[发明专利]一种基于粒子群算法的锅炉燃烧优化方法

说明书

技术领域

本发明属于智能工业领域，尤其是涉及一种基于粒子群算法的锅炉燃烧优化 方法。

背景技术

在中国，国家四分之三的电力来自于火力发电，即煤炭燃烧。由于大多数锅炉 是旧式锅炉，导致燃烧效率低而且排放大。随着国家对环境保护问题的关注，节能 减排是当下锅炉燃烧的主要目标，考虑到成本问题，在不更新锅炉的情况下，利用 锅炉燃烧优化的方法节能减排被证明是一种有效的方法。但是现有的方法对提高锅 炉燃烧效率和降低碳氧化合物排放的效果并不是很理想，还存在优化时间长、优化 效果差等问题。为解决这一问题，本发明提出了一种基于粒子群算法的锅炉燃烧优 化方法，能够对锅炉燃烧快速优化，而且具有更高的准确性和更强的泛化能力，以 达到提高锅炉燃烧效率和降低氮氧化合物排放的需求。同时本方法采用基于最小二 乘支持向量机的方法建立锅炉燃烧模型，克服了锅炉燃烧模型精确度不足的问题， 尤其适用于复杂的模型建立。

对现有的文献检索发现，锅炉燃烧优化方法都是利用遗传算法来提高锅炉燃烧 效率和降低氮氧化合物排放，遗传算法虽然具有搜索能力强和扩展性强的优点，但 算法复杂、优化时间长而且容易陷入局部最优解。Ken在Proceedingsofthe31^stInternationalTechnicalConferenceonCoalUtilization&FuelSystems上面发表的 NoxEmissionsAchievedona500MWCyclone-FiredBoiler，以500WM的锅炉为研 究对象，利用遗传算法优化Nox的排放，不仅优化时间长，而且优化效果不明显； Dharmarakan以666MW的锅炉为对象，利用遗传算法来改善Nox排放，效果只有 8％。所以，提出新的粒子群算法来优化锅炉燃烧。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于粒子群 算法的锅炉燃烧优化方法。

本发明的目的可以通过以下技术方案来实现：

一种基于粒子群算法的锅炉燃烧优化方法，其特征在于，包括以下步骤：

1)锅炉燃烧数据预处理；

2)建模参数确认；

3)锅炉燃烧模型建立；

4)锅炉燃烧效率计算；

5)基于粒子群算法对锅炉燃烧进行优化，通过改变燃料参数和配风参数来改 变燃烧效率和排放量，对锅炉燃烧进行优化。

所述的锅炉燃烧数据预处理具体为：在不同的锅炉燃烧功率下提取间隔时间超 过30min的锅炉燃烧数据，再通过归一化函数对数据进行归一化处理。

所述的建模参数确认具体为：利用基于最小二乘的支持向量机方法建立锅炉燃 烧模型前，应先确定核函数及其宽度Gamma和惩罚因子c，通过改变各参数变量 发掘参数影响因素，先改变其中一个参数，顺次改变其他参数，从而得到最优效果。

所述的锅炉燃烧模型建立具体为：根据步骤1)和步骤2)得到的数据和建模 参数，确定燃烧模型结构，可知输入变量和输出变量的个数，利用最小二乘支持向 量机的方法对输出变量烟气温度T_py、飞灰浓度C_fh和Nox排放量进行测量，由于 优化的目标是锅炉的燃烧效率，利用简化公式计算出锅炉的燃烧效率并建立预测模 型

所述的锅炉燃烧效率计算具体为：由于锅炉燃烧效率计算的复杂性，通过找到 燃烧效率与四个因素变量之间的关系，得到锅炉燃烧的简化算法，其中四个因素变 量分别与过氧量α、烟气温度T_py、主燃煤量D和环境温度T_a。

所述的锅炉燃烧优化具体为：首先输入变量对输出变量进行训练和预测，然后 通过粒子群算法进行优化，得到相应的控制参数，反馈回输入变量，进而得到更好 地锅炉燃烧效果。

与传统的应用遗传算法进行锅炉燃烧优化方法进行比较，通过粒子群算法优 化锅炉燃烧，可以获得更高的锅炉燃烧效率和更低的Nox排放量，还拥有收敛速 度快，泛化能力强等特点。

附图说明

图1为本发明方法流程图。

图2为本发明锅炉燃烧模型。

图3为本发明效率简化运算流程图。

图4为本发明燃烧优化流程图。

具体实施方式