CN102799778A - 一种优化锅炉负荷分配方法 - Google Patents

一种优化锅炉负荷分配方法 Download PDF

Info

Publication number
CN102799778A
CN102799778A CN2012102450475A CN201210245047A CN102799778A CN 102799778 A CN102799778 A CN 102799778A CN 2012102450475 A CN2012102450475 A CN 2012102450475A CN 201210245047 A CN201210245047 A CN 201210245047A CN 102799778 A CN102799778 A CN 102799778A
Authority
CN
China
Prior art keywords
boiler
load
img
model
jpg
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012102450475A
Other languages
English (en)
Other versions
CN102799778B (zh
Inventor
王春林
葛铭
赖晓平
左燕
周绍生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiajin Huimeng Construction Engineering Co ltd
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201210245047.5A priority Critical patent/CN102799778B/zh
Publication of CN102799778A publication Critical patent/CN102799778A/zh
Application granted granted Critical
Publication of CN102799778B publication Critical patent/CN102799778B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Control Of Steam Boilers And Waste-Gas Boilers (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及一种优化锅炉负荷分配方法。目前还没有优化分配负荷的概念。本发明方法首先针对锅炉总台数为
Figure 2012102450475100004DEST_PATH_IMAGE002
()台的生产单位，分别采集各台锅炉生产过程中，负荷及与之相对应的锅炉效率数据，建立数据库，然后分别对每台锅炉采用支持向量机方法建模，建立各锅炉的负荷与各燃烧效率间的模型，共建立

Description

一种优化锅炉负荷分配方法
技术领域
本发明属于信息与控制技术领域，涉及一种优化锅炉负荷分配方法。
背景技术
锅炉负荷是影响锅炉燃烧效率的重要因素，一般燃煤锅炉在其他条件不变的情况下，燃烧效率与负荷(允许的负荷范围内)间的关系为一条单峰的类似抛物线形的曲线，因此存在效率最高的负荷点。对于锅炉总台数为                                               
Figure 2012102450475100002DEST_PATH_IMAGE002
(
Figure 2012102450475100002DEST_PATH_IMAGE004
)台的情况，在保证总负荷的条件下，可以提高总的锅炉效率，总效率的提高主要依靠负荷在各台锅炉上的分配情况。如果在各台锅炉上分配的负荷处于燃烧效率高的点，则各台锅炉燃烧效率能达到较高的水平，进而使总的锅炉效率达到在给定的负荷条件下最高。每台锅炉都有自己独特的燃烧效率与负荷间的关系曲线，因此进行提高总燃烧效率的负荷分配，首先要获得每台锅炉的燃烧效率与负荷间的特性关系，然后再进行总负荷的有效分配。然而，要获得较为准确的每台锅炉的燃烧效率与负荷间的特性关系，并在总负荷一定的情况下，为每台锅炉分配好负荷，并不是一件容易的事情。目前，还没有很好的解决方法。
实际生产中主要是靠工作人员经验，其目标也只是维持生产正常进行，并没有优化分配负荷的概念，因此其生产过程中燃烧效率还有很大的可提升空间。
发明内容
本发明的目的是针对多台负荷分配，提出一种优化锅炉负荷分配方法，优化内容兼顾了各台锅炉的燃烧效率和总燃烧效率的情况。
本发明方法通过数据挖掘，应用机器学习的方法，挖掘出各锅炉燃烧效率与负荷间的特性关系模型，再结合优化算法对负荷分配进行优化是非常有潜力的方法。如何使该方法真正达到生产实际的要求，是该技术的关键，主要难题包括，如何提高模型的预测和泛化能力，如何实现有约束条件的优化分配。
本发明的具体步骤是：
步骤(1).针对锅炉总台数为
Figure 911995DEST_PATH_IMAGE002
(
Figure 691732DEST_PATH_IMAGE004
)台的生产单位，分别采集各台锅炉生产过程中，负荷及与之相对应的锅炉效率数据，建立数据库；具体的锅炉运行负荷参数及相应得效率数据，通过锅炉实时运行数据库获取，或直接通过仪器设备测量采集；
步骤(2).分别对每台锅炉采用支持向量机方法建模，建立各锅炉的负荷与各燃烧效率间的模型，共建立
Figure 211575DEST_PATH_IMAGE002
个模型
Figure 2012102450475100002DEST_PATH_IMAGE006
；具体建模方法如下：
用于建模样本的输入参数及输出参数表示为
Figure 2012102450475100002DEST_PATH_IMAGE008
，其中表示第组作为输入数据的锅炉的运行负荷参数，表示第
Figure 524482DEST_PATH_IMAGE012
组作为输出参数的锅炉的燃烧效率，
Figure 2012102450475100002DEST_PATH_IMAGE016
为样本数量，以实际运行数据为基础，建立各台锅炉的负荷与燃烧效率间的模型。
采用支持向量机方法建模，支持向量机核函数选为径向基函数
Figure 2012102450475100002DEST_PATH_IMAGE018
参数σ为径向基函数的宽度，
Figure 2012102450475100002DEST_PATH_IMAGE020
为映射函数，设所求的目标函数为：
Figure 2012102450475100002DEST_PATH_IMAGE022
，为模型输出的锅炉燃烧状态的特征指标预测值，
Figure 2012102450475100002DEST_PATH_IMAGE026
为权重系数向量，
Figure 2012102450475100002DEST_PATH_IMAGE028
为截距。引入松弛因子ξ* i和ξi以及允许拟合误差ε，ξ* i≥0、ξi≥0，模型通过在约束：
Figure 2012102450475100002DEST_PATH_IMAGE030
Figure 2012102450475100002DEST_PATH_IMAGE032
，条件下，最小化：
Figure 2012102450475100002DEST_PATH_IMAGE034
获得，其中常数C为惩罚系数，C >0。该最小化问题为一个凸二次规划问题，引入拉格朗日函数：
     
