[发明专利]一种基于人工智能的大型燃煤电站CO2

权利要求书

1.一种基于人工智能的大型燃煤电站CO₂捕集系统优化调度方法，其特征在于：包括如下步骤：

步骤一、选取主蒸汽压力(y₁)、中间点焓值(y₂)、汽轮机功率(y₃)、捕集率(y₄)、再沸器温度(y₅)和CO₂产量(y₆)为大型燃煤电站CO₂捕集系统的被控变量y_(k)，选取燃料量指令(u₁)、给水流量(u₂)、主蒸汽阀门开度(u₃)、贫液流量(u₄)及抽汽流量(u₅)为相对应的控制变量u_(k)；

步骤二、设置采样周期T_s＝30秒，在开环情况下，同时改变燃料量指令(u₁)、给水流量、主蒸汽阀门开度、贫液流量及再沸器抽汽流量，获取不同发电量、捕集率运行工况下系统的稳态输入、输出数据；

步骤三、对输入、输出数据进行归一化处理，利用MATLAB中的pretrainDBN(*)和trainDBN(*)函数构建含有三层受限玻尔兹曼机(Restricted Boltzmann Machines,RBM)的燃煤电站CO₂捕集系统DBN稳态模型，

其中，燃煤电站CO₂捕集系统DBN稳态模型函数形式为：y(k)＝f_DBN(u(k))，f_DBN(·)为DBN模型的函数形式；

步骤四、考虑机组发电量、CO₂排放、运行成本以及系统约束因素，构建能反映燃煤电站CO₂捕集系统运行成本的目标函数及目标函数对应的权值系数，

其中，燃煤电站CO₂捕集系统运行成本的目标函数为

该燃煤电站CO₂捕集系统运行成本的目标函数满足一系列约束；

步骤五、设置优化时域N_i＝12；

步骤六、设置BO求解器相关参数，包括采集函数、初始评估点个数、循环周期参数；

步骤七、利用BO求解器求解目标函数，在系统约束条件下求解满足目标函数最小的优化控制变量u*_(k)；

步骤八、利用燃煤电站CO₂捕集系统DBN稳态模型，求解输入为控制变量u*_(k)的最优输出变量给定值y_ref(k)；

步骤九、输出最优给定值y_ref(k)，实现燃煤电站CO₂捕集系统的优化调度，其后在每个优化时域，重复执行步骤七到步骤九；

步骤四中：该燃煤电站CO₂捕集系统运行成本的目标函数满足一系列约束为：

y_j＝f_DBN(u_j),j＝1,2,...,5      (2)

u_min≤u_j≤u_max,j＝1,2,…,5       (3)

y_1,i≤y_1，max,i＝1,2,…,N_i      (4)

y_4,min≤y_4,i≤y_4,max,i＝1,2,…,N_i      (5)

y_5,min≤y_5,i≤y_5,max,i＝1,2,…,N_i   (6)

其中，y₁为主蒸汽压力，y₂为中间点焓值，y₃为汽轮机功率，y₄为捕集率(y₄)，y₅为再沸器温度；u₁为选取燃料量指令；u₂为给水流量(u₂)，u₃为主蒸汽阀门开度(u₃)，u₄为贫液流量(u₄)，u₅为抽汽流量(u₅)；

N_i表示优化时域；α_1,i至α_4,i分别为性能指标对应的权值系数；u_min和u_max分别为输入变量的幅值下限约束和幅值上限约束；y_1，max为主蒸汽压力(y₁)的上限约束；y_4,mi_n和y_4,max分别为捕集率(y₄)的下限和上限约束；y_5,mi_n和y_5,max分别为再沸器温度(y₅)的下限和上限约束；y_6,min和y_6,max分别为CO₂产量(y₆)在优化时域内总量的下限和上限约束；

J_1,i至J_4,i分别是大型燃煤电站CO₂捕集系统中与机组运行安全性和运行经济性相关的目标函数，其具体表达式如下：

J_1,i＝|y_3,i-E_uld|           (8)

J_2,i＝u_1,i               (9)

J_3,i＝(1-y_4,i)          (10)

J_4,i＝y_4,i                (11)

式中，J_1,i表示火电机组负荷跟踪误差，J_2,i代表机组运行过程中消耗的燃料量，J_3,i表示排放CO₂的惩罚，J_4,i代表PCC系统运行和维护的费用，E_uld为AGC负荷指令。