CN102261671A - 一种锅炉燃烧多约束多目标优化专家系统及其优化方法 - Google Patents

Abstract

本发明揭示一种锅炉燃烧多约束多目标优化专家系统及其优化方法，该系统包括DCS控制系统模块、工业煤种分析模块、环境污染物监测模块、近似案例查询单元、历史数据库、锅炉燃烧模型库、锅炉优化专家系统服务端程序和人机界面。本发明提出的锅炉燃烧多约束多目标优化专家系统及其优化方法，可实现对锅炉燃烧热效率和污染物排放量的预测；同时根据燃烧模型库进行推理与查询，采用锅炉优化专家系统的智能算法，可寻找达到锅炉最佳工况的参数设置方案，进而通过DCS调节锅炉运行状态，实现锅炉燃烧的整体优化。

Description

一种锅炉燃烧多约束多目标优化专家系统及其优化方法

技术领域

本发明属于能源、环保、信息等技术领域，涉及一种锅炉燃烧优化专家系统，尤其涉及一种锅炉燃烧多约束多目标优化专家系统；同时，本发明还涉及一种上述优化专家系统的优化方法。

背景技术

锅炉燃烧过程中，影响其燃烧热效率和污染物排放量的因素大部分相同，但对各个因素的具体要求却往往是矛盾的。在已有的的风煤比寻优方法中，有的可以提高燃烧热效率，却增加了污染物的排放，加重了环境污染；有的集中在减少环境污染而忽略了锅炉的燃烧热效率。

目前采用的DCS控制调节往往无法完全针对锅炉燃烧的特点控制最佳运行工况， 机组的运行性能在很大程度上取决于运行人员的经验和操作， 锅炉燃烧优化系统可以使锅炉DCS的控制调节能力得以提高，减少操作人员的人为影响。

将人工智能方法引入了燃烧优化领域也是一种新颖的做法：电站锅炉燃烧优化专家系统主要是利用锅炉运行数据和一系列燃烧试验数据，将燃烧过程视为一个“黑箱”，只关注输入参数和输出参数的关系，建立和测试针对机组的数学模型，通过仿真测试的模型将作为预测模型投入实际运行。

人工智能建模是通过对燃烧现象进行实时监视，对一个“控制专家”在解决燃烧优化问题时的思路、方法、经验和策略的模拟。专家系统包括知识库、推理机、动态数据库和过程输人输出接口等基本组成部分。采用智能算法进行全局搜索以确定锅炉各种操作参数的最佳值，使锅炉内燃烧过程中的温度、压力、之间相互耦合，实现多元优化，达到整体最优。

通过使用上述技术能使得锅炉燃烧优化系统中的锅炉能效和污染物排放控制免除人工配置，能从繁多的实时技术数据中分析出最优配置方案，再进行自动调整，实现了实时的自动优化。

中国专利CN200710173267.0揭示了一种节能技术领域的燃煤工业锅炉运行优化指导系统，包括：数据通讯接口、数据处理模块、系统显示模块、锅炉实时效率处理模块和运行优化指导模块。其中：数据通讯接口从锅炉控制系统中接受实时运行数据并传输给数据处理模块，数据处理模块对接收的数据进行检验和滤波；锅炉实时效率处理模块处理得出锅炉排烟热损失、物理未完全燃烧热损失和锅炉实时效率，并传输给运行优化指导模块和系统显示模块将实时风煤比与锅炉最优风煤比上下限值进行比较，同时将实测排烟温度与锅炉排烟温度高限值进行比较，并将比较结果传输到系统显示模块，发出运行指导操作指令；系统显示模块负责显示数据。该技术方案没有有效解决上述问题。

