的技术问题是，提出了一种基于数据驱动的在线滚动建模和基于所建模型的能量预报方法；本发明建立的能量动态模型和模型辨识用到的数据物理意义明确，且无需对数据进行聚类分析处理，模型在线辨识速度快，同时引入模型滚动辨识方案，提高了模型的泛化能力。对多步辨识的动态模型在未来同一时刻的输出预报求均值，并利用上一时刻预报偏差做修正，进一步提高锅炉输出过热蒸汽能量的预报精度。根据对未来60秒的过热蒸汽能量的预报情况，可以判断锅炉未来的燃烧情况，最终为燃烧的优化控制提供了指导和参考。

本发明的技术方案是：基于数据驱动的锅炉过热蒸汽能量预报方法，包含以下步骤：

步骤1：与厂级DCS组态软件建立数据通讯，在线获取生产数据，包括锅炉运行参数以及表征锅炉燃烧情况的测点信息。

步骤2：根据机组负荷对采集测点信息进行异常点的判断和处理，并采用前向加权滤波方法去除测点的高频噪声。

步骤3：根据水蒸气以及空气的热力学计算公式，计算当前时刻锅炉的送风、引风和过热蒸汽的能量。同时利用离线分析的入炉煤质信息计算煤粉燃烧的放热量。确定锅炉模型辨识的输入数据和输出数据，并对数据进行归一化处理。

步骤4：利用连续采集并计算得到的能量记录作为锅炉状态空间模型辨识的数据，同时完成模型辨识数据的滚动更新，构造输入输出的Hankel矩阵。

步骤5：将短时间段内的锅炉生产近似成一个线性过程，系统离散状态空间表达式如下:

式中，，分别是系统在t时刻的状态向量、输入观测向量和输出观测向量，n为待辨识系统的阶次，为一零均值的白噪声序列。

步骤6：利用开环子空间方法辨识锅炉模型的系统矩阵{A,B,C,D}。

步骤7：利用最新的锅炉输入能量数据，作为辨识得到的状态空间模型的输入变量，计算得到未来时刻的锅炉过热蒸汽（主蒸汽和热再热蒸汽）输出能量。

步骤8：用当前辨识的模型计算的过热蒸汽能量预报，与上一时刻对未来相同时刻的预报值求均值，同时上一时刻对当前输出能量的预报与当前计算的实际能量的偏差来修正当前预报未来5秒的输出能量，得到锅炉系统未来60秒输出过热蒸汽能量的预报结果。

步骤9：用当前时刻采集并经预处理后得到的新数据替代最原始的旧数据，完成模型辨识数据的滚动更新。返回步骤4进行下一时刻的模型辨识和预报。

 采集的生产数据主要由锅炉运行参数和表征锅炉燃烧情况的测点信息组成，其中锅炉运行参数包括机组负荷，给煤机给煤速率，一/二次风流量、压力和温度，引风机段烟气流量、压力和温度等；表征锅炉燃烧情况的测点信息包括主蒸汽和再热蒸汽流量、压力和温度等。