[发明专利]一种基于煤粉锅炉飞灰含碳量预测方法

说明书

本发明公开了一种基于煤粉锅炉飞灰含碳量预测方法，涉及适用于锅炉全负荷段的飞灰含碳量预测方法技术领域，包括以下步骤，S1、设计样本数据选取的规则和相关模型；S2、设计分段模型的划分形式；S3、对每个分段模型进行智能回归和智能优化；S4、最后得到全负荷段飞灰含碳量预测模型。与现有飞灰含碳量预测的方法相比，本发明所考虑的参数量多，尤其是针对燃煤锅炉的入炉煤煤质成分，改善了传统计算模型中，煤质成分使用定值计算而导致的模型稳定性差，或因未考虑煤质成分而导致的模型可信度低等问题；设计了分段模型，从燃烧理论或是从数据特征等信息，利用合适手段对锅炉运行状态进行划分，降低了预测模型的复杂程度，而且提高了综合测量精度。

技术领域

本发明涉及煤粉锅炉飞灰含碳量预测方法技术领域，更具体的是涉及一种基于煤粉锅炉飞灰含碳量预测方法。

背景技术

近年来，随着能源行业的发展和转型，同时为配合国家3060的能源发展战略，节能降耗提升效率成为能源行业的重要任务之一。燃煤发电机组，作为煤炭消耗的重要一环，同时也是二氧化碳排放的重点企业，燃煤发电的节能降碳任务更为重要。在火电机组锅炉中，影响锅炉燃烧效率，即煤炭利用效率的主要因素之一为机械不完全燃烧热损失。对于锅炉来说，降低机械不完全燃烧热损失可以有效提升锅炉热效率，机械不完全燃烧中的飞灰含碳量则是指导电厂运行的重要参数指标。但飞灰含碳量的数值却较难实现在线的实时的测量和显示，无法给电厂运行人员提供有效的指导，一定程度上制约了火电机组的运行和控制水平。

目前燃煤锅炉飞灰含碳量的测量方法主要分为离线法和在线法两种手段，离线法也称作实验室化验法，是通过合适的方式进行飞灰样品的收取，再将收取的飞灰样品送入实验室进行灼烧测量，通过燃烧前后的重量差求得飞灰的含碳量，其测量结果准确性高，具有很强的煤种适应性，但缺点是所得的结果具有不可避免的滞后性，无法反应实时的燃烧状态。在线法又分为直接测量和软测量方法，直接测量法也存在一定的不足，一是样品管容易堵灰，影响测量的准确性；二是改造设备的成本比较高，附加设备复杂。软测量方法是通过利用电厂的数据库，建立从易测量参数到飞灰含碳量的回归预测模型，但此种方法目前也存在着不足，主要方面在于，影响飞灰含碳量的理论因素有很多，其中燃煤煤质成分的在线实时获取存在困难，最终会影响飞灰含碳量的预测精度。此外，锅炉的燃烧状态并不是连续的，在运行过程中常常随发电负荷的波动而伴随着，辅机设备的运行和启动，尤其是制粉系统的投运/停止。这会导致锅炉炉膛内的燃烧状况发生阶段性变化，而燃烧又会直接影响煤粉颗粒的燃尽状态，进而影响飞灰含碳量。传统计算模型无法描述这种燃烧的阶段性变化，导致最终的预测结果从理论上有不完善的缺陷。

如何解决上述技术问题成了本领域技术人员的努力方向。

发明内容

本发明的目的在于：为了解决上述技术问题，本发明提供一种基于煤粉锅炉飞灰含碳量预测方法。

本发明为了实现上述目的具体采用以下技术方案：

一种基于煤粉锅炉飞灰含碳量预测方法，包括如下步骤：

S1、设计样本数据选取的规则和相关模型；

S2、设计分段模型的划分形式；

S3、对每个分段模型进行智能回归和智能优化；

S4、最后得到全负荷段飞灰含碳量预测模型。

更优地，S1中，可采取安装煤质监测设备、建立在线煤质计算模型、或高频次的实验室化验的方法来获取锅炉入炉燃煤的煤质分析数据。

更优地，S2中，计分段模型的划分形式包括按负荷分段划分、按磨煤机投运形式划分、按数据规则如聚类算法，进行数据挖掘划分。

更优地，S3中，挑选影响飞灰含碳量的参数，经过参数筛选、数据回归和关键参数优化步骤，完成分段预测模型的建立。