[发明专利]一种基于人工智能的大型燃煤电站CO2

说明书

本发明适用于热工过程优化调度技术领域，提供了一种基于人工智能的大型燃煤电站COsubgt;2/subgt;捕集系统优化调度方法，包括以下步骤：利用深度置信网络(Deepbeliefnetwork,DBN)等人工智能方法构建大型燃煤电站COsubgt;2/subgt;捕集系统数据驱动稳态模型；考虑大型燃煤电站COsubgt;2/subgt;捕集系统机组发电量、COsubgt;2/subgt;排放、运行成本，构建能充分反映整体系统经济性指标和运行约束的目标函数；根据电价、碳价等相关信息，利用贝叶斯优化方法(Bayesianoptimization,BO)实现目标函数的高效实时求解。本发明能兼顾燃煤电站COsubgt;2/subgt;捕集系统在经济性、安全性以及环保方面的运行要求，找到满足总运行成本最低的优化调度方式，实现大型燃煤电站COsubgt;2/subgt;捕集系统优化运行。

技术领域

本发明属于热工过程优化调度技术领域，尤其涉及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。

背景技术

为实现“2030碳达峰、2060碳中和”的宏伟目标，对CO₂等主要温室气体进行捕集、减少工业系统CO₂排放是当前重要的技术手段。燃煤火电机组是我国CO₂最主要的排放源，2018年全国CO₂排放总量约为9.48Gt，77％来源于燃煤火电机组及其它燃煤过程。由于我国的能源结构，燃煤火电机组是当前以及未来一段时间内能源生产的主体。由此，对燃煤火电机组进行CO₂捕集具有重要意义。

当前，基于乙醇胺等溶剂进行化学吸收的燃烧后CO₂捕集是所有碳捕集技术中最成熟、最具有商业推广价值的技术之一，并在国内十余所试点装置成功应用。然而，燃煤火电机组与燃烧后CO₂捕集系统具有强耦合作用。一方面，随着新能源技术大力推广，燃煤火电机组需要进行深度调峰，以维持电网供需平衡，火电机组调峰过程会导致烟气参数相应变化，这会对下游碳捕集系统的运行产生影响；另一方面，燃烧后CO₂捕集系统溶剂再生需消耗大量热量，由火电机组汽轮机抽汽提供热源，这势必会降低火电机组发电量，影响机组热效率。综上分析，燃煤火电机组和燃烧后CO₂捕集系统的运行方式相互影响、相互冲突。为实现整体系统效益最大化，需要综合考虑整体系统的运行需求，在保证系统约束条件的前提下实现燃煤电站CO₂捕集整体系统的优化调度。

根据目前国内外的研究现状，对燃煤电站CO₂捕集系统进行优化调度的研究相对较少，现有方法也没有考虑燃煤电站CO₂捕集系统的复杂特性，难以实现整体系统的最优运行。本发明利用人工智能建立燃煤电站CO₂捕集系统的优化调度体系，解决了系统操作变量多、过程特性复杂、优化调度计算量大的缺点，能够在线实时求解调度周期内系统主要被控变量的最优给定值，适用于工业应用。

发明内容

本发明提供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，旨在解决上述的问题。

本发明是这样实现的，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，包括如下步骤：

步骤一、选取主蒸汽压力、中间点焓值、机组发电量、捕集率、再沸器温度、CO₂产量为大型燃煤电站CO₂捕集系统的被控变量y_(k)，选取给煤量、给水流量、主蒸汽阀门开度、贫液流量及再沸器抽汽流量为相对应的控制变量u_(k)；

步骤二、在开环情况下，同时改变给煤量、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；