[发明专利]一种基于数据驱动的电厂锅炉烟气含氧量预测优化方法

说明书

本发明公开了一种基于数据驱动的电厂锅炉烟气含氧量预测优化方法，涉及电厂锅炉最佳烟气含氧量预测优化技术领域。针对华南某电厂锅炉，获取锅炉炉膛压力、主蒸汽压力、主蒸汽流量、AGC负荷指令、汽包压力、给煤量、煤粉浓度、引风量、送风量、最佳烟气含氧量、排烟温度、过热器出口温度、汽包水位、过热器出口压力的历史数据，对历史数据进行预处理，得到建模数据集；通过支持向量机算法搭建炉膛压力模型、主蒸汽压力模型和最佳烟气含氧量模型；然后通过人工鱼群算法对可控变量进行寻优。应用本发明，可达到降低煤粉消耗，节约经济成本的目的。

技术领域

本发明涉及电厂锅炉烟气含氧量预测优化技术领域，具体涉及一种基于数据驱动的电厂锅炉烟气含氧量预测优化方法。

背景技术

火电厂机组AGC自动发电控制(Automatic Generation Control)实质是用于衔接电网能量管理系统与发电机组控制系统的高级控制系统，其协调锅炉、汽机的运行，是电网调度和机、炉控制系统之间的纽带，既要保证对电网负荷变化的快速响应，又要保证机组自身的稳定性，这势必会消耗大量的煤炭燃料。为了达到在保证响应AGC指令的同时又能达到节能降耗的目的，在火电厂机组运行过程中，最佳烟气含氧量对锅炉煤粉燃烧的效率有很大影响，进而影响煤粉的消耗量，因此通过对最佳烟气含氧量的预测，调整送风量的取值，使得煤粉充分燃烧，达到降低煤粉消耗，节约经济成本的目的。

发明内容

本发明的目的在于提供一种基于数据驱动的电厂锅炉烟气含氧量预测优化方法，通过控制送风量使得煤粉充分燃烧，达到降低煤粉消耗量的目的。

为解决上述的技术问题，本发明采用以下技术方案：一种基于数据驱动的电厂锅炉烟气含氧量预测优化方法，其特征在于包括如下步骤：

S1、获取待预测优化电厂锅炉炉膛压力、主蒸汽压力、主蒸汽流量、AGC负荷指令、汽包压力、给煤量、煤粉浓度、引风量、送风量、最佳烟气含氧量、排烟温度、过热器出口温度、汽包水位、过热器出口压力的历史数据；

S2、对历史数据进行预处理操作，包括缺失值、异常值、归一化、特征重要性分析，得到建模数据集；

S3、将建模数据集划分训练集、验证集和测试集输入到支持向量机算法中，通过训练得到电厂锅炉的炉膛压力模型、主蒸汽压力模型和最佳烟气含氧量模型，利用平均绝对值误差 MAE和均方根误差RMSE评价预测模型的准确性；

S4、将炉膛压力和主蒸汽压力作为约束变量，送风量作为可控变量，最佳烟气含氧量为目标变量，其中，炉膛压力取值范围为-80～100Pa，主蒸汽压力取值范围为13～17.29MPa，送风量取值范围为430～1272t/h；通过人工鱼群算法对特征数据送风量进行寻优，达到最佳烟气含量，使得煤粉充分燃烧，降低煤粉的消耗量。

更进一步的技术方案是所述步骤S1的数据获取和保存，具体过程如下：

S1-1、按照时间戳获取华南某电厂3#锅炉的历史数据收集汇总；

S1-2、将数据以自增型为主键的方式存储在CSV文件中，作为历史数据集；

更进一步的技术方案是所述步骤S2的数据预处理步骤，具体过程如下：

S2-1、通过表格工具查找历史数据集中是否有缺失数据和异常值数据，异常值数据是指超出了当前列的取值范围，缺失数据和异常值数据通过当前列的均值进行补充和替换；

S2-2、历史数据集中的每列数据取值由于量纲不同，需要通过最大最小归一化方法进行预处理，具体公式为：

其中，x*为样本数据归一化的值，x为样本数据，x_max为样本数据的最大值，x_min为样本数据的最小值；