[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

说明书

本发明属于火电厂燃煤锅炉的优化运行技术领域，公开了一种锅炉在线燃烧优化控制方法、系统及计算机设备，获取锅炉的实时特征参量数据并进行预处理；将实时特征参量数据代入基于SFPA优化SVM的锅炉燃烧特性模型中；采用INSGA‑II算法作为优化算法对锅炉运行可调参数进行寻优；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。本发明利用SFPA算法对SVM模型参数进行优化，提高了所建立的锅炉燃烧特性模型精度；采用INSGA‑II算法进行寻优，为电站锅炉实际运行过程中的不同需求提供决策支持。

技术领域

本发明属于火电厂燃煤锅炉的优化运行技术领域，尤其涉及一种锅炉在线燃烧优化控制方法、系统及计算机设备。

背景技术

目前，电力工业是国民经济的命脉，是现代社会发展的基础。我国的发电形式有水力发电、燃煤发电、核能发电、风力发电、太阳能发电等，但目前，以燃煤为主的火力发电仍然在我国电力行业占据主导地位，是我国能源供应体系的主力电源。以煤炭为原料的火力发电在为人们生活与工业运转提供电力的同时，也带来了煤炭消耗量大与空气污染这两个问题。因此火电厂不仅需要提高运行效率来尽可能的减少煤炭的消耗量，还需要控制大气污染物的排放量来保护环境。所以，大力发展清洁高效的燃烧优化技术，对锅炉燃烧过程进行控制，使锅炉处于低氮排放、高热效率的工作状态是现在亟需解决的问题。

目前国内的电站燃烧运行主要由运行人员根据自己的工程经验进行燃烧调整，但是由于锅炉燃烧的复杂性，此种方法费时费力而且优化效果不太理想。近年来随着机器学习与智能算法的不断发展，为锅炉燃烧优化提供了一种新的方向。通过建立一个精确的锅炉燃烧系统模型，并以此模型为基础，通过智能算法优化锅炉运行时的可调参数，给出可调参数的最佳值，可以实现锅炉的清洁高效运行。但是现有的一些方法存在模型精确度不足、优化效果比较差等问题。

综上，在当前的能源与环境形势下亟需建立一个准确、高效的锅炉燃烧系统模型与优化模型，以克服锅炉燃烧系统模型精确度不足、实际优化效果较差的问题，达到更好的指导操作人员进行锅炉生产参数调节，实现提高锅炉燃烧效率和降低氮氧化物排放的目的。

发明内容

针对现有技术存在的问题，本发明提供了一种锅炉在线燃烧优化控制方法、系统及计算机设备。

为实现上述目的，本发明提供如下技术方案：

一种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。

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。

进一步，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。