[发明专利]一种锅炉智能运行优化方法

权利要求书

1.一种锅炉智能运行优化方法，其特征在于：

所述方法包括以下步骤：

步骤1：获取锅炉燃烧运行测点以及控制变量的历史数据，包括：制粉系统动作数据、制粉系统状态数据、燃烧系统动作数据和燃烧系统状态数据；

并按照间隔时间t秒进行数据采样；

步骤2：对采样后的数据进行数据清洗；

步骤3：针对清洗后的数据，提取其特征值；

步骤4：根据特征值，训练得到锅炉燃烧模拟器；

步骤5：使用遗传算法和锅炉燃烧模拟器，对锅炉燃烧进行优化动作寻找；

步骤6：对锅炉进行在线监测，显示锅炉实时运行动作数据，若步骤5推荐的优化动作数据与实际运行动作数据相差大于给定阈值，则以当前时刻之前的数据作为历史数据返回步骤1，重新优化锅炉运行动作，否则锅炉按照步骤5推荐的动作运行。

2.根据权利要求1所述的一种锅炉智能运行优化方法，其特征在于：

步骤2中，若某种数据超出了预设的数据低超限值或者数据高超限值，去掉原数据，并使用插值法补全该数据，得到清洗后的数据。

3.根据权利要求1所述的一种锅炉智能运行优化方法，其特征在于：

所述步骤3中，针对制粉系统动作数据，提取的特征值包括：给煤机的给煤量、磨煤机冷热风风门开度、磨煤机容量、旁路风阀门的开度大小、一次风机动叶调节阀位大小；

针对制粉系统状态数据，提取的特征值包括：磨煤机出口压力、磨煤机电流、磨煤机料位、燃烧器风粉温度；

针对燃烧系统动作数据，提取的特征值包括：给水温度、锅炉总给水流量，燃烧系统动作减温水流量、再热烟气挡板阀位、送风机执行器阀位、引风机执行器阀位、燃烧器二次风执行器阀位、燃烧器F挡板二次风执行器阀位；

针对燃烧系统状态数据，提取的特征值包括：主热蒸汽温度、再热蒸汽温度、主热蒸汽压力、再热蒸汽温度、燃烧系统状态减温水流量，炉膛负压，锅炉氧量，排烟温度，排烟含氧量，锅炉效率，NOx含量。

4.根据权利要求1所述的一种锅炉智能运行优化方法，其特征在于：

步骤4中，锅炉燃烧模拟器采用的一维卷积神经网络，所述一维卷积神经网络包括输入层、卷积层C1、卷积层C2、最大池化层S和Softmax回归层；

所述输入层输入步骤3提取的特征值；

所述卷积层C1包含50个尺寸为10的一维卷积核；

所述卷积层C2包含100个尺寸为10的一维卷积核；

所述最大池化层S的窗口高度为3；

所述Softmax回归层用于回归预测，包括锅炉燃烧效率与NOx排放量两个目标量。

5.根据权利要求1所述的一种锅炉智能运行优化方法，其特征在于：

所述步骤5具体为：实时获取制粉系统和燃烧系统动作数据与状态数据，通过遗传算法和锅炉燃烧模拟器，对燃烧系统与制粉系统的动作特征进行探索，找到适应度最优化的动作序列，并给出对应动作推荐，包括制粉系统与燃烧系统两部分的动作推荐。

6.根据权利要求5所述的一种锅炉智能运行优化方法，其特征在于：

所述步骤5包括以下步骤：

步骤5.1：实时获取的制粉系统和燃烧系统动作数据与状态数据经过步骤2的数据清洗与步骤3的特征提取后，得到输入数据，确定编码方式，对输入数据进行编码；

步骤5.2：随机产生种群：随机生成m个动作数据，每个动作的每一维赋值为当前时刻该动作量的值加一个随机偏移量，生成的m个动作数据作为m个个体构成整个族群；

步骤5.3：计算族群中每个动作数据的适应度函数值并判断其是否符合优化准则，若符合，则输出最佳个体及其最优解，结束寻优；否则，进行步骤5.4；

步骤5.4：依据适应度函数值选择父母：对于族群中的m个动作数据，分别计算其适应度函数值，选取其中最高的n个动作数据作为父母，其中nm；

步骤5.5：用父母的染色体进行交叉，生成子代；

步骤5.6：对子代染色体进行变异；

步骤5.7：由交叉和变异产生新一代种群，返回步骤5.3，直到最优解产生。