[发明专利]基于历史工况的锅炉燃烧在线优化方法

说明书

本发明涉及一种基于历史工况的锅炉燃烧在线优化方法，包括以下步骤：明确优化目标为锅炉效率与NOx排放浓度；采集锅炉的运行数据，进行剔除异常值与判别稳态工况；然后采用K均值聚类方法以表征锅炉外部约束条件的负荷、相对煤质系数为划分指标，对锅炉运行工况进行划分；最后采用多目标模糊优化方法对锅炉效率与NOx排放浓度进行优化。该方法在确定K均值聚类的K值时采用手肘放确定K值，并通过数据分布预先判断参与分类的数据范围，提高了手肘法的准确性。本方法采用的算法时间复杂度低、运行效率高，适用于超超临界锅炉燃烧的在线优化。

技术领域

本发明涉及燃煤锅炉燃烧优化方法技术领域，尤其是一种基于历史工况的锅炉燃烧在线优化方法。

背景技术

超超临界锅炉因其体量庞大，与之运行有关的参数较多，通过专家经验调整锅炉运行的参数使其达到良好的运行状态十分困难。厂级信息监测系统与分布式控制系统已经被火电厂广泛应用，电厂的数字化水平较高且已经储存了丰富的锅炉运行数据，妥善处理与应用历史运行数据有助于挖掘锅炉的运行潜力。

目前，锅炉在线燃烧优化方法主要采用智能算法建立锅炉运行参数与锅炉性能指标的相关模型，然后利用启发式算法对锅炉运行参数进行参数寻优从而使锅炉性能指标得到提升。这一方法比较适用于小型锅炉，小型锅炉的运行参数少，使得用于模型训练的特征参数少，模型训练简单且易于达到满意的精度。当锅炉的负载提升后，与燃烧有关的特征参数增多，模型变得复杂，使得训练所需的时间增长，且超超临界锅炉运行工况复杂多变，需要定期更新模型以包容新出现的数据，从而使得优化锅炉运行的难度增大。因此，需要采用更有效的方法对超超临界燃煤锅炉进行在线优化。

发明内容

针对现有技术的不足，本发明提出一种基于历史工况的锅炉燃烧在线优化方法，解决目前智能算法无法有效适用于大型锅炉特征参数量多、工况复杂多变情况下的优化计算的技术问题。

本发明采用的技术方案如下：

一种基于历史工况的锅炉燃烧在线优化方法，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。

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。

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：