其中
Figure 2012102450475100002DEST_PATH_IMAGE038
、
Figure 2012102450475100002DEST_PATH_IMAGE040
、、
Figure 2012102450475100002DEST_PATH_IMAGE044
为拉格朗日乘数，
Figure 162924DEST_PATH_IMAGE038
≥0、
Figure 492274DEST_PATH_IMAGE040
≥0、
Figure 753491DEST_PATH_IMAGE042
≥0、
Figure 422370DEST_PATH_IMAGE044
≥0。
在鞍点处，函数L是关于w、b、ξi、ξi *的极小点，也是
Figure 478050DEST_PATH_IMAGE038
、
Figure 294697DEST_PATH_IMAGE040
、
Figure 88166DEST_PATH_IMAGE042
、
Figure 673868DEST_PATH_IMAGE044
的极大点，最小化问题转化为求其对偶问题的最大化问题。
拉格朗日函数L在鞍点处是关于w、b、ξi、ξi *极小点，得：
Figure 2012102450475100002DEST_PATH_IMAGE046
                    
可得拉格朗日函数的对偶函数：
Figure 2012102450475100002DEST_PATH_IMAGE048
           
此时，
Figure 2012102450475100002DEST_PATH_IMAGE050
Figure 2012102450475100002DEST_PATH_IMAGE052
按照库恩-塔克(KKT)条件定理，在鞍点有下式成立：
Figure 2012102450475100002DEST_PATH_IMAGE054
Figure 2012102450475100002DEST_PATH_IMAGE056
             
