[发明专利]一种锅炉智能运行优化方法

说明书

本申请公开了一种锅炉智能运行优化方法，包括获取锅炉燃烧运行测点以及控制变量的历史数据；按照间隔时间t秒进行数据采样；对采样后的数据进行数据清洗；针对清洗后的数据，提取其特征值；根据特征值，训练得到锅炉燃烧模拟器；对锅炉燃烧进行优化动作寻找；锅炉按照推荐的动作运行。利用长期历史数据进行训练，对锅炉运行状态变化刻画可信度高；可根据不同火力发电机组的历史数据训练相应的最优控制方案，具有灵活性、普适性；采用一维卷积神经网络进行时序信号的处理，模拟燃烧模拟器，相比lstm等网络结构，具有在准确率效果不降低的情况下，计算速度提示10倍以上的优势。

技术领域

本发明属于火力发电控制技术领域，涉及一种锅炉智能运行优化方法。

背景技术

我国约50％的煤炭用于发电，煤电占发电总量的80％以上，每年消耗22亿吨煤，价值1.8万亿元，产生超过0.2亿吨污染物，对应4000亿元环境治理费用，未来50年内，煤炭在一次能源构成中的主导地位不会改变。然而，随着节能减排的标准逐步提高，火电机组目前面临着环保、经济、安全、市场等各个方面的风险和压力也在提高；如何提高火电机组的综合性能指标，保证机组安全、经济、稳定、环保运行前提下，实现节能减排是火电机组在将来需要长期考虑的问题。

为实现以上需求，优化火电机组运行方式，采用新的方法和技术改善机组运行环境，是有效提高火电机组运行效率的有效手段之一。火电机组运行过程中，锅炉燃烧的调整是保证在整个机组稳定、经济运行的基础。

然而火电发电机组的运行状态持续变化，内在反应复杂多变，运行调整可控变量众多，仅依赖操作人员经验，无法针对不同工况寻找到最优解。传统的建模优化算法只考虑了少量的状态与动作空间，难以对庞大复杂的锅炉燃烧过程进行精准建模。

发明内容

为解决现有技术中的不足，本申请提供一种锅炉智能运行优化方法，将大数据技术和人工智能技术相结合，基于火力发电厂机组长期的运行数据，利用卷积神经网络进行燃烧系统仿真，使用遗传算法对火力发电机组进行燃烧优化指导。

为了实现上述目标，本申请采用如下技术方案：

一种锅炉智能运行优化方法，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。

本发明进一步包括以下优选方案：

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。

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；