[发明专利]一种基于可在线寻优的案例推理锅炉燃烧优化方法有效

专利信息
申请号: 201811470948.8 申请日: 2018-12-04
公开(公告)号: CN109506248B 公开(公告)日: 2020-06-26
发明(设计)人: 牛玉广;康俊杰;张馨予;段锡军 申请(专利权)人: 华北电力大学;华能国际电力股份有限公司丹东电厂
主分类号: F23N5/00 分类号: F23N5/00
代理公司: 北京金智普华知识产权代理有限公司 11401 代理人: 巴晓艳
地址: 102206 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 在线 案例 推理 锅炉 燃烧 优化 方法
【说明书】:

发明属于火电机组稳燃优化领域,具体涉及一种基于在线寻优的锅炉燃烧优化方法。所述方法能够将离线优化与在线寻优联系起来,把离线寻优的结果储存到特定位置作为典型优化案例,按照负荷指令查询式把案例优化结果直接送入到现场DCS中控制各层风门挡板的开度,以此来调节风煤比来提升锅炉燃烧稳定性及经济性。

技术领域

本发明属于火电机组稳燃优化领域,具体涉及一种基于在线寻优的锅炉燃烧优化方法,采用案例推理在线查询式寻优方法来确定电站运行中锅炉配风及最佳氧量定值。

背景技术

近年来,为了接纳更多的新能源并提高电网调峰调频的灵活性,大型燃煤锅炉稳燃问题日益突出。火力发电处于低负荷、变负荷时段越来越多,因此,如何更好的实现稳燃优化尤为重要。

现有技术中,对燃煤机组宽负荷、变负荷运行特性研究还很不深入,更缺乏必要的工程实践经验。研究者从各个角度对稳燃优化做了相关研究,目前,等离子点火和微油点火技术已逐步成熟,取代大油枪成为点火和低负荷稳燃的主要手段,但是该方法由于在工程上对设备要求严格,实施较为麻烦及困难,且需要人工的经验加持。

因此,亟需更加智能化的方法来提高锅炉燃烧的稳定性和效率。

发明内容

针对上述技术问题,本发明所提供一种基于在线寻优的锅炉燃烧优化方法,能够将离线优化与在线寻优联系起来,把离线寻优的结果储存到特定位置作为典型优化案例,按照负荷指令查询式把案例优化结果检索出来直接送入到现场DCS中控制各层风门挡板的开度,以此来调节风煤比来提升锅炉燃烧稳定性及经济性。

本发明是通过以下技术方案实现的:

一种基于可在线寻优的案例推理锅炉燃烧优化方法,所述方法包括以下步骤:

1)建立GA-LS-SVM模型,为了能实现查询到所有工况,将对应工况下的机组负荷、磨煤机运行方式,环境温度参数作为输入变量,进行排列组合后,输入到所述GA-LS-SVM模型中,采用GA优化算法计算出离线优化值;

2)将所述离线最优值写入案例推理(Case-BasedReasoning)CBR的专用数据库中,作为现场DCS的参考案例;

3)读取现场DCS负荷工况数据;

4)根据现场工况判断机组运行是否正常,在线寻优信号是否正常,若正常进行寻优则进行步骤5),若不正常将不进行寻优,将当前值直接送回跳至步骤7);

5)以现场机组负荷和磨煤机运行方式作为输入,在所述案例推理CBR的专用数据库中在线搜索获得相似案例;

6)输出和所述现场机组负荷和磨煤机运行方式对应的相似案例的离线最优值,查询结束;所述相似案例的离线最优值包括二次风门挡板开度、三次风门挡板开度及氧量定值;

7)将所述相似案例的离线最优值送入现场DCS;

8)在现场DCS,根据所述相似案例的离线最优值控制各层风门挡板开度以及氧量定值。

进一步地,在步骤1)中,建立GA-LS-SVM模型具体方法为:

(1)给定训练样本集:

{(x1,y1),(x2,y2),…,(xt,yt)};xi∈Rn,yi∈R,

其中,xi,xt为训练样本集的输入数据,yi,yt为训练样本集的输出数据,Rn为n维实数集;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华北电力大学;华能国际电力股份有限公司丹东电厂,未经华北电力大学;华能国际电力股份有限公司丹东电厂许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811470948.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top