[发明专利]一种基于CO在线检测的锅炉优化方法及系统

说明书

本发明公开了一种基于CO在线检测的锅炉优化方法及系统，运用大数据及智能优化算法，建立了CO浓度与锅炉热效率之间的数理模型，通过控制炉膛内CO的浓度来控制锅炉效率，并运用关联规则、BP神经网络等算法进行优化计算，得到最佳的锅炉操作方案，从而实现锅炉的实时闭环优化。

技术领域

本发明涉及电力领域，具体涉及发电行业一种基于CO在线检测的锅炉优化方法及系统。

背景技术

随着发电机组在向大容量、高参数方向发展，锅炉的容量不断增加，炉膛温度呈上升趋势；另外，环保对NO_x排放的要求越来越严格，为了减少氮氧化物的排放，燃煤锅炉采用低氮燃烧方式，但是低氮燃烧方式导致主燃烧区域缺氧燃烧，使得水冷壁表面的还原性气氛增强，水冷壁高温腐蚀现象频繁出现。水冷壁的高温腐蚀与还原性气氛有着极密切的关系，CO浓度大的地方腐蚀程度就高。CO在锅炉水冷壁高温腐蚀作用有两方面：一方面作为监控锅炉水冷壁高温腐蚀的一个主要参数，并且反应腐蚀气体H₂S的生成量；另一方面，直接参与对锅炉水冷壁的高温腐蚀。

研究表明，炉内燃烧配风控制是锅炉提升热效率最为有效的方式。传统电厂通过氧量控制锅炉，氧量不能真实反映风煤混合好坏，且其受漏风影响较大，难以精准地反映锅炉的燃烧情况。

发明内容

本发明就是针对现有技术的不足，提供了一种基于CO在线检测的锅炉优化方法及系统。

为了实现上述目的，本申请提供了以下技术手段：

在一个总体方面，提供了一种基于CO在线检测的锅炉操作优化方法，其特征在于，包括以下步骤：

采集数据：采集锅炉主要运行数据与CO在线检测数据按指定格式存入数据库；

数据预处理：

1)剔除锅炉系统运行数据中的异常数据；

2)进行锅炉稳态分析，剔除锅炉非稳态运行的异常数据；

3)运用相关系数法对各操作变量与锅炉效率进行相关性分析，并按相关性强弱进行排序，保留相关性强的主要操作变量；

数理模型建立：运用BP神经网络对锅炉稳态运行数据进行挖掘，分别建立CO浓度与锅炉效率、CO浓度与NOx浓度之间的数理模型；

优化模型与计算：根据CO浓度与锅炉效率及NOx浓度之间的数理模型，建立锅炉系统优化模型；并将多目标优化问题转化为单目标优化问题，计算得到最佳CO浓度；并运用关联规则算法进行实时优化计算，获取最佳的锅炉运行操作方案。

进一步地，锅炉稳态分析采用滑动窗口法，即从数据的开始时间位置往后取一段时间内的运行数据作为一个窗口，计算窗口内数据的波动情况，若“锅炉主蒸汽流量”波动较大，则认为窗口内数据处于非稳态，不保留数据；

否则数据处于稳态，保留数据；以此流程从开始时间点滑动到结束时间点，得到所有的锅炉稳态数据；计算公式如下：

式中：t表示开始时间；N表示滑动窗口的宽度；表示从t到t+N-1之间的均值；x_t表示第t个工况的值；λ为主蒸汽流量波动范围。

更进一步地，相关性分析的具体过程如下：

相关系数的计算公式：