[发明专利]一种超超临界直流炉汽温预警系统及方法

说明书

本发明公开了一种超超临界直流炉汽温预警系统及方法，包括：预测模块，预测模块包括温度检测装置，与温度检测装置相连的控制模块，用于汽温预测；报警模块，包括调节模块，与调节模块相连的报警子模块，用于超温时报警；误差控制模块，包括误差判断模块，与误差判断模块相连的矫正模块，用于误差计算，对预测进行矫正；能够监测主再热汽温，并对实时参数变化趋势进行预测并报警，提前发现汽温超限现象，避免众多影响因素造成干扰导致的预测失真；能够检测折焰角的烟气温度与烟气挡板开度，通过对烟气温度进行检测与调节挡板开度对主热汽温、主再热汽温进行监控，将检测到的实时数据进行上报，通过预测系统工作状态提醒系统进行调节。

技术领域

本发明涉及发电厂汽温控制领域，尤其涉及一种超超临界直流炉汽温预警系统及方法。

背景技术

发电厂的主蒸汽温度、再热蒸汽温度、各金属受热面温是机组经济、安全运行的重要参数，必须控制在一定范围内。超超临界直流炉由于蓄热能力小，在受到干扰时，机组主、再热汽温自行保持能力较差，对扰动比较敏感。由于影响汽温的因素繁多，现有以PID控制为基础的调节系统，经常需要依靠值班员人工干预,而所有干预均是需要结合实时值以及未来趋势进行操作。目前，汽温未来趋势变化都是依靠值班员根据经验进行预测。由于各个参数都处于实时变化中，人工参与调节的时机和幅度往往难以最优化，且存在滞后性。而紧盯汽温又会消耗操作员过多的注意力，分散对其它参数的关注度。如果能准确预测汽温未来的变化趋势，使值班员获得辅助支持，提前调整运行参数、提高主再热蒸汽温度、减少温超限情况，对提高机组运行的经济性、安全性有重要意义。

例如，一种在中国专利文献上公开的“一种用于超超临界锅炉受热面管超温预警的多步预测方法”，其公告号：CN112307650B，公开了训练阶段采集训练数据，基于LSTM的时间网络模型进行预测，但是该方案适用于温预测泛用性较差，并没有解决因为影响因素众多造成的计算量大与误差优化，使得预测误差较大，最终优化结果差。

发明内容

为此，本发明提供一种超超临界直流炉汽温预警系统及方法，能够监测主再热汽温，并对实时参数变化趋势进行预测并报警，提前发现汽温超限现象。

为了实现上述目的，本发明提供如下技术方案：

一种超超临界直流炉汽温预警系统，包括：预测模块，预测模块包括温度检测装置，与温度检测装置相连的控制模块，用于汽温预测；报警模块，包括调节模块，与调节模块相连的报警子模块，用于超温时报警；误差控制模块，包括误差判断模块，与误差判断模块相连的矫正模块，用于误差计算，对预测进行矫正。预测模块能够通过检测特定位置的汽温并将汽温数据进行存储，同时根据实时汽温数据对未来的汽温进行预测，预测模块与报警模块相连，报警模块获取特定位置的汽温以及预测汽温，当预测值以及实时汽温超过设定值时进行报警，提醒系统需要进行修正；误差控制模块与预测模块相连，当预测值与实时汽温的差值超过预设值时进行动作，能够通过调整温度检测装置来缩小预测误差。

作为优选的，温度检测装置包括烟气挡板，烟气挡板连接设有折焰角，折焰角连接设有检测机构，检测机构与控制模块相连。烟气挡板位于折焰角上端面，烟气挡板与折焰角转动连接，检测机构位于折焰角上端面烟气挡板旁靠近炉一侧，检测机构包括球体温度传感器，能够检测流经球体表面的气流温度，球体温度传感器呈等间距阵列布置与折焰角相连接，球体温度传感器能够将检测到的实时汽温数据传递到控制模块。

作为优选的，控制模块包括预测系统，与预测系统相连的检测系统，检测系统与检测机构相连。预测系统包括keras深度学习框架，预测系统包括LSTM长短期记忆神经网络，预测系统包括数据计算模块，将历史参数换算为相关参数的权值矩阵，包括SIS系统PI实时数据库。能够将涵盖各种工况下的历史参数作为样本数据进行训练，通过现有数据库进行预测，得到未来的汽温值。Keras是一个高层神经网络API，支持快速实验，能够极大减少一般应用下用户的工作量，同时，Keras设有单独的模型配置文件类型，模型是由纯python编写的代码，使其更简洁、紧凑和更易查找错误，同时利用python庞大的第三方库，提供了扩展的便利性。