[发明专利]一种基于火焰分析寻优的煤粉炉燃烧优化方法

说明书

本发明公开了一种基于火焰分析寻优的煤粉炉燃烧优化方法，包括：运用OPC方法实时采集煤粉炉的运行数据；进行数据预处理；通过工业摄像头采集煤粉炉燃烧的火焰图像，存入存储介质中；建立火焰特征与煤粉炉操作参数之间的数理模型；建立煤粉炉优化模型；采集机组实时运行数据并对煤粉炉运行数据采用滑动窗口法进行稳态分析，得到煤粉炉当前运行的状态；以在满足产汽量需求时，使火焰的特征值最大为优化目标，运用列队竞争算法进行优化计算；实时写入DCS系统中，实现对煤粉炉运行的闭环优化；深度学习校准；克服了缺少实时煤质数据对模型精度的影响，通过控制最佳的火焰特征值来使煤粉炉的效率最高；无需停炉改造，寻优结果可靠，优化效益高。

技术领域

本发明属于智能工业领域，具体涉及一种基于火焰分析寻优的煤粉炉燃烧优化方法。

背景技术

煤粉炉系统设备众多、结构复杂，其燃烧过程的调整是一个多参数相互影响的多输入多输出的多变量相关对象，并且呈现出复杂的非线性关系。在运行中，由于要适应气候的变化及供热管网负荷变化，煤粉炉经常在非额定负荷下变工况运行，并且无法实时获得煤粉炉燃烧的煤质数据，因此很难实时获得煤粉炉各运行操作参数，造成其运行效率下降，存在较大的优化空间。目前对于煤粉炉的运行操作通常有两种方法，其一是多运行人员根据自己长期积累的经验人工进行调整，但其受限于入炉煤质变化大、变负荷运行、运行参数繁杂等原因，靠人力很难实时做出合适的决策；其二是运用大数据技术和机器学习算法，建立煤粉炉各操作变量、煤质数据与煤粉炉效率之间的模型，并进行优化计算，该方法较人工运行调整方法得到了很大的改进，但其仍然存在一些问题：比如在优化计算时，需要知道煤质数据，但由于煤质化验的周期较长，无法实施获得煤粉炉当前燃烧的煤质数据，如果不考虑煤质数据，则模型的精度会较低。

一种基于火焰分析与列队竞争算法寻优的煤粉炉燃烧优化方法及系统，针对煤粉炉运行调整问题，将燃烧火焰模型与机器学习算法相结合，通过智能优化算法进行优化计算，实时获得最佳的煤粉炉运行操作方案，实现对煤粉炉的闭环优化，使煤粉炉保持安全、高效运行，从而取代传统的人工调节。该系统将煤粉炉“各运行操作参数、煤质数据——煤粉炉效率”的问题转化为“各运行操作参数——火焰模型——煤粉炉效率”的问题，克服了“各运行操作参数、煤质数据——煤粉炉效率”问题中缺少实时煤质数据对模型精度的影响，不需要知道煤粉炉当前燃烧的煤质，通过控制最佳的火焰特征值来使煤粉炉的效率最高。

发明内容

针对现有技术的以上缺陷或改进需求，本发明要解决的是现有技术中煤粉炉燃烧优化中，由于煤质化验的周期较长，无法实施获得煤粉炉当前燃烧的煤质数据，导致优化模型的精度较低的问题。

为了实现上述目的，本发明涉及一种基于火焰分析寻优的煤粉炉燃烧优化方法，包括如下步骤：

步骤1.将运用OPC方法采集到的煤粉炉的运行数据，存入数据库；

步骤2.将步骤1中数据库当作为样本库，通过剔除异常值、稳态分析、相关性分析及变量约减进行数据预处理，得到可供建立数理模型用的数据；

步骤3.通过工业摄像头采集煤粉炉燃烧的火焰图像，存入存储介质中；

步骤4.通过提取步骤3中得到的火焰图像的特征值，建立火焰特征与煤粉炉操作参数之间的数理模型，所述火焰图像的特征值包括火焰颜色特征值fc、火焰中心特征值fctr、火焰形状特征值fs及火焰充满度特征值ff；

步骤5.根据火焰特征与煤粉炉效率及火焰特征与煤粉炉各操作变量之间的关系，把提高煤粉炉效率问题转化提高火焰特征参数的问题，建立煤粉炉优化模型；

步骤6.采集机组实时运行数据并对煤粉炉运行数据采用滑动窗口法进行稳态分析，判断其是否处于稳态，如果处于稳态，则判断当前运行的状态数据可用于后续的优化计算；

步骤7.以在满足产汽量需求时，使火焰的特征值最大为优化目标，将步骤6中煤粉炉处于稳态的当前运行的状态数据作为输入，运用列队竞争算法进行优化计算；

步骤8.运用OPC方法，将列队竞争算法优化计算得到的优化方案，实时写入DCS系统中，实现对煤粉炉运行的闭环优化；