由上式可见，α i ·α i * =0,α i 和α i * 都不会同时为非零，可得：
  
Figure 477614DEST_PATH_IMAGE032
从上式可求出b，获得模型。
步骤(3) 利用遗传优化算法，结合以上步骤(2)所建各锅炉负荷与燃烧效率模型，进行各锅炉负荷配置的优化，具体步骤如下：
a. 定义遗传算法初始群体
Figure 2012102450475100002DEST_PATH_IMAGE060
向量的各维分量，分别为各台锅炉的负荷；
b.设定遗传算法的搜索目标和迭代次数，搜索目标为各台锅炉的燃烧效率之和最高，即燃烧总效率最高；
c.根据各台锅炉的实际总负荷(各台锅炉的实际负荷之和，
Figure 2012102450475100002DEST_PATH_IMAGE064
，
Figure 2012102450475100002DEST_PATH_IMAGE066
为第
Figure 968507DEST_PATH_IMAGE012
台锅炉的实际负荷)和各台锅炉的允许最高总负荷
Figure 2012102450475100002DEST_PATH_IMAGE068
(各台锅炉的允许最高负荷之和，
Figure 2012102450475100002DEST_PATH_IMAGE070
，为第
Figure 430581DEST_PATH_IMAGE012
台锅炉的允许最高负荷)，设定各台锅炉负荷的寻优范围，设
Figure 2012102450475100002DEST_PATH_IMAGE074
为已初始化好的各台锅炉的总负荷(
Figure DEST_PATH_IMAGE076
,
Figure DEST_PATH_IMAGE078
为已初始化好的各台锅炉的初始化负荷)，当
Figure DEST_PATH_IMAGE080
时，
Figure DEST_PATH_IMAGE082
，(
Figure DEST_PATH_IMAGE084
为第
Figure DEST_PATH_IMAGE086
台锅炉的初始化负荷)第
Figure 516130DEST_PATH_IMAGE086
台锅炉之后各台锅炉负荷为0，否则第台锅炉负荷初始化区间为：
Figure DEST_PATH_IMAGE088
，在此区间上产生初的第台锅炉的负荷个体。依据以上的步骤初始化群体向量
Figure 845983DEST_PATH_IMAGE060
，并通过步骤(2)所建各锅炉负荷与燃烧效率模型，根据初始群体中各锅炉的负荷，获得各台锅炉在初始群体负荷下的燃烧效率，然后根据上一步设定的搜索目标，用遗传算法进行迭代计算，搜索最优负荷分配情况；
d.当遗传算法完成迭代次数或找到设定要求的最优时，停止计算获得相应最优的群体向量，即获得最优的各台锅炉的最优负荷分配。
多锅炉负荷优化分配对于提高燃烧效率，节能减排，非常有益，但是也存在一定难度。目前实际的生产过程中对各台锅炉负荷的分配，完全依据个人经验或简单的平均非赔，这种负荷分配情况下的燃烧效率有待提高。
本发明方法具体是针对锅炉总台数为
Figure 406277DEST_PATH_IMAGE002
(
Figure 240241DEST_PATH_IMAGE004
)台的生产单位，分别采集各台锅炉生产过程中，负荷及与之相对应的锅炉效率数据，利用数据挖掘技术和并行优化算法，针对每台锅炉的负荷与燃烧效率间关系，建立特性模型，结合寻优算法对各台锅炉的负荷分配优化，以达到最优的锅炉负荷分布的目标。本发明方法既可以在线优化也可以离线优化。
本发明方法通过各台锅炉燃烧效率和与之相对应的负荷数据采集，对每台锅炉负荷与燃烧效率，建立基于数据挖掘技术的模型，并结合并行的优化算法等手段，确立了一种多台锅炉的负荷优化分配方法，利用该方法可有效的在总负荷一定的情况，通过优化分配各台锅炉的负荷，提高总燃烧效率。
具体实施方式
一种优化锅炉负荷分配方法，具体是以下步骤：
(1)针对锅炉总台数为(
Figure 135702DEST_PATH_IMAGE004
)台的生产单位，分别采集各台锅炉生产过程中，负荷及与之相对应的锅炉效率数据，建立数据库；具体的锅炉运行负荷参数及相应得效率数据，可通过锅炉实时运行数据库获取，或直接通过仪器设备测量采集；
(2)分别对每台锅炉采用支持向量机方法建模，建立各锅炉的负荷与各燃烧效率间的模型，共建立
Figure 550502DEST_PATH_IMAGE002
个模型
Figure 555368DEST_PATH_IMAGE006
；具体建模方法如下：
用于建模样本的输入参数及输出参数表示为
Figure 55619DEST_PATH_IMAGE008
，其中表示第组作为输入数据的锅炉的运行负荷参数，
Figure 204467DEST_PATH_IMAGE014
表示第
Figure 192015DEST_PATH_IMAGE012
组作为输出参数的锅炉的燃烧效率，
Figure 416323DEST_PATH_IMAGE016
为样本数量，以实际运行数据为基础，建立各台锅炉的负荷与燃烧效率间的模型。
采用支持向量机方法建模，支持向量机核函数选为径向基函数
Figure 540137DEST_PATH_IMAGE018
参数“σ”为径向基函数的宽度，
Figure 886804DEST_PATH_IMAGE020
为映射函数，设所求的目标函数为：
Figure 299331DEST_PATH_IMAGE022
，
Figure 389647DEST_PATH_IMAGE024
为模型输出的锅炉燃烧状态的特征指标预测值，为权重系数向量，
Figure 885536DEST_PATH_IMAGE028
为截距。引入松弛因子ξ* i≥0和ξi≥0和允许拟合误差ε，模型可以通过在约束：
Figure 847676DEST_PATH_IMAGE030
，条件下，最小化：
Figure 777772DEST_PATH_IMAGE034
获得，其中常数C>0为惩罚系数。该最小化问题为一个凸二次规划问题，引入拉格朗日函数：
Figure 200663DEST_PATH_IMAGE036
     
