[发明专利]循环流化床锅炉风机电耗预测系统及方法

权利要求书

1.一种循环流化床锅炉风机电耗预测系统，其特征在于，包括与循环流化床锅炉连接的现场智能仪表、数据库、数据接口、控制站以及上位机；现场智能仪表与控制站、数据库和上位机连接，所述的上位机包括：

标准化处理模块，用于从数据库中采集运行工况变量和操作变量的历史记录，组成自变量的训练样本矩阵X，采集对应的一次风机电流、二次风机电流和引风机电流信号的历史记录，组成因变量训练样本矩阵Y，对训练样本X、Y进行标准化处理，使各变量的均值为0，方差为1，得到标准化后自变量训练样本矩阵X^*(n×p)、标准化后因变量训练样本矩阵Y^*(n×3)，采用以下过程来完成：

1.1）求均值：

x‾j=1nΣi=1nxij,(i=1,2,...,n;j=1,2,...,p)---(1)]]>

y‾k=1nΣi=1nyik,(i=1,2,...,n;k=1,2,3)---(2)]]>

1.2）求标准差

sx,j=1nΣi=1n(xij-x‾j)2,(i=1,2,...,n;j=1,2,...,p)---(3)]]>

sy,k=1nΣi=1n(yik-y‾k)2,(i=1,2,...,n;k=1,2,3)---(4)]]>

1.3）标准化

xij*=xij-x‾jsx,j,(i=1,2,...,n;j=1,2,...,p)---(5)]]>

yik*=yik-y‾ksy,k,(i=1,2,...,n;k=1,2,3)---(6)]]>

其中，x_ij、y_ik为训练样本点的原值，n为训练样本个数，p为自变量个数，为训练样本的均值，s_x,j、s_y,k为训练样本的标准差，为训练样本点的标准化值，其中下标i、j、k分别表示第i个训练样本点、第j个自变量、第k个因变量；

预测机制形成模块，用于建立预测模型，其实现步骤如下：

2.1）按（7）式求预测系数矩阵β：

β=(X^*TX^*)^-1X^*TY^*             （7）

其中，上标：T、-1分别表示矩阵的转置、矩阵的逆；

2.2）将预测系数矩阵β传递并存储到预测执行模块；

预测执行模块，用于根据循环流化床锅炉的运行工况和设定的操作变量预测风机电耗，其实现步骤如下：

3.1）将输入的自变量信号按（8）式处理：

x(t)j*=x(t)j-x‾jsx,j,(j=1,2,...,p)---(8)]]>

其中，x(t)_j为t时刻第j个自变量原值，为第j个自变量训练样本的均值，s_x,j为第j个自变量训练样本的标准差，为t时刻第j个自变量无量纲化值，t表示时间、单位为秒；

3.2）按下式求一次风机电流、二次风机电流和引风机电流的无量纲化预测值：

y^(t)1*y^(t)2*y^(t)3*=x(t)1*x(t)2*...x(t)p*β---(9)]]>

其中，分别为t时刻一次风机电流、二次风机电流和引风机电流的无量纲化预测值；

3.3）按下式求一次风机电流、二次风机电流和引风机电流的原量纲预测值：

y^(t)k=y^(t)k*·sy,k+y‾k,(k=1,2,3)---(10)]]>

其中，分别为t时刻一次风机电流、二次风机电流和引风机电流的原量纲预测值，即各风机的电流预测值；

3.4）按下式求循环流化床锅炉的风机电耗预测值：

其中，U₁、U₂、U₃分别为一次风机、二次风机和引风机的电源电压，单位为kV；分别为t时刻一次风机、二次风机和引风机的电流预测值，单位为A；分别为一次风机、二次风机和引风机的功率因素；P即为循环流化床锅炉的风机电耗预测值，单位为kW；

所述的上位机还包括：

信号采集模块，用于按设定的采样时间间隔，从现场智能仪表采集实时数据，以及从数据库中采集历史数据；

模型更新模块，用于按设定的时间间隔将实际的一次风机电流、二次风机电流和引风机电流与预测值比较，如果相对误差大于10%，则将新数据加入训练样本数据，重新执行标准化处理模块与预测机制形成模块；

结果显示模块，用于从控制站读取设置参数，并将风机电耗预测值传给控制站进行显示，并给出操作建议：在当前的工况下，操作变量如何调整最有利于降低风机电耗，以便控制站工作人员，根据风机电耗预测值和操作建议，及时调整操作条件，降低风机电耗，提高锅炉运行效率；其中，操作变量如何调整最有利于降低风机电耗，一个简便方法是将操作变量的当前值上下波动，代入风机电耗预测系统，得到新的风机电耗预测值，从而非常直观地通过比较大小得到；

