[发明专利]一种基于变量筛选的锅炉燃烧优化方法、装置及介质

说明书

本发明涉及一种基于变量筛选的锅炉燃烧优化方法、装置及介质，方法包括：利用PLS‑VIP算法，根据锅炉燃烧热效率、NO_x质量浓度和不可控变量集的历史数据，对不可控变量集进行筛选，获得第一筛选变量集和第二筛选变量集，将可控变量集分别跟第一筛选变量集和第二筛选变量集组合，分别获得第一优化变量集和第二优化变量集；构建第一预测模型和第二预测模型，进行训练；利用训练好的第一预测模型和第二预测模型，通过改进的NSGA‑Ⅱ算法完成对可控变量集的寻优。与现有技术相比，本发明具有训练速度快、预测精度高等优点。

技术领域

本发明涉及燃煤电站锅炉燃烧优化调整领域，尤其是涉及一种基于变量筛选的锅炉燃烧优化方法、装置及介质。

背景技术

当前，减少燃煤电站NOx排放已经成为了当下的一个热点话题，追求低排放、高效率已经成为了各大发电企业的目标和方向。锅炉作为燃煤电站的一个复杂的能源转换设备，其环保性和经济性对整个火电机组有着较大的影响。锅炉的燃烧优化调整作为一种可以使锅炉运行在较低NOx排放和较高燃烧热效率区间的有效手段，对提高整个火电机组的环保性和经济性具有重要的意义。

然而，传统的燃烧调整方法是在某个特定的工况下进行的，不仅费时费力，而且泛化能力也较差，在实际的燃烧调整中具有一定的局限性。为改观这种局面，学者们通过挖掘燃气轮机的历史运行数据，找到燃煤电站锅炉实时运行数据和锅炉燃烧热效率、NOx排放之间的关系，以便于在燃烧调整时有针对性的改变相关参数，即可保证锅炉运行在低污染物排放、高效率的区域。

现有的火电机组锅炉燃烧优化调整方法主要通过建立预测模型进行优化，有些学者通过人工经验或是机理分析的方法筛选燃煤电站锅炉燃烧热效率和NOx排放的预测模型，锅炉的燃烧本身是一个非常复杂的系统，这样会使得建立的预测模型不精确，有的学者使用了主成分分析的方法来进行筛选建模的变量，由于锅炉燃烧的过程中各个变量之间有很强的耦合性，也会导致建立的预测模型不精确，从而无法建立准确的锅炉燃烧调整系统。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于变量筛选的锅炉燃烧优化方法、装置及介质，训练速度快，预测精度高。

本发明的目的可以通过以下技术方案来实现：

一种基于变量筛选的锅炉燃烧优化方法，包括：

将锅炉燃烧过程的全局变量集分为可控变量集、不可控变量集和预测变量集，所述的预测变量集包括锅炉燃烧热效率和NO_x质量浓度；

利用PLS-VIP算法，根据锅炉燃烧热效率和不可控变量集的历史数据，对不可控变量集进行筛选，获得第一筛选变量集，根据NO_x质量浓度和不可控变量集的历史数据，对不可控变量集进行筛选，获得第二筛选变量集，将可控变量集分别跟第一筛选变量集和第二筛选变量集组合，分别获得第一优化变量集和第二优化变量集；

基于LightGBM算法构建第一预测模型和第二预测模型，并以第一优化变量集和第二优化变量集分别作为第一预测模型和第二预测模型的输入变量，锅炉燃烧热效率和NO_x质量浓度分别作为第一预测模型和第二预测模型的输出变量，进行训练；

利用训练好的第一预测模型和第二预测模型，通过改进的NSGA-Ⅱ算法完成对可控变量集的寻优，以提高锅炉燃烧过程的锅炉燃烧热效率和降低NO_x质量浓度；

首先对锅炉燃烧过程的全局变量集进行了分类，所述的可控变量集和不可控变量集可表征锅炉燃烧热效率和NO_x质量浓度，利用偏最小二乘结合变量重要性投影分析(PLS-VIP)算法对不可控变量集进行筛选，既可以消除各个变量之间的强耦合性，也能达到变量筛选的要求，降低了第一预测模型和第二预测模型的复杂度，提高预测模型的训练速度和预测精度；