其中：≥0, 
Figure DEST_PATH_IMAGE092
≥0,为拉格朗日乘数。
在鞍点处，函数L是关于w,b,ξi,ξi *的极小点，也是
Figure DEST_PATH_IMAGE094
极大点，最小化问题转化为求其对偶问题的最大化问题。
拉格朗日函数L在鞍点处是关于w,b,ξi,ξi *极小点，得：
Figure 774732DEST_PATH_IMAGE046
                    
可得拉格朗日函数的对偶函数：
Figure 206851DEST_PATH_IMAGE048
           
此时，
Figure 159763DEST_PATH_IMAGE050
按照库恩-塔克(KKT)条件定理，在鞍点有下式成立：
Figure 627971DEST_PATH_IMAGE054
Figure 869639DEST_PATH_IMAGE056
             
由上式可见，α i ·α i * =0,α i 和α i * 都不会同时为非零，可得：
  
Figure 972911DEST_PATH_IMAGE032
从上式可求出b，获得模型。
(3) 利用遗传优化算法，结合以上步骤(2)所建各锅炉负荷与燃烧效率模型，进行各锅炉负荷配置的优化，具体步骤如下：
a. 定义遗传算法初始群体
Figure 69043DEST_PATH_IMAGE060
向量的各维分量，分别为各台锅炉的负荷；
b.设定遗传算法的搜索目标和迭代次数，搜索目标为各台锅炉的燃烧效率之和最高，即燃烧总效率最高；
c. 根据各台锅炉的实际总负荷
Figure 842963DEST_PATH_IMAGE062
(各台锅炉的实际负荷之和，
Figure 770468DEST_PATH_IMAGE064
，为第
Figure 617387DEST_PATH_IMAGE012
台锅炉的实际负荷)和各台锅炉的允许最高总负荷
Figure 929420DEST_PATH_IMAGE068
(各台锅炉的允许最高负荷之和，
Figure 977010DEST_PATH_IMAGE070
，
Figure 349086DEST_PATH_IMAGE072
为第
Figure 482127DEST_PATH_IMAGE012
台锅炉的允许最高负荷)，设定各台锅炉负荷的寻优范围，设
Figure 597851DEST_PATH_IMAGE074
为已初始化好的各台锅炉的总负荷(
Figure 437631DEST_PATH_IMAGE076
,
Figure 980607DEST_PATH_IMAGE078
为已初始化好的各台锅炉的初始化负荷)，当
Figure 335365DEST_PATH_IMAGE080
时，
Figure 254780DEST_PATH_IMAGE082
，(为第
Figure 662944DEST_PATH_IMAGE086
台锅炉的初始化负荷)第
Figure 764718DEST_PATH_IMAGE086
台锅炉之后各台锅炉负荷为0，否则第
Figure 222245DEST_PATH_IMAGE012
台锅炉负荷初始化区间为：
Figure 833354DEST_PATH_IMAGE088
，在此区间上产生初的第
Figure 921396DEST_PATH_IMAGE086
台锅炉的负荷个体。依据以上的步骤初始化群体向量
Figure 250746DEST_PATH_IMAGE060
，并通过步骤(2)所建各锅炉负荷与燃烧效率模型，根据初始群体中各锅炉的负荷，获得各台锅炉在初始群体负荷下的燃烧效率，然后根据上一步设定的搜索目标，用遗传算法进行迭代计算，搜索最优负荷分配情况；
d.当遗传算法完成迭代次数或找到设定要求的最优时，停止计算获得相应最优的群体向量，即获得最优的各台锅炉的最优负荷分配。

