[发明专利]一种锅炉炉内氮氧化物生成量预测建模方法

说明书

 

技术领域    

   本发明涉及一种锅炉炉内氮氧化物生成量预测建模方法，属锅炉燃烧技术领域。

背景技术

随着氮氧化物排放标准的日趋严格，燃煤电站的减排压力日益增大。在众多的低氮技术中，通过燃烧优化降低氮氧化物排放是最经济的一种方法。但在使用这种方法之前，必须先对锅炉运行参数和炉膛出口氮氧化物浓度的关系进行研究，对氮氧化物生成进行建模。

锅炉炉内氮氧化物生成不仅与煤质、锅炉炉膛结构相关，运行参数对其也有较大的影响。使用传统的计算流体力学方法对锅炉炉内氮氧化物生成建模不仅涉及到湍流燃烧模型，还涉及到氮氧化物同相、异相生成和还原机理等重大化学反应机理，而目前这方面的模型、机理认识还有限。

目前对锅炉炉内氮氧化物生成量预测建模方法主要是使用计算流体力学的方法对炉内燃烧、氮氧化物生成进行详细建模。这种方法涉及到湍流燃烧、氮氧化物生成破碎机理等尚未完全解开的科研难题，另外这种建模方法在计算时间上的消耗也是巨大的，不适用于指导现场运行人员优化运行参数。

发明内容

本发明的目的是，针对锅炉燃烧传统建模存在的问题，本发明提出一种锅炉炉内氮氧化物生成量预测建模方法，可快速准确地根据运行参数对氮氧化物生成量进行预测，用于指导运行人员实时对运行参数进行优化调整。。

实现本发明的技术方案是，本发明方法采用支持向量机方法、遗传算法序列向后选择以及自适应建模技术，根据锅炉运行历史工况数据建立锅炉炉内氮氧化物生成量随锅炉运行参数变化的计算模型，模型计算响应迅速、计算精度高，可以用于指导现场运行人员优化运行。

（1）采集电厂运行数据作为锅炉炉内氮氧化物生成量预测建模的原始样本；

（2）检查（1）步所采集的样本数据完整性，检查数据中有无因接口程序或电厂检测仪器仪表故障产生的坏点；

（3）基于（2）步的筛选得到的数据进行建模数据预处理，对各变量数据进行归一化处理；

（4）将（3）步所获得的数据随机分为训练集和预测集，利用支持向量机建立锅炉运行参数与氮氧化物生成量之间的关系模型；广泛地选取对氮氧化物生成有影响的因素作为模型的输入变量，炉膛出口氮氧化物作为模型的唯一输出变量，采用序列后向选择的方法对模型的输入变量进行筛选，以确定最优的模型输入；选用径向基函数RBF作为支持向量机的核函数，引入遗传算法来优化支持向量机的三个参数C，ε和λ，C表示惩罚因子；ε表示损失函数；λ表示径向基宽度；为提高计算预测精度，同时还引入自适应的方法，定时更新模型以扩展模型的泛化能力。

由于各磨煤机出力、总风量等众多运行参数都会影响炉内氮氧化物的生成量，而对于支持向量机过多的模型输入一方面会增加模型的复杂度，增长模型训练时间，另一方面还有可能陷入“维度灾难”。采用序列向后选择的方法对模型的输入变量进行筛选可增加模型精度同时减少模型训练时间。

本发明的有益效果是，本发明提出的基于支持向量机的氮氧化物生成预测建模方法以运行参数为模型输入，氮氧化物浓度为输出，以历史运行数据作为模型训练样本，同时引入了遗传算法、序列向后选择以及自适应建模方法等对模型进行优化。经过优化后的模型可依据运行参数对炉膛出口氮氧化物浓度进行快速、准确地预测，适用于指导现场运行人员优化锅炉运行。与现有的炉内氮氧化物生成建模方法相比，本发明提出的方法计算响应更迅速，能为运行优化提供更多的帮助。

本发明适用于锅炉炉内氮氧化物生成量预测建模。

附图说明

图1为本发明建模模型简图；其中，SVM表示支持向量机；C表示惩罚因子；ε表示损失函数；λ表示径向基宽度；

图2为本发明方法的整体实施流程图。

具体实施方式

    本发明具体实施方式如下：

步骤1：采集电厂运行数据作为锅炉炉内氮氧化物生成量预测建模的原始样本。

本实施例采集包括各磨煤机出口风温、各磨煤机磨煤出力、各燃烧器喷口一次风风量、各燃尽风喷口开度、各二次风风门开度、总风量、机组入口氧浓度、水煤比、发电机功率、SCR反应器入口烟气流量、烟气含氧量、烟气飞灰未燃尽碳含量以及氮氧化物浓度等100个测点共15852条数据作为模型的原始数据样本；

步骤2：检查步骤1所采集的样本数据完整性，检查数据中有无因接口程序或电厂检测仪器仪表故障产生的坏点，将有坏点的样本观测值从样本中剔除；