[发明专利]一种锅炉在线燃烧优化控制方法、系统及计算机设备

权利要求书

1.一种锅炉在线燃烧优化控制方法，其特征在于，所述锅炉在线燃烧优化控制方法包括以下步骤：

步骤一，从电厂DCS系统中获取燃煤锅炉的特征参量历史数据与NO_x排放量、热效率数据，并进行数据的预处理；

步骤二，利用高斯混合模型GMM算法对处理后的锅炉运行数据按照负荷工况的分布进行聚类划分，进而对数据进行重采样；

步骤三，以重采样后的数据作为样本数据构建锅炉燃烧特性模型；所述锅炉燃烧特性模型是基于改进的花授粉算法SFPA优化SVM后得到的；所述基于改进的花授粉算法SFPA为利用模拟退火算法与花授粉算法相结合形成新的SFPA优化算法；

步骤四，从电厂DCS系统中获取锅炉的实时特征参量数据，并进行数据的预处理；

步骤五，将实时特征参量数据作为输入，代入已经训练好的锅炉燃烧特性模型中；

步骤六，采用改进的非支配排序遗传算法INSGA-II作为优化算法，结合优化目标与锅炉燃烧特性模型，对锅炉运行可调参数进行寻优；

步骤七，工程人员根据电厂锅炉实际运行需求从Pareto解集中选择一个最优解，并将最优解与锅炉实时参量进行对比，计算其优化偏置量，送入DCS系统实现优化控制。

2.如权利要求1所述的锅炉在线燃烧优化控制方法，其特征在于，步骤一中，所述从电厂DCS系统中采集的特征参量为锅炉负荷、给煤量、烟气含氧量、一次风量、一次风温、二次风量、二次风温、飞灰含碳量；所述从电厂DCS系统中采集的特征参量历史数据应为剔除掉锅炉故障运行时间段内的数据之后的数据；采用归一化的处理方法对数据进行预处理。

3.如权利要求1所述的锅炉在线燃烧优化控制方法，其特征在于，步骤二中，采用高斯混合模型GMM根据锅炉负荷分布对锅炉运行参数数据进行聚类及重采样的方法，包括：

(1)设样本集为X，样本数量为N；根据样本数据对应的负荷参数的取值范围(χ_min，χ_max)来对区间进行划分，划分标准为每区间符合范围为10MW，以此将区间等分为K＝round((x_max-x_min)/10)(K≥2)；并设锅炉负荷的高斯混合模型共含有k个分量(k＝K)；

(2)初始化高斯混合模型，其公式为：

式中，φ_k为混合系数，其满足表示模型中的第k个分量；

设各分量混合系数为1/k，各分量的均值为对应符合区间的中心值，初始方差设置为20；

(3)根据高斯混合模型算法对样本数据进行聚类，得到聚类后的样本集为C＝{C₁,C₂,C₃,...,C_k}，如果相聚最近的两个簇之间的负荷均值差之间的绝对值小于5，则将k-1→k，并返回执行步骤(2)；

(4)得到最终的聚类结果后，根据锅炉数据中的聚类结果对其进行重采样；采样规则为：聚类后的簇对应的混合系数φ_k大于1/K且其符合数据方差小于10，同时满足以上两个条件则进行重采样，具体采样公式为：

式中，round()为四舍五入取整函数。

4.如权利要求1所述的锅炉在线燃烧优化控制方法，其特征在于，步骤三中，所述采用改进的花授粉算法SFPA优化SVM来建立锅炉燃烧特性模型，并将其应用到锅炉燃烧优化中；用锅炉负荷、给煤量、烟气含氧量、一次风量、一次风温、二次风量、二次风温、飞灰含碳量来作为模型的输入变量，NO_x排放量、锅炉热效率作为输出变量，对锅炉燃烧特性模型进行训练。