Claims (1)

1. 一种优化锅炉负荷分配方法，其特征在于该方法的具体步骤是：
步骤(1).针对锅炉总台数为                                               
Figure 2012102450475100001DEST_PATH_IMAGE002
台的生产单位，分别采集各台锅炉生产过程中负荷及与之相对应的锅炉效率数据，建立数据库，
Figure 2012102450475100001DEST_PATH_IMAGE004
；
所述的负荷参数及相应得效率数据通过锅炉实时运行数据库获取，或直接通过仪器设备测量采集；
步骤(2).分别对每台锅炉采用支持向量机方法建模，建立各锅炉的负荷与各燃烧效率间的模型，共建立
Figure 959000DEST_PATH_IMAGE002
个模型
Figure 2012102450475100001DEST_PATH_IMAGE006
；具体建模方法如下：
用于建模样本的输入参数及输出参数表示为
Figure 2012102450475100001DEST_PATH_IMAGE008
，其中
Figure 2012102450475100001DEST_PATH_IMAGE010
表示第
Figure 2012102450475100001DEST_PATH_IMAGE012
组作为输入数据的锅炉的运行负荷参数，
Figure 2012102450475100001DEST_PATH_IMAGE014
表示第
Figure 673884DEST_PATH_IMAGE012
组作为输出参数的锅炉的燃烧效率，
Figure 2012102450475100001DEST_PATH_IMAGE016
为样本数量，以实际运行数据为基础，建立各台锅炉的负荷与燃烧效率间的模型；
采用支持向量机方法建模，支持向量机核函数选为径向基函数
参数σ为径向基函数的宽度，
Figure 2012102450475100001DEST_PATH_IMAGE020
为映射函数，设所求的目标函数为：
Figure 2012102450475100001DEST_PATH_IMAGE022
，
Figure 2012102450475100001DEST_PATH_IMAGE024
为模型输出的锅炉燃烧状态的特征指标预测值，
Figure 2012102450475100001DEST_PATH_IMAGE026
为权重系数向量，为截距；引入松弛因子ξ* i和ξi以及允许拟合误差ε，ξ* i≥0、ξi≥0，模型通过在约束：
Figure 2012102450475100001DEST_PATH_IMAGE030
Figure 2012102450475100001DEST_PATH_IMAGE032
，条件下，最小化：
Figure 2012102450475100001DEST_PATH_IMAGE034
获得，其中常数C为惩罚系数，C >0；该最小化问题为一个凸二次规划问题，引入拉格朗日函数：
Figure 2012102450475100001DEST_PATH_IMAGE036
     
其中
Figure 2012102450475100001DEST_PATH_IMAGE038
、
Figure 2012102450475100001DEST_PATH_IMAGE040
、、
Figure 2012102450475100001DEST_PATH_IMAGE044
为拉格朗日乘数，
Figure 811123DEST_PATH_IMAGE038
≥0、
Figure 627769DEST_PATH_IMAGE040
≥0、
Figure 427098DEST_PATH_IMAGE042
≥0、
Figure 12800DEST_PATH_IMAGE044
≥0；
在鞍点处，函数L是关于w、b、ξi、ξi *的极小点，也是
Figure 504961DEST_PATH_IMAGE038
、、
Figure 146344DEST_PATH_IMAGE042
、
Figure 789815DEST_PATH_IMAGE044
的极大点，最小化问题转化为求其对偶问题的最大化问题；
拉格朗日函数L在鞍点处是关于w、b、ξi、ξi *极小点，得：
                    