所述自变量包括：运行工况变量：主蒸汽流量、环境温度、给水温度、炉膛负压、床压、燃煤水分、燃煤挥发分、燃煤灰分、燃煤硫分；操作变量：一次风总风量、二次风总风量。

2.一种用权利要求1所述的循环流化床锅炉风机电耗预测系统实现的风机电耗预测方法，其特征在于，所述的预测方法包括以下步骤：

1）从数据库中采集运行工况变量和操作变量的历史记录，组成自变量的训练样本矩阵X，采集对应的一次风机电流、二次风机电流和引风机电流信号的历史记录，组成因变量训练样本矩阵Y，对训练样本X、Y进行标准化处理，使各变量的均值为0，方差为1，得到标准化后自变量训练样本矩阵X^*(n×p)、标准化后因变量训练样本矩阵Y^*(n×3)，采用以下过程来完成：

1.1）求均值：

x‾j=1nΣi=1nxij,(i=1,2,...,n;j=1,2,...,p)---(1)]]>

y‾k=1nΣi=1nyik,(i=1,2,...,n;k=1,2,3)---(2)]]>

1.2）求标准差

sx,j=1nΣi=1n(xij-x‾j)2,(i=1,2,...,n;j=1,2,...,p)---(3)]]>

sy,k=1nΣi=1n(yik-y‾k)2,(i=1,2,...,n;k=1,2,3)---(4)]]>

1.3）标准化

xij*=xij-x‾jsx,j,(i=1,2,...,n;j=1,2,...,p)---(5)]]>

yik*=yik-y‾ksy,k,(i=1,2,...,n;k=1,2,3)---(6)]]>

其中，x_ij、y_ik为训练样本点的原值，n为训练样本个数，p为自变量个数，为训练样本的均值，s_x,j、s_y,k为训练样本的标准差，为训练样本点的标准化值，其中下标i、j、k分别表示第i个训练样本点、第j个自变量、第k个因变量；

2）将得到的标准化训练样本通过以下过程建立预测模型：

2.1）按（7）式求预测系数矩阵β：

β=(X^*TX^*)^-1X^*TY^*          （7）

其中，上标：T、-1分别表示矩阵的转置、矩阵的逆；

2.2）保存得到的预测系数矩阵β；

3）将循环流化床锅炉的运行工况变量和设定的操作变量作为输入信号，根据预测系数向量，对风机电耗进行预测，其实现步骤如下：

3.1）将输入的自变量信号按（8）式处理：

x(t)j*=x(t)j-x‾jsx,j,(j=1,2,...,p)---(8)]]>

其中，x(t)_j为t时刻第j个自变量原值，为第j个自变量训练样本的均值，s_x,j为第j个自变量训练样本的标准差，为t时刻第j个自变量无量纲化值，t表示时间、单位为秒；

3.2）按下式求一次风机电流、二次风机电流和引风机电流的无量纲化预测值：

y^(t)1*y^(t)2*y^(t)3*=x(t)1*x(t)2*...x(t)p*β---(9)]]>

其中，分别为t时刻一次风机电流、二次风机电流和引风机电流的无量纲化预测值；

3.3）按下式求一次风机电流、二次风机电流和引风机电流的原量纲预测值：

y^(t)k=y^(t)k*·sy,k+y‾k,(k=1,2,3)---(10)]]>

其中，分别为t时刻一次风机电流、二次风机电流和引风机电流的原量纲预测值，即各风机的电流预测值；

3.4）按下式求循环流化床锅炉的风机电耗预测值：

其中，U₁、U₂、U₃分别为一次风机、二次风机和引风机的电源电压，单位为kV；分别为一次风机、二次风机和引风机的电流预测值，单位为A；分别为一次风机、二次风机和引风机的功率因素；P即为循环流化床锅炉的风机电耗预测值，单位为kW；

所述的方法还包括：4）按设定的采样时间间隔，采集现场智能仪表信号，将得到的实际一次风机电流、二次风机电流和引风机电流与预测值比较，如果相对误差大于10%，则将新数据加入训练样本数据，重新执行步骤1）、2），以对预测模型进行更新；

在所述的步骤3）中，从控制站读取设置参数，并将风机电耗预测值传给控制站进行显示，并给出操作建议：在当前的工况下，操作变量如何调整最有利于降低风机电耗，以便控制站工作人员，根据风机电耗预测值和操作建议，及时调整操作条件，降低风机电耗，提高锅炉运行效率；其中，操作变量如何调整最有利于降低风机电耗，一个简便方法是将操作变量的当前值上下波动，代入风机电耗预测系统，得到新的风机电耗预测值，从而非常直观地通过比较大小得到；

所述自变量包括：运行工况变量：主蒸汽流量、环境温度、给水温度、炉膛负压、床压、燃煤水分、燃煤挥发分、燃煤灰分、燃煤硫分；操作变量：一次风总风量、二次风总风量。