发明内容

本发明所要解决的技术问题是：提供一种锅炉燃烧多约束多目标优化专家系统，可实现锅炉燃烧的整体优化。

另外，本发明还提供上述锅炉燃烧多约束多目标优化专家系统的燃烧优化方法。

为解决上述技术问题，本发明采用如下技术方案：

一种锅炉燃烧多约束多目标优化专家系统，用以优化锅炉的燃烧工况；其包括：

分布式控制系统DCS，用于获取锅炉的实时工况数据，并控制调节锅炉的工况参数；

工业煤种分析模块，用于分析燃烧用煤的成分及性质；

环境污染物监测系统，用于获取锅炉的环境污染物排放数据；

自寻优系统，用于根据实时工况数据与环境污染物排放数据在锅炉燃烧模型库中寻找最接近的成熟案例；

历史数据库，用于储存锅炉燃烧参数历史数据及对应的其他模块记录的历史数据；

锅炉燃烧模型库，包括若干锅炉的燃烧模型；

锅炉优化专家系统服务端程序，用于寻找达到锅炉目标工况的参数，并把调节后的工况参数输出至DCS；

人机界面，用于参数配置的输入与实时工况/历史报表的输出。

作为本发明的一种优选方案，所述自寻优系统包括：

案例推理模块，用以根据DCS的工况数据与环境污染物监测系统的污染物排放数据，在所述锅炉燃烧模型库中的燃烧模型寻找最接近的成熟案例；

目标工况调节模块，用以根据上述最接近的成熟案例调节控制参数，寻找达到锅炉目标工况的参数。

作为本发明的一种优选方案，所述案例推理模块包括

近似案例查询单元，用以根据DCS的工况数据与环境污染物监测系统的污染物排放数据，在所述锅炉燃烧模型库中的燃烧模型寻找最接近的成熟案例；

最优解案例保存单元，用以保存经过目标工况调节模块调节后得到的新的案例作为燃烧模型。

作为本发明的一种优选方案，所述案例推理模块还包括成熟案例库更新单元，用以更新所述锅炉燃烧模型库中的现有燃烧模型的参数、或增加新的燃烧模型。

作为本发明的一种优选方案，所述目标工况调节模块根据设置的目标调节锅炉的参数；

当寻优步长矩阵<寻优误差矩阵e时，结束调节过程，此时的配置被认为最优；

否则调节Δu’=φ×Δu+ζ；

其中，Δu为调节前的寻优步长矩阵，Δu’为调节后的寻优步长矩阵，Δu、Δu’、e为由各参数组成的矩阵，调节参数φ与ζ由选定的燃烧模型确定。

 

一种上述锅炉燃烧多约束多目标优化专家系统的控制方法，所述方法包括如下步骤：

所述环境污染物监测系统、工业煤种分析模块获取DCS监测数据、工业煤种分析数据、环境监测数据，并将数据传输至平台通讯端口；

所述服务端程序对监测数据采集单元获取的数据进行初步处理，而后把更新的参数发送至自寻优系统的目标工况调节模块；

所述自寻优系统通过被动接收采集到的监测数据或主动问询环境污染物监测系统、工业煤种分析模块的运行信息，与系统内置的历史数据最优工作状态的状态参数集进行对比，查看设备是否处于最优状态；

所述自寻优系统基于历史数据库与燃烧模型库，通过对监测数据参数集和设备工况参数集与设备功率因素的函数关系进行分析，并将设备的多个约束因素整体考虑，最终得到设备整体最优的配置参数；

所述燃烧模型库根据模型输出配置参数，并将其传输至DCS；

所述DCS执行系统平台发出的控制指令，对设备运行状态进行调整。

作为本发明的一种优选方案，所述自寻优系统包括：

案例推理模块，用以根据DCS的工况数据与环境污染物监测系统的污染物排放数据，在所述锅炉燃烧模型库中的燃烧模型寻找最接近的成熟案例；

目标工况调节模块，用以根据上述最接近的成熟案例调节工况参数，寻找达到锅炉目标工况的参数。

作为本发明的一种优选方案，所述案例推理模块包括：

近似案例查询单元，用以根据DCS的工况数据与环境污染物监测系统的污染物排放数据，在所述锅炉燃烧模型库中的燃烧模型寻找最接近的成熟案例；

最优解案例保存单元，用以保存经过目标工况调节模块调节后得到的新案例作为燃烧模型；

所述案例推理模块包括成熟案例库更新单元，用以更新所述锅炉燃烧模型库中现有燃烧模型的参数，或增加新的燃烧模型。

作为本发明的一种优选方案，所述目标工况调节模块根据设置的目标调节锅炉的参数；当寻优步长矩阵<寻优误差矩阵e时，结束调节过程，此时的配置被认为最优；否则调节Δu’=φ×Δu+ζ；其中，Δu为调节前的寻优步长矩阵，Δu’为调节后的寻优步长矩阵，Δu、Δu’、e为由各参数组成的矩阵，调节参数φ与ζ由选定的燃烧模型确定。

 

本发明的有益效果在于：本发明提出的锅炉燃烧多约束多目标优化专家系统及其优化方法，可实现对锅炉燃烧热效率和污染物排放量的预测；同时根据燃烧模型库进行推理与查询，采用锅炉优化专家系统的智能算法，可寻找达到锅炉最佳工况的参数设置方案，进而通过DCS调节锅炉运行状态，实现锅炉燃烧的整体优化。

 

附图说明

图1为本发明锅炉燃烧优化系统的组成示意图。

图2为本发明由数据采集端触发的寻优流程图。

图3为本发明由专家系统/人机界面触发的寻优流程图。

 