可得拉格朗日函数的对偶函数：
Figure 2012102450475100001DEST_PATH_IMAGE048
           
此时，
Figure 2012102450475100001DEST_PATH_IMAGE050
Figure 2012102450475100001DEST_PATH_IMAGE052
按照库恩-塔克(KKT)条件定理，在鞍点有下式成立：
Figure 2012102450475100001DEST_PATH_IMAGE054
             
由上式可见，α i ·α i * =0,α i 和α i * 都不会同时为非零，可得：
Figure 2012102450475100001DEST_PATH_IMAGE058
  
Figure 555340DEST_PATH_IMAGE032
从上式可求出b，获得模型；
步骤(3).利用遗传优化算法，结合以上步骤(2)所建各锅炉负荷与燃烧效率模型，进行各锅炉负荷配置的优化，具体步骤如下：
a. 定义遗传算法初始群体
Figure 2012102450475100001DEST_PATH_IMAGE060
向量的各维分量，分别为各台锅炉的负荷；
b.设定遗传算法的搜索目标和迭代次数，搜索目标为各台锅炉的燃烧效率之和最高，即燃烧总效率最高；
c.根据各台锅炉的实际总负荷和各台锅炉的允许最高总负荷
Figure 2012102450475100001DEST_PATH_IMAGE064
，当时，，为第
Figure 2012102450475100001DEST_PATH_IMAGE072
台锅炉的初始化负荷，第
Figure 658163DEST_PATH_IMAGE072
台锅炉之后各台锅炉负荷为0，否则第
Figure 799295DEST_PATH_IMAGE012
台锅炉负荷初始化区间为：，在此区间上产生初的第
Figure 421906DEST_PATH_IMAGE072
台锅炉的负荷个体；依据以上的步骤初始化群体向量
Figure 927974DEST_PATH_IMAGE060
，并通过步骤(2)所建各锅炉负荷与燃烧效率模型，根据初始群体中各锅炉的负荷，获得各台锅炉在初始群体负荷下的燃烧效率，然后根据步骤b设定的搜索目标，用遗传算法进行迭代计算，搜索最优负荷分配情况；
d.当遗传算法完成迭代次数或找到设定要求的最优时，停止计算获得相应最优的群体向量，即获得最优的各台锅炉的最优负荷分配。
CN201210245047.5A 2012-07-16 2012-07-16 一种优化锅炉负荷分配方法 Expired - Fee Related CN102799778B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210245047.5A CN102799778B (zh) 2012-07-16 2012-07-16 一种优化锅炉负荷分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210245047.5A CN102799778B (zh) 2012-07-16 2012-07-16 一种优化锅炉负荷分配方法

Publications (2)

Publication Number Publication Date
CN102799778A true CN102799778A (zh) 2012-11-28
CN102799778B CN102799778B (zh) 2016-06-22

Family

ID=47198886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210245047.5A Expired - Fee Related CN102799778B (zh) 2012-07-16 2012-07-16 一种优化锅炉负荷分配方法

Country Status (1)

