[发明专利]一种基于云数据、云计算的火电厂智慧燃烧控制方法

权利要求书

1.一种基于云数据、云计算的火电厂智慧燃烧控制的方法，其特征在于，包括如下步骤：

S1：构建云数据库，云数据库分为标杆数据库和原始数据库；原始数据库包括火电厂的DCS数据，将火电厂DCS数据分为输入数据和输出数据；其中，输入数据包括机组负荷、磨煤机的给煤量、锅炉给水量、给水温度、过热蒸汽温度、再热蒸汽温度、再热蒸汽压力、煤质参数、一次风量、二次风量、氧气浓度、燃烧温度、一次风温度、二次风温度、燃烧器摆角、燃料风门开度、二次风门开度、燃尽风门开度以及换热面壁温，输出数据包括换热面壁温、NOx浓度以及锅炉效率；所述的煤质参数包括：实时入炉的煤种工业分析结果、元素分析结果、发热量和灰熔融特性数据中的一种或多种；

S2：对原始数据库中的输入数据和输出数据进行异常值处理，然后进行主成分分析，分别得到换热面壁温、NOx浓度、锅炉效率的前6~15个主成分，分别标记为换热面壁温主成分输入数据、NOx浓度主成分输入数据与锅炉效率主成分输入数据；

S3：构建一体化预测模型，一体化预测模型包括：换热面壁温预测模型、脱硝反应器入口NOx浓度分布预测模型和锅炉效率预测模型，分别采用步骤S2的换热面壁温主成分输入数据、NOx浓度主成分输入数据、锅炉效率主成分输入数据对换热面壁温预测模型、脱硝反应器入口NOx浓度分布预测模型和锅炉效率预测模型进行训练，得到换热面壁温预测值、NOx浓度预测值与锅炉效率预测值；

S4：建立模型校准系统，模型校准系统的数据包括：炉膛的多点壁温数据、脱硝入口烟道的网格法测得的NOx浓度数据与锅炉效率数据；

S5：将步骤S3得到的换热面壁温预测值、NOx浓度预测值、锅炉效率预测值与步骤S4的模型校准系统的数据进行比较，均方根误差在15%以内则满足要求，则进行步骤S6；如果不满足，返回步骤S2；

S6：将换热面壁温预测值、NOx浓度预测值、锅炉效率预测值与步骤S4的模型校准系统的数据，进行分类、存储在标杆数据库中；

S7：根据一体化预测模型提供的换热面壁温预测值、NOx浓度预测值与锅炉效率预测值，进行计算，得到最佳运行参数，实现锅炉燃烧及污染物生成的动态优化控制。

2.根据权利要求1所述的一种基于云数据、云计算的火电厂智慧燃烧控制的方法，其特征在于，所述的NOx浓度包括网格法测试得到的脱硝A反应器入口NOx浓度分布与脱硝B反应器入口NOx浓度分布。

3.根据权利要求1所述的一种基于云数据、云计算的火电厂智慧燃烧控制的方法，其特征在于，云数据库通过智能数据传输模块连接有云服务器。

4.根据权利要求1所述的一种基于云数据、云计算的火电厂智慧燃烧控制的方法，其特征在于，步骤S3中，一体化预测模型采用径向基函数神经网络、BP神经网络、遗传算法神经网络、极限学习机、概率神经网络、广义回归神经网络、卷积神经网络、深度信念神经网络、循环神经网络、基于粒子群的最小二乘支持向量机与蚁群优化算法神经网络中的一种或多种。

5.根据权利要求1所述的一种基于云数据、云计算的火电厂智慧燃烧控制的方法，其特征在于，步骤S6中，通过智慧运行控制模块进行计算。

6.根据权利要求5所述的一种基于云数据、云计算的火电厂智慧燃烧控制的方法，其特征在于，智慧运行控制模块采用蚁群算法、菌群算法、蛙跳算法、人工蜂群算法、花朵授粉算法、遗传算法、差分进化算法以及免疫算法中的一种或多种进行计算。