[发明专利]结合火焰温度的入炉煤热值预测与校正控制方法

权利要求书

1.一种结合火焰温度的入炉煤热值预测与校正控制方法，其特征在于，包括以下步骤：

S1、从电站SIS系统中选择与机组运行状态相关的参数，包括锅炉负荷、主蒸汽压力、主蒸汽流量、主蒸汽温度、再热蒸汽温度、分离器出口温度、给水流量以及二次风量；

选择与燃烧相关的烟气成分参数，包括SCR入口烟气NOX含量、SCR入口烟气CO含量、烟气含氧量、飞灰含碳量、炉渣含碳量以及排烟温度；

选择与制粉系统相关的参数，包括给煤量、磨煤机电流、磨煤机一次风量、磨煤机一次风温以及磨煤机出口温度；

S2、数据的预处理，对所述数据进行数据清洗剔除异常值后再进行归一化处理，将数据归一到[0,1]之间，从而消除不同维度数据之间量纲不同的影响，数据归一化的公式由式(1)表示：

其中：X_norm为归一化之后的值，X为原数据，X_max为每一特征变量的数据最大值，X_min为每一特征变量的数据最大值；

S3、构建一种长短期记忆神经网络分别建立每台磨煤机的煤热值预测模型，并利用上述数据对构建的LSTM模型进行训练；

S4、根据海量的历史数据，建立一定负荷-压力对应下的各层燃烧器火焰温度与燃煤热值的典型样本库；

S5、将连续采样时间段内的所述待测数据矩阵输入训练好的所述LSTM入炉煤热值预测模型，实时得到进入每台磨煤机的燃煤热值；

S6、利用实时测得的每层燃烧器炉膛火焰温度，从步骤S4中建立的典型样本库中选择最邻近样本的样本，来对LSTM预测得到入炉煤热值进行校正。

2.根据权利要求1所述的结合火焰温度的入炉煤热值预测与校正控制方法，其特征在于，在步骤S3中所建立的基于的LSTM入炉煤热值模型，在训练过程中采用Adam算法来更新神经网络的权值参数。

3.根据权利要求1所述的结合火焰温度的入炉煤热值预测与校正控制方法，其特征在于，在步骤S4中研究对象是前后对冲燃烧方式的锅炉，所采集使用的炉膛火焰温度来自于火检测温探头；炉膛前后墙分别各布置有三层旋涡燃烧器，每层有6只燃烧器，共36个燃烧器；与之相对应，火检温度探头布置在炉膛前后壁上的燃烧器，每层各有6个火焰温度测点。

4.根据权利要求1所述的结合火焰温度的入炉煤热值预测与校正控制方法，其特征在于，在步骤S5中，在线实时预测入炉煤热值时，只预测最近的那个未来时间步，然后预测之后将该点加入训练集，如此逐步滚动向前预测，从而实现动态建模和模型的不断更新优化。

5.根据权利要求1所述的结合火焰温度的入炉煤热值预测与校正控制方法，其特征在于，在步骤S6中，利用每层的火焰温度对LSTM预测得到的入炉煤热值进行校正。