[发明专利]火电运行参数与NOx

说明书

本发明公开一种火电运行参数与NO_x排放浓度间的偏回分析方法，基于机组运行历史工况数据，首先利用人工智能通过机器学习过程建立机组生产运行复合多工况参数与火电机组NO_x排放浓度间的基础复合回归模型；令单运行参数为可变量，其他运行参数参考应用场景设置定值，利用基础复合回归模型得到偏回归分析样本数据；选择合适的拟合函数类型对样本数据进行拟合，通过参数估计得到机组运行参数与NO_x排放浓度间的偏回归模型。应用本发明可对不同运行参数与NO_x排放浓度间的数值映射进行直观掌握，对运行参数进行寻优，指导优化机组生产过程。

技术领域

本发明属于火电生产优化运行控制分析技术领域，具体涉及一种火电运行参数与NO_x排放浓度间的偏回分析方法。

背景技术

火电机组生产过程涉及复杂的传热、传质、做工等过程，调控难度大，并且易受到气候、煤源不稳定、机组性能等多变因素的影响，机组运行参数与NO_x排放浓度间难以通过机理分析建立可靠模型；基于机理模型的仿真技术往往对物理过程进行了简化和假设，因此真实机组生产过程往往与机理模型分析存在一定差距；基于机理模型的仿真分析技术一般用于机组运行参数与NO_x排放浓度间的定性分析，即用于趋势分析，无法得到基于确切数值映射的关系模型描述。

近年来借助大数据分析技术，相关研究人员通过人工智能建立机组生产运行参数与NO_x排放浓度间的智能分析诊断模型，克服了机理分析建模存在的困难，但是，基于大数据分析技术的NO_x排放控制分析诊断融合了众多运行参数，缺乏不同运行参数与NO_x排放间的偏回归分析。在机组运行过程中，常需要在稳定大部分运行参数的情况下，仅通过某个运行参数的调节使得机组NO_x排放量达到最低，如二次风的总风量，该过程需要运行参数与NO_x排放浓度间的偏回归模型以提供必要的分析和调控依据，避免经验调节的盲目性。

综上，无论是基于机理分析分析模型的推理，还是基于人工智能的大数据分析模型的诊断，当前机组运行参数与NO_x排放浓度间的诊断分析普遍可应用的是分析复合模型，复合模型融合了诸多参数作为输入变量，难以清晰地明确不同运行参数与NO_x排放浓度间的数值映射，即偏回归模型。

发明内容

本发明的目的是实现通过某特定火电机组运行参数的精确指导调节以降低NO_x排放浓度，具体通过一种火电机组运行参数与NO_x排放浓度间的偏回归分析方法来实现，应用本方法为机组运行参数的调控提供准确依据。

为实现上述目的，本发明提供一种火电运行参数与NO_x排放浓度间的偏回分析方法，所述方法包括：

S101：采集火电机组运行时段内工况数据，得到历史工况数据集；

S102：基于历史工况数据集，建立机组复合运行参数与NO_x排放浓度间的基础复合回归模型；

S103：利用基础复合回归模型得到可变运行参数对应的NO_x排放浓度的预测输出；

S104；通过拟合方法对基于可变运行参数及NO_x排放浓度的预测输出进行数据拟合；

S105：通过估计方法对拟合公式中各参数进行估计，得到可变运行参数与NO_x排放浓度间的偏回归模型；

S106:根据偏回归模型进行数据分析，得到分析结果。

作为本发明的进一步改进，利用人工智能模型通过机器学习过程建立机组生产运行复合多参数与NO_x排放浓度间的基础复合回归模型；所述人工智能模型包括神经网络，支持向量机、贝叶斯网络中的一种或多种。