[发明专利]一种基于神经网络算法的火电厂煤场场损预测方法

说明书

本发明公开了一种基于神经网络算法的火电厂煤场场损预测方法，属于火电厂煤场场损计算技术领域。方法包括：S1，确定影响煤场损耗的主要因素以及表征损耗的参数；S2，针对每个煤堆，将影响煤场损坏的主要因素的当前测量值输入神经网络模型，计算获得表征损耗的参数值，S3，根据各煤堆的表征损耗的参数值计算各煤堆的损耗指标数据；S4，根据各煤堆的损耗指标数据，计算获得整个煤场的损耗指标。本发明方法可准确预测出整个煤场的损耗。

技术领域

本发明具体涉及一种基于神经网络算法的火电厂煤场场损预测方法，属于火电厂煤场场损计算技术领域。

背景技术

燃煤成本约占到火力发电厂生产经营成本的2/3。因此，燃煤煤质、热量的损耗对电厂的经济效益有着重要影响。燃煤在储存过程中，由于受到外部环境因素和自身特性的影响，会发生煤量流失、水分增加、发热量降低、燃煤自燃等一系列变化。这些变化都是造成燃煤煤质、煤量损耗的重要因素，也直接关系到火电厂的生产经营效益。

煤场储存损耗主要由物理损耗和化学损耗两部分组成：

(1)物理损耗指纯物理变化导致的煤场储存损耗，主要包括风损、雨损和水分损失(变化)等，物理损耗由燃煤的重量差进行表征。

(2)化学损耗是由于燃煤存放过程中氧化反应所产生的损耗。氧化反应是煤中的碳、氢等元素在常温下发生氧化反应，反应发生过程中可燃物一部分将以气体方式析出，同时还会释放热量，严重时还可导致煤堆自燃。上述化学反应将会同时产生存煤的热值下降和重量损失，化学损耗由燃煤的热值差进行表征。

现有的入厂至入炉间的燃煤数量损耗指标是煤场存损率，发热量损耗指标是入厂与入炉煤热值差。

为了减少燃煤损耗，电力行业和企业，都出了相应的规定，如煤场存损率为0.5％，入厂与入炉煤热值差为502kJ/kg(120kcal/kg)，对加强燃料管理起到了较大作用。但在电厂生产实践中发现，它们有一定的局限性，表现在存损只考虑入厂与入炉之间燃煤损耗的一部分，且不便直接测量计算获得。

目前大部分电厂中对煤场场损的计算研究，主要是以电厂燃料部门管辖的入厂至入炉间的输煤及储存系统为对象，界定了统计期输入和输出热量，分别从燃煤质量平衡、热量平衡和综合热值出发，总体计算燃煤损耗的入厂与入炉间的燃煤质量损耗率、燃煤热量损耗率、标煤耗率、入厂与入炉煤综合热值差、综合热值损耗率等指标，并以此为评判标准对煤场损耗进行总体评估计算。煤场质量损耗通过使用盘煤仪定期盘煤，结合采样及煤质的工业分析，计算煤场的质量与热量损耗指标。

同时也有部分电厂以传热学和传质学为基础，基于煤场损耗的机理模型，加入专家经验模型，使用计算机模拟仿真的方法计算煤场质量和热量热值损耗。

以入厂至入炉间的输煤及储存系统为整体对象，基于燃煤质量平衡、热量平衡，总体计算燃煤损耗的入厂与入炉间的燃煤损耗。这种方法计算整体误差大，对于各个煤堆无法进行统计计算，不利于煤堆的堆卸管理与燃烧调度使用。同时这种总体计算方法受到盘煤周期、采样及工业分析的时间限制，无法做到小时间段内的场损指标统计。

使用计算机模拟计算拥有很大的局限性，主要表现在由于煤场自身复杂的环境、煤种、堆卸、管理等因数的影响，进行模拟计算前需要对煤场进行大量的假设与简化，得到的是较为理想化的计算模型，同时还需要依赖专家经验对计算模型进行大量的修正，无法精确的计算实际情况下复杂煤场场损各指标量，只能作为小样本、标准实验环境下的一种计算手段。

因此，本发明基于煤场管理运行过程中产生的大量历史数据，使用神经网络算法构建场损预测模型，用于预测计算煤场的物理和化学损耗量，通过量化计算的损耗指标量为煤场的燃料管理、燃煤换烧及机组运行提供参考建议。

发明内容