[发明专利]火力发电燃煤热损失预测、装置、设备及存储介质

说明书

本发明公开了一种火力发电燃煤热损失预测方法，包括采集燃煤燃烧的燃尽影响因素，燃尽影响因素包括燃煤特性参数、燃烧方式参数、炉膛结构参数和燃炉运行情况参数；基于预先创建的神经网络模型和燃尽影响因素，确定燃煤燃烧产物的特征量；其中，特征量包括炉渣参数、烟灰参数、漏煤参数、飞灰参数；根据热损失关系式和所述特征量，确定燃煤燃烧的热损失，热损失关系式为燃煤的热损失和特征量之间的关系式。本申请中通过采集燃尽影响因素和神经网络模型，确定燃煤燃烧后的产物中炉渣、烟灰以及漏煤中未燃尽的可燃物的含量，从而准确预测出热损失。本申请还提供了一种火力发电燃煤热损失预测装置、设备以及计算机可读存储介质，具有上述有益效果。

技术领域

本发明涉及火力发电技术领域，特别是涉及一种火力发电燃煤热损失预测方法、装置、设备以及计算机可读存储介质。

背景技术

火力发电厂主要是通过燃烧固态煤炭释放出的热量提供能量发电。但是在固体煤炭燃烧过程中，因为燃烧条件等因素的影响，并不能将煤炭充分完全的燃烧，而未充分燃烧的煤炭只能和炉渣一起作为废料丢弃，这使得煤炭燃煤的利用率降低。而煤炭的利用率是直接影响到火力发电厂的发电成本。

在火力发电厂运行过程中，发电厂需要“竞价上网”，评估火力发电厂“竞价上网”能力的重要参考因素之一就是发电成本。对火力发电厂中固体煤炭燃烧的热损失进行预测评估，对发电厂的运行存在重要意义。

发明内容

本发明的目的是提供一种火力发电燃煤热损失预测方法、装置、设备以及计算机可读存储介质，简化了火力发电厂中固体煤炭燃烧的热损失预测难度。

为解决上述技术问题，本发明提供一种火力发电燃煤热损失预测方法，包括：

采集燃煤燃烧的燃尽影响因素，其中，所述燃尽影响因素包括燃煤特性参数、燃烧方式参数、炉膛结构参数和燃炉运行情况参数；

基于预先创建的神经网络模型和所述燃尽影响因素，确定所述燃煤燃烧产物的特征量；其中，所述特征量包括炉渣参数、烟灰参数、漏煤参数、飞灰参数；

根据热损失关系式和所述特征量，确定所述燃煤燃烧的热损失，其中，所述热损失关系式为燃煤的热损失和特征量之间的关系式。

可选地，根据热损失关系式和所述特征量，确定所述燃煤燃烧的热损失包括：

根据所述特征量和所述热损失关系式确定所述热损失q；其中，α_fh＝1-(α_lz+α_lm+α_yh)，所述特征量包括炉渣淋水后的含水量W_lz、湿炉渣质量炉渣质量G_lz、漏煤质量G_lm、烟道灰质量G_yh、炉渣可燃物含量C_lz、漏煤可燃物含量C_lm、烟灰道可燃物含量C_yh、飞灰可燃物含量C_fh、炉渣中含灰量占燃煤总灰量份额α_lz、漏煤中含灰量占燃煤总灰量份额α_lm、烟灰道中含灰量占燃煤总灰量份额α_yh、飞灰中含灰量占燃煤总灰量份额α_fh；且x₁、x₂、x₃、x₄分别为预先确定的第一项修正系数、第二项修正系数、第三项修正系数以及第四项修正系数。

可选地，预先确定所述第一项修正系数、所述第二项修正系数、所述第三项修正系数以及所述第四项修正系数的过程可以包括：

根据燃煤样本燃烧后产物采集特征量样本和热损失样本；

创建神经网络模型，并以所述特征量样本和所述热损失样本为输入，进行神经网络训练，获得特征量和热损失之间关联关系的关联关系神经网络模型；