具体实施方式

下面结合附图详细说明本发明的优选实施例。

实施例一

请参阅图1，本发明揭示了一种锅炉燃烧多约束多目标优化专家系统，用以优化锅炉的燃烧工况；其包括：分布式控制系统DCS、工业煤种分析模块、环境污染物监测系统、自寻优系统、历史数据库、锅炉燃烧模型库、锅炉优化专家系统服务端程序、人机界面。以下具体介绍各模块。

分布式控制系统DCS用于获取锅炉的实时工况数据，并控制调节锅炉的工况参数；

工业煤种分析模块用于分析燃烧用煤的成分及性质；

环境污染物监测系统用于获取锅炉的环境污染物排放数据；

自寻优系统用于根据实时工况数据与环境污染物排放数据在锅炉燃烧模型库中寻找最接近的成熟案例；

历史数据库用于储存锅炉燃烧参数历史数据及对应的其他模块记录的历史数据；

锅炉燃烧模型库包括若干锅炉的燃烧模型；

锅炉优化专家系统服务端程序用于寻找达到锅炉目标工况的参数，并把调节后的工况参数输出至DCS；

人机界面用于参数配置的输入与实时工况/历史报表的输出。

 

所述自寻优系统包括案例推理模块、目标工况调节模块。案例推理模块用以根据DCS的工况数据与环境污染物监测系统的污染物排放数据，在所述锅炉燃烧模型库中的燃烧模型寻找最接近的成熟案例。目标工况调节模块用以根据上述最接近的成熟案例调节控制参数，寻找达到锅炉目标工况的参数。

其中，所述案例推理模块包括近似案例查询单元、最优解案例保存单元。近似案例查询单元用以根据DCS的工况数据与环境污染物监测系统的污染物排放数据，在所述锅炉燃烧模型库中的燃烧模型寻找最接近的成熟案例。最优解案例保存单元用以保存经过目标工况调节模块调节后得到的新的案例作为燃烧模型。优选地，所述案例推理模块还可以包括成熟案例库更新单元，用以更新所述锅炉燃烧模型库中的现有燃烧模型的参数、或增加新的燃烧模型。

所述目标工况调节模块根据设置的目标调节锅炉的参数；当寻优步长矩阵<寻优误差矩阵e时，结束调节过程，此时的配置被认为最优；否则调节Δu’=φ×Δu+ζ；其中，Δu为调节前的寻优步长矩阵，Δu’为调节后的寻优步长矩阵，Δu、Δu’、e为由各参数组成的矩阵，调节参数φ与ζ由选定的燃烧模型确定。

 

以上介绍了本发明的锅炉燃烧多约束多目标优化专家系统，本发明在揭示上述系统的同时，还揭示了上述系统的优化方法；请参阅图2至图3，所述方法包括如下步骤：

所述环境污染物监测系统、工业煤种分析模块获取DCS监测数据、工业煤种分析数据、环境监测数据，并将数据传输至平台通讯端口；

所述服务端程序对监测数据采集单元获取的数据进行初步处理，而后把更新的参数发送至自寻优系统的目标工况调节模块；

所述自寻优系统通过被动接收采集到的监测数据或主动问询环境污染物监测系统、工业煤种分析模块的运行信息，与系统内置的历史数据最优工作状态的状态参数集进行对比，查看设备是否处于最优状态；

所述自寻优系统基于历史数据库与燃烧模型库，通过对监测数据参数集和设备工况参数集与设备功率因素的函数关系进行分析，并将设备的多个约束因素整体考虑，最终得到设备整体最优的配置参数；

所述燃烧模型库根据模型输出配置参数，并将其传输至DCS；

所述DCS执行系统平台发出的控制指令，对设备运行状态进行调整。

 

综上所述，本发明提出的锅炉燃烧多约束多目标优化专家系统及其优化方法，可实现对锅炉燃烧热效率和污染物排放量的预测；同时根据燃烧模型库进行推理与查询，采用锅炉优化专家系统的智能算法，可寻找达到锅炉最佳工况的参数设置方案，进而通过DCS调节锅炉运行状态，实现锅炉燃烧的整体优化。

 

实施例二

本实施例与实施例一的区别在于，本实施例中，锅炉燃烧优化系统及方法用于控制其他燃料的锅炉。

 

这里本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例中。这里所披露的实施例的变形和改变是可能的，对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、比例，以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下，可以对这里所披露的实施例进行其它变形和改变。

Claims (9)