Country Link
CN (1) CN102799778B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020447A (zh) * 2012-12-11 2013-04-03 富通集团有限公司 一种同轴电缆护套机优化运行的建模方法
CN103064370A (zh) * 2012-12-17 2013-04-24 富通集团有限公司 一种多同轴电缆护套机协同生产方法
CN104089269A (zh) * 2014-06-11 2014-10-08 河北华电石家庄热电有限公司 一种电站母管制机组锅炉负荷分配方法
CN104731038A (zh) * 2013-12-23 2015-06-24 上海西门子工业自动化有限公司 基于comos的过程控制系统机柜设计开发系统及开发方法
CN105868867A (zh) * 2016-04-25 2016-08-17 常州英集动力科技有限公司 一种供热锅炉集群优化运行方法及系统
CN109268808A (zh) * 2018-09-19 2019-01-25 新智能源系统控制有限责任公司 一种锅炉的群控方法和装置
CN111520740A (zh) * 2020-03-16 2020-08-11 杭州电子科技大学 一种多个多孔介质燃烧器协调优化运行的方法
CN111639793A (zh) * 2020-05-13 2020-09-08 新奥数能科技有限公司 一种锅炉群组调度优化方法及装置
CN111981505A (zh) * 2020-07-09 2020-11-24 北京建筑大学 一种低氮燃气锅炉增效与消白一体化供热系统及调控方法
CN112197262A (zh) * 2020-10-24 2021-01-08 四川泸天化创新研究院有限公司 一种循环流化床燃煤锅炉智能控制方法
CN115018221A (zh) * 2022-08-10 2022-09-06 浙江浩普智能科技有限公司 基于改进布谷鸟搜索算法的锅炉负荷分配方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101498457A (zh) * 2009-03-02 2009-08-05 杭州电子科技大学 一种锅炉燃烧优化的方法
CN101799848A (zh) * 2010-03-09 2010-08-11 江西省电力科学研究院 一种火电机组锅炉能损分析参数应达值获取方法
CN202032548U (zh) * 2011-04-02 2011-11-09 中国石油化工股份有限公司 母管制运行锅炉负荷自动分配控制系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101498457A (zh) * 2009-03-02 2009-08-05 杭州电子科技大学 一种锅炉燃烧优化的方法
CN101799848A (zh) * 2010-03-09 2010-08-11 江西省电力科学研究院 一种火电机组锅炉能损分析参数应达值获取方法
CN202032548U (zh) * 2011-04-02 2011-11-09 中国石油化工股份有限公司 母管制运行锅炉负荷自动分配控制系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
费洪晓等: "基于SVM与遗传算法的燃煤锅炉燃烧多目标优化系统", 《计算机应用研究》 *
高岩: "遗传算法及神经网络在锅炉负荷优化分配中的应用", 《北京理工大学学报》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020447B (zh) * 2012-12-11 2015-10-28 富通集团有限公司 一种同轴电缆护套机优化运行的建模方法
CN103020447A (zh) * 2012-12-11 2013-04-03 富通集团有限公司 一种同轴电缆护套机优化运行的建模方法
CN103064370A (zh) * 2012-12-17 2013-04-24 富通集团有限公司 一种多同轴电缆护套机协同生产方法
CN103064370B (zh) * 2012-12-17 2015-05-06 富通集团有限公司 一种多同轴电缆护套机协同生产方法
CN104731038B (zh) * 2013-12-23 2017-10-13 西门子工厂自动化工程有限公司 基于comos的过程控制系统机柜设计开发系统及开发方法
CN104731038A (zh) * 2013-12-23 2015-06-24 上海西门子工业自动化有限公司 基于comos的过程控制系统机柜设计开发系统及开发方法
CN104089269B (zh) * 2014-06-11 2016-02-03 河北华电石家庄热电有限公司 一种电站母管制机组锅炉负荷分配方法
CN104089269A (zh) * 2014-06-11 2014-10-08 河北华电石家庄热电有限公司 一种电站母管制机组锅炉负荷分配方法
CN105868867A (zh) * 2016-04-25 2016-08-17 常州英集动力科技有限公司 一种供热锅炉集群优化运行方法及系统
CN105868867B (zh) * 2016-04-25 2019-11-05 常州英集动力科技有限公司 一种供热锅炉集群优化运行方法
CN109268808A (zh) * 2018-09-19 2019-01-25 新智能源系统控制有限责任公司 一种锅炉的群控方法和装置
CN111520740A (zh) * 2020-03-16 2020-08-11 杭州电子科技大学 一种多个多孔介质燃烧器协调优化运行的方法
CN111639793A (zh) * 2020-05-13 2020-09-08 新奥数能科技有限公司 一种锅炉群组调度优化方法及装置
CN111981505A (zh) * 2020-07-09 2020-11-24 北京建筑大学 一种低氮燃气锅炉增效与消白一体化供热系统及调控方法
CN112197262A (zh) * 2020-10-24 2021-01-08 四川泸天化创新研究院有限公司 一种循环流化床燃煤锅炉智能控制方法
CN112197262B (zh) * 2020-10-24 2023-06-27 四川泸天化创新研究院有限公司 一种循环流化床燃煤锅炉智能控制方法
CN115018221A (zh) * 2022-08-10 2022-09-06 浙江浩普智能科技有限公司 基于改进布谷鸟搜索算法的锅炉负荷分配方法及系统
CN115018221B (zh) * 2022-08-10 2022-11-11 浙江浩普智能科技有限公司 基于改进布谷鸟搜索算法的锅炉负荷分配方法及系统

