[发明专利]基于历史工况的锅炉燃烧在线优化方法

权利要求书

1.一种基于历史工况的锅炉燃烧在线优化方法，其特征在于，包括如下步骤：

步骤S1：定义运行优化目标为锅炉效率与NOx排放浓度；

步骤S2：采集与锅炉效率及NOx排放浓度相关的运行数据，剔除异常值、判别稳态工况后得到有效样本；

步骤S3：确定表征锅炉运行工况的划分指标，采用K均值聚类算法对所述有效样本进行聚类划分，得到分别以负荷、相对煤质系数为划分标准的计算样本；

步骤S4：在所述计算样本中，选取特定负荷区间及煤质区间的数据，确定与锅炉效率和NOx排放量密切相关的运行参数作为目标参数，并计算相应的性能指标；采用多目标模糊优化方法计算获得关于锅炉效率与NOx排放浓度多目标优化问题的满意解，以满意解为优化初始值，对锅炉运行的性能指标进行在线优化。

2.根据权利要求1所述的基于历史工况的锅炉燃烧在线优化方法，其特征在于，所述S3中，在K均值聚类算法迭代计算时，采用手肘法确定K值，即计算不同K值下样本聚类后的误差平方和SSE，然后取肘部的值作为最终聚类的K值；

SSE采用下式计算：

其中，SSE表示所有样本的聚类误差，表征聚类效果；C_i是第i个簇，p是C_i中的样本点，m_i是C_i的质心，是C_i中所有样本的均值。

3.根据权利要求2所述的基于历史工况的锅炉燃烧在线优化方法，其特征在于，所述步骤S4中，多目标模糊优化方法具体包括：

步骤S41：计算子目标的有约束极大值F_kmax和极小值F_kmin；

步骤S42：利用各约束的极大值F_kmax和极小值F_kmin，计算子目标的隶属函数：

对需要取极小值的指标：

对需要取极大值的指标：

上两式中，为所构造的单个优化目标的隶属函数，F_k(X)为样本值，F_kmin、F_kmax分别为样本区间内某个优化目标的极大值与极小值，r取值小于1，r＝1，1/2，1/3......

步骤S43：构造n个待优化目标的模糊判决其中，∩代表模糊集合，

所述模糊判决的隶属函数为：

上式中，Λ为取最小值；

步骤S44：取n个待优化目标的隶属度值的最大值，求得多目标优化问题的满意解X^＊，

上式中，λ^*即为多目标优化问题的有效解。

4.根据权利要求1所述的基于历史工况的锅炉燃烧在线优化方法，其特征在于，所述步骤S2中，采用3σ原则剔除异常值；利用滑动窗口法判别稳态工况。