[发明专利]基于大数据的锅炉智能燃烧优化控制方法

说明书

本发明公开了基于大数据的锅炉智能燃烧优化控制方法，该方法首先采集机组DCS数据，并处理构成神经网络训练样本；然后根据训练样本建立燃烧优化神经网络模型；接着根据燃烧优化神经网络模型，采用多目标非支配快速排序遗传算法（NSGA）优化燃烧参数；最后根据优化的燃烧参数计算优化偏置，并送DCS实现闭环优化控制。本发明由于采用了大数据，并且剔除了锅炉吹灰工况的数据，提高了燃烧优化神经网络模型的质量；采用多目标遗传算法优化燃烧参数，提高了优化性能和优化效果，并能适应实际应用中的多种优化要求；优化目标除锅炉效率和烟气NOx排放外，还考虑了膛出口两侧烟温差指标，更符合工程实际应用。

技术领域

本发明属于电站锅炉燃烧优化控制方法，具体涉及一种基于大数据的锅炉智能燃烧优化控制方法。

背景技术

锅炉燃烧工况优劣直接影响机组安全经济环保运行，锅炉的运行效率和烟气NOx排放与锅炉配风、配煤燃烧运行方式密切相关。目前国内电站锅炉燃烧运行主要由运行人员根据自己的运行经验进行燃烧调整，由于锅炉燃烧的复杂性，由人工很难协调锅炉效率和烟气NOx排放两个指标，实现锅炉燃烧的优化运行。因此，实现锅炉智能燃烧优化控制对于火电机组节能减排具有重要意义。

目前，基于神经网络和遗传算法的现有锅炉燃烧优化控制方法存在以下问题。

1、用于建立神经网络模型的训练样本存在不足，表现在两个方面：

1)样本的“量”不够：现有的部分方法仅采用锅炉燃烧试验数据作为样本建模，所建模型不能涵盖锅炉运行所有可能出现的运行工况，模型性能有很大的局限性；

2)样本的“质”不好：有些方法也采用了大量的锅炉运行数据作为模型训练样本，但样本中含有锅炉吹灰工况的数据未剔除，所建模型不可能具有较好的质量，甚至是错误的模型，因为吹灰工况数据不能正确反映锅炉燃烧特性，而每天锅炉将近有三分之一的时间在吹灰。

2、部分采用的控制方法实现的是单目标优化，即以提高锅炉效率或降低烟气NOx排放为目标优化燃烧参数。有些方法虽然以提高锅炉效率和降低烟气NOx排放两个指标作为优化目标，但在具体实施时将多目标转换为如下形式的性能指标：

其中a为锅炉效率η的权重系数，b为氮氧化物化排放NOx的权重系数，采用单目标优化算法以性能指标J最大来优化燃烧参数。由于提高锅炉效率和降低烟气NOx排放是典型的多目标优化问题，在具体应用时，很难确定权重系数a、b的值，a、b的值选择不当，会造成优化结果提高了锅炉效率，但NOx排放也增加了，或者相反，很难做到真真意义上的多目标优化，即既提高锅炉效率，又降低烟气NOx排放。另外，这类方法不能满足多种优化目标的实际要求，如在不增加烟气NOx排放的条件下尽量提高锅炉效率的优化目标，是现有方法难以实现的。

3、衡量锅炉燃烧性能优劣，除了锅炉效率和烟气NOx排放量这两个指标外，炉膛出口两侧烟温差也是一个重要指标，锅炉燃烧运行一般要求炉膛出口两侧烟温差不能大于某一给定值，目前所有公开的方法均未涉及这一问题。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提出基于大数据的锅炉智能燃烧优化控制方法，采用大容量高质量的数据样本建立燃烧优化神经网络模型，以提高锅炉效率、降低烟气NOx排放，同时锅炉炉膛出口两侧烟温差不超限为优化目标，采用多目标遗传算法优化燃烧参数，实现多目标燃烧优化控制。

技术方案：为了实现上述目的，本发明提供基于大数据的锅炉智能燃烧优化控制方法，其步骤如下：

(1)采集机组DCS数据，并处理构成神经网络训练样本；

(2)根据训练样本建立燃烧优化神经网络模型；

(3)根据燃烧优化神经网络模型，采用多目标遗传算法优化燃烧参数；