Also Published As

Publication number Publication date
CN102799778B (zh) 2016-06-22

Similar Documents

Publication Publication Date Title
CN102799778A (zh) 一种优化锅炉负荷分配方法
Yu et al. The achievement of the carbon emissions peak in China: The role of energy consumption structure optimization
CN107301472B (zh) 基于场景分析法和电压调节策略的分布式光伏规划方法
Yuan et al. Stochastic optimization model for the short-term joint operation of photovoltaic power and hydropower plants based on chance-constrained programming
Yuan et al. An extended NSGA-III for solution multi-objective hydro-thermal-wind scheduling considering wind power cost
CN110620397B (zh) 一种高比例可再生能源电力系统的调峰平衡评估方法
Zhu et al. A coordinated optimization framework for long-term complementary operation of a large-scale hydro-photovoltaic hybrid system: Nonlinear modeling, multi-objective optimization and robust decision-making
CN105305468B (zh) 基于粒子群算法的火力发电机组一次调频参数优化方法
CN106372756A (zh) 一种基于繁殖粒子群算法的火电厂负荷优化分配方法
CN102222128B (zh) 一种废塑料炼油燃烧优化的方法
CN109345012A (zh) 基于综合评价指标的园区能源互联网运行优化方法
CN102842066A (zh) 一种生物质炉燃烧优化的建模方法
CN102130454A (zh) 基于计算机辅助设计的电力系统动态稳定控制方法及系统
CN103795088B (zh) 一种基于负荷曲线量化的抽水蓄能电站优化调度方法
Sun et al. Can Chinese cities reach their carbon peaks on time? Scenario analysis based on machine learning and LMDI decomposition
CN106096183B (zh) 一种基于特征线法的多重并行方法
CN112508281B (zh) 一种用于电力中长期交易的时序滚动统筹优化方法
CN114201858A (zh) 一种新能源实时电价的定价方法
EP4354369A1 (en) Control method and apparatus for dual carbon, electronic device, storage medium, and program product
CN110970939B (zh) 一种分布式能源集群优化方法及系统
Singh et al. Enhancement of available transfer capability using TCSC with hybridized model: Combining lion and moth flame algorithms
Wang et al. Multi‐objective expansion planning of park‐level integrated energy system considering the volatility trend of CETP
Huang et al. Coordinated planning method considering flexible resources of active distribution network and soft open point integrated with energy storage system
CN115758763A (zh) 一种计及源荷不确定性的多能流系统优化配置方法及系统
CN104331748A (zh) 一种预测规划目标年风电场群持续功率曲线的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20201210

Address after: Room 3003-1, building 1, Gaode land center, Jianggan District, Hangzhou City, Zhejiang Province

Patentee after: Zhejiang Zhiduo Network Technology Co.,Ltd.

Address before: 310018 No. 2 street, Xiasha Higher Education Zone, Hangzhou, Zhejiang

Patentee before: HANGZHOU DIANZI University

Effective date of registration: 20201210

Address after: 314051 3423, floor 3, building 1, No. 608, Chuangye Road, Nanhu street, Nanhu District, Jiaxing City, Zhejiang Province

Patentee after: Jiaxing Gonghu New Material Technology Co.,Ltd.

Address before: Room 3003-1, building 1, Gaode land center, Jianggan District, Hangzhou City, Zhejiang Province

Patentee before: Zhejiang Zhiduo Network Technology Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20201228

Address after: 25361200 Jianshe street, Xiajin County, Dezhou City, Shandong Province

Patentee after: Xiajin Huimeng Construction Engineering Co.,Ltd.

Address before: 314051 3423, floor 3, building 1, No. 608, Chuangye Road, Nanhu street, Nanhu District, Jiaxing City, Zhejiang Province

Patentee before: Jiaxing Gonghu New Material Technology Co.,Ltd.

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160622