[发明专利]一种基于电厂脱硫系统的数据运行优化方法

说明书

本发明公开了一种基于电厂脱硫系统的数据运行优化方法，该方法包括：获取电站实际运行系统一定时间段内的实际运行数据，并对所述实际运行数据进行预处理和回归分析；根据运行负荷划分不同工况，并进行数值模拟得到不同工况下脱硫系统整体的流场、温度、SOsubgt;2/subgt;组分分布情况；对燃煤电站脱硫系统所述实际运行数据进行大数据分析，得到确定工况下运行数据的最优区间；将大数据寻优结果在模拟结果中实践以检验寻优结果的准确性。本发明在建立神经网络预测模型之前首先对工况进行区分，这使得数据量减小，且能耗、除硫率输出参数与影响因子间关系相对明确而简单，有利于保证精度。

技术领域

本发明涉及燃煤锅炉大气污染控制技术领域，具体涉及一种基于电厂脱硫系统的数据运行优化方法。

背景技术

目前，环境污染已成为阻碍国家经济健康高质量可持续发展的主要拦路虎之一，而燃煤电站作为环境问题的重点治理对象，国家不断提高污染物排放标准。为满足污染物排放标准，燃煤电站往往采取充分用料除污的对策，这造成了资源在一定程度上的浪费。

同时，脱硫系统中同时涉及传热传质、酸碱中和、水分蒸发、液滴聚并与破碎等问题，实际运行情况复杂，虽然已有不少学者采用相关软件对脱硫塔内流场、温度场、SO₂分布等问题进行过详细的模拟研究，然而以大量实际运行数据为基础，与数值模拟相结合对脱硫系统进行系统分析却是鲜有的。

此外，电站在多年运行过程中，历经各种工况，存储了大量珍贵的实际运行数据。可目前多数电站并没有将这一宝贵的数据资源利用，不仅是对数据资源的极大浪费，同时也占用着宝贵的网络和物理空间。

在此情境下，大数据、智能计算技术的发展进步为电站的精细化管理提供了新的发展方向。大数据分析技术因其准确、速度快、可视化等显著优点，已逐渐为越来越多燃煤电厂关注、研究和应用。利用大数据技术对脱硫系统的实际运行数据进行深度分析，已成为燃煤电站污染物处理、系统运行优化、提高效率的重要内容之一。

发明内容

发明目的：本发明针对上述问题，提供了一种以理论分析为基础，以数值模拟为辅助，以大数据分析为手段为脱硫系统运行优化提供策略的方法，用于解决以往脱硫系统为满足国家污染物排放标准而存在能源、资源浪费的问题。

技术方案：本发明以污染物控制系统理论模型为基础，以脱硫系统实际流场模拟为辅助、以实际运行数据所搭建数学模型为核心。三种模型相互合作、相辅相成。该方法具体实践步骤包括：

(1)获取电站实际运行系统一定时间段内的实际运行数据，并对所述实际运行数据进行预处理及其回归分析；

(2)根据运行负荷划分不同工况，进行数值模拟得到不同工况下脱硫系统整体的流场、温度、SO₂组分分布情况；

(3)对燃煤电站脱硫系统所述实际运行数据进行大数据分析，具体包括：

(31)对固定工况数据进行回归分析：依据去除单位质量SO₂所消耗货币对预处理后数据进行回归计算，分析影响确定工况下能耗差异的因素；

(32)筛选影响因子：分析确定工况下对能耗影响最为关键的运行数据，筛选其中符合预设阈值的运行数据作为影响因子集，所述影响因子集是所获得电站实际运行数据的子集；

(33)搭建数学预测模型：以所述影响因子集参数数据为输入，采用神经网络构建数学预测模型，以所述预处理后得到的部分实际运行数据量为训练数据，输出为能耗评价指标；

(34)审核预测模型：利用电站同工况下，除训练数据以外的其他实际运行数据量对同工况预测模型进行输出预测，设置合适误差线，判断模型的准确性，若审核通过进入步骤(35)，否则回归步骤(33)；

(35)算法寻优：利用遗传算法寻找确定工况下所述预测模型全局最优解集或最优区间。