1.一种锅炉燃烧多约束多目标优化专家系统，用以优化锅炉的燃烧工况；其特征在于，其包括：

分布式控制系统DCS，用于获取锅炉的实时工况数据，并控制调节锅炉的工况参数；

工业煤种分析模块，用于分析燃烧用煤的成分及性质；

环境污染物监测系统，用于获取锅炉的环境污染物排放数据；

自寻优系统，用于根据实时工况数据与环境污染物排放数据在锅炉燃烧模型库中寻找最接近的成熟案例；

历史数据库，用于储存锅炉燃烧参数历史数据及对应的其他模块记录的历史数据；

锅炉燃烧模型库，包括若干锅炉的燃烧模型；

锅炉优化专家系统服务端程序，用于寻找达到锅炉目标工况的参数，并把调节后的工况参数输出至DCS；

人机界面，用于参数配置的输入与实时工况/历史报表的输出。

2.根据权利要求1所述的锅炉燃烧多约束多目标优化专家系统，其特征在于：

所述自寻优系统包括：

案例推理模块，用以根据DCS的工况数据与环境污染物监测系统的污染物排放数据，在所述锅炉燃烧模型库中的燃烧模型寻找最接近的成熟案例；

目标工况调节模块，用以根据上述最接近的成熟案例调节控制参数，寻找达到锅炉目标工况的参数。

3.根据权利要求2所述的锅炉燃烧多约束多目标优化专家系统，其特征在于：

所述案例推理模块包括

近似案例查询单元，用以根据DCS的工况数据与环境污染物监测系统的污染物排放数据，在所述锅炉燃烧模型库中的燃烧模型寻找最接近的成熟案例；

最优解案例保存单元，用以保存经过目标工况调节模块调节后得到的新的案例作为燃烧模型。

4.根据权利要求3所述的锅炉燃烧多约束多目标优化专家系统，其特征在于：

所述案例推理模块还包括成熟案例库更新单元，用以更新所述锅炉燃烧模型库中的现有燃烧模型的参数、或增加新的燃烧模型。

5.根据权利要求2所述的锅炉燃烧多约束多目标优化专家系统，其特征在于：

所述目标工况调节模块根据设置的目标调节锅炉的参数；

当寻优步长矩阵<寻优误差矩阵e时，结束调节过程，此时的配置被认为最优；

否则调节Δu’=φ×Δu+ζ；

其中，Δu为调节前的寻优步长矩阵，Δu’为调节后的寻优步长矩阵，Δu、Δu’、e为由各参数组成的矩阵，调节参数φ与ζ由选定的燃烧模型确定。

6.一种权利要求1至5任一所述锅炉燃烧多约束多目标优化专家系统的控制方法，其特征在于，所述方法包括如下步骤：

所述环境污染物监测系统、工业煤种分析模块获取DCS监测数据、工业煤种分析数据、环境监测数据，并将数据传输至平台通讯端口；

所述服务端程序对监测数据采集单元获取的数据进行初步处理，而后把更新的参数发送至自寻优系统的目标工况调节模块；

所述自寻优系统通过被动接收采集到的监测数据或主动问询环境污染物监测系统、工业煤种分析模块的运行信息，与系统内置的历史数据最优工作状态的状态参数集进行对比，查看设备是否处于最优状态；

所述自寻优系统基于历史数据库与燃烧模型库，通过对监测数据参数集和设备工况参数集与设备功率因素的函数关系进行分析，并将设备的多个约束因素整体考虑，最终得到设备整体最优的配置参数；

所述燃烧模型库根据模型输出配置参数，并将其传输至DCS；

所述DCS执行系统平台发出的控制指令，对设备运行状态进行调整。

7.根据权利要求6所述的燃烧优化方法，其特征在于：

所述自寻优系统包括：

案例推理模块，用以根据DCS的工况数据与环境污染物监测系统的污染物排放数据，在所述锅炉燃烧模型库中的燃烧模型寻找最接近的成熟案例；

目标工况调节模块，用以根据上述最接近的成熟案例调节工况参数，寻找达到锅炉目标工况的参数。

8.根据权利要求6所述的燃烧优化方法，其特征在于：

所述案例推理模块包括：

近似案例查询单元，用以根据DCS的工况数据与环境污染物监测系统的污染物排放数据，在所述锅炉燃烧模型库中的燃烧模型寻找最接近的成熟案例；

最优解案例保存单元，用以保存经过目标工况调节模块调节后得到的新案例作为燃烧模型；

所述案例推理模块包括成熟案例库更新单元，用以更新所述锅炉燃烧模型库中现有燃烧模型的参数，或增加新的燃烧模型。

9.根据权利要求6所述的燃烧优化方法，其特征在于：

所述目标工况调节模块根据设置的目标调节锅炉的参数；

当寻优步长矩阵<寻优误差矩阵e时，结束调节过程，此时的配置被认为最优；

否则调节Δu’=φ×Δu+ζ；

其中，Δu为调节前的寻优步长矩阵，Δu’为调节后的寻优步长矩阵，Δu、Δu’、e为由各参数组成的矩阵，调节参数φ与ζ由选定的燃烧模型确定。

Images