CN103699780B - 煤质参数在线计算的混沌优化方法 - Google Patents

Abstract

本发明公开了一种煤质参数在线计算的混沌优化方法，包括以下步骤：采集火电机组实时的给煤机给煤量、磨煤机入口一次风流量、磨煤机入口一次风温度、磨煤机出口风粉混合物温度、磨煤机功率等参数；设定中间未知变量排烟烟气中的二氧化碳气体容积、以干燥基成分计算的二氧化硫气体量、以干燥基成分计算的二氧化碳气体量等参数；采用混沌优化算法联合求解得到煤的干燥无灰基碳元素成分、煤的干燥无灰基氢元素成分、煤的干燥无灰基氧元素成分、煤的干燥无灰基氮元素成分、煤的干燥无灰基硫元素成分、收到基水分、收到基灰分及低位发热量。本发明利用混沌优化算法分析入炉煤元素和低位发热量的实时软测量技术，计算得到煤质的实时信息。

Description

煤质参数在线计算的混沌优化方法

【技术领域】

本发明属于火力发电技术领域，具体涉及一种煤质参数在线计算的混沌优化方法。

【背景技术】

目前，电厂入炉煤的元素成分分析采用实时射线测量、手动输入化验数据以及利用烟气成分分析元素成分的软测量等几种方法。然而，实时测量有辐射源，测量精度不高，手动输入化验数据不能实时反应机组的运行状况，而软测量中收到基灰分需要通过系统能量平衡分析，采用迭代计算进行校正，计算精度也不高。

【发明内容】

本发明的目的在于针对现有技术中的不足，提供了一种煤质参数在线计算的混沌优化方法，该方法利用混沌优化算法分析入炉煤元素和发热量的实时软测量技术，计算得到煤质的实时信息。

为实现上述目的，本发明采用如下技术方案：

煤质参数在线计算的混沌优化方法，包括以下步骤：

1)采集火电机组实时的给煤机给煤量M_m、磨煤机入口一次风流量M_f、磨煤机入口一次风温度t₁、磨煤机出口风粉混合物温度t₂、磨煤机功率W、磨煤机入口干燥剂比热C₁、磨煤机出口干燥剂比热C₂、冷空气比热C_lk、煤的干燥剂比热C_rd、漏入制粉系统中冷空气的温度t_lk、煤进入制粉系统时的温度t_r、磨煤机漏风系数K_lf、煤粉细度R₉₀、制粉系统的散热损失Q₅、磨煤机输入功率转化为热量的系数K_nm、排烟烟气中的二氧化硫气体容积排烟烟气中的氧气气体容积飞灰份额α_fh、飞灰含碳量C_fh、炉底渣份额α_dz及炉底渣含碳量C_dz；

2)设定中间未知变量排烟烟气中的二氧化碳气体容积以干燥基成分计算的二氧化硫气体量以干燥基成分计算的二氧化碳气体量以干燥基成分计算的氮气气体量以干燥基成分计算的氧气气体量以干燥基成分计算的空气气体量V_gk,daf、排烟过量空气系数α、未燃尽碳损失的修正量灰渣中的平均未燃尽碳含量C_ucr及用干燥无灰基元素含量表示的燃料特性系数β，结合步骤1)中采集的各个参数，得出计算煤的干燥无灰基碳元素成分C_daf、煤的干燥无灰基氢元素成分H_daf、煤的干燥无灰基氧元素成分O_daf、煤的干燥无灰基氮元素成分N_daf、煤的干燥无灰基硫元素成分S_daf、收到基水分M_ar、收到基灰分A_ar及低位发热量Q_r的计算公式如下：

$\begin{array}{c}{C}_1\frac{M_f}{M_m}{t}_1+K_{lf}\frac{M_f}{M_m}{C}_{lk}{t}_{lk}+K_{nm}\frac{W}{M_m}+(4.19\frac{M_{ar}}{100}+\frac{100-M_{ar}}{100}{C}_{rd})t_r=\\ \frac{M_{ar}-{0.048}_{ar}\frac{R_{90}}{t_2^{0.46}}}{100-0.048M_{ar}\frac{R_{90}}{t_2^{0.46}}}(2491+1.884t_2-4.19t_r)+(1+K_{lf})\frac{M_f}{M_m}{C}_2{t}_2\\ +\frac{Q_5}{M_m}+\frac{100-M_{ar}}{100}\[C_{rd}+4.19\frac{{0.048}_{ar}\frac{R_{90}}{t_2^{0.46}}}{100-0.048M_{ar}\frac{R_{90}}{t_2^{0.46}}}\](t_2-t_r)\end{array}---\left(1\right)$

$C_{daf}=53.59{\mathrm{\γ}}_{{\mathrm{CO}}_2}(V_{{\mathrm{SO}}_2,daf}+V_{{\mathrm{CO}}_2,daf}+V_{N_2,daf}+V_{O_2,daf})+{\mathrm{\Γ}}_{C_{ucr}}---\left(2\right)$

$H_{daf}=-52.867025+1.49843546C_{daf}-0.00961601C_{daf}^2---\left(3\right)$

$O_{daf}=202.276592-3.81184C_{daf}+0.01777704C_{daf}^2---\left(4\right)$

N_daf＝100-C_daf-H_daf-O_daf-S_daf (5)

$S_{daf}=142.86{\mathrm{\γ}}_{{\mathrm{SO}}_2}(V_{{\mathrm{SO}}_2,daf}+V_{{\mathrm{CO}}_2,daf}+V_{N_2,daf}+V_{O_2,daf})---\left(6\right)$

${\mathrm{\γ}}_{{\mathrm{SO}}_2}+{\mathrm{\γ}}_{{\mathrm{CO}}_2}=\frac{0.21-{\mathrm{\γ}}_{O_2}}{1+\mathrm{\β}}---\left(7\right)$

$\frac{32866A_{ar}}{Q_r}(\frac{{\mathrm{\α}}_{fh}{C}_{fh}}{100-C_{fh}}+\frac{{\mathrm{\α}}_{dz}{C}_{dz}}{100-C_{dz}})=100\frac{{\mathrm{\Γ}}_{C_{ucr}}}{C_{daf}}---\left(8\right)$

$\begin{array}{c}{Q}_R=\frac{339(100-M_{ar}-A_{ar})}{100}{C}_{daf}+\frac{1028(100-M_{ar}-A_{ar})}{100}{H}_{daf}\\ -\frac{109(100-M_{ar}-A_{ar})}{100}{O}_{daf}+\frac{109(100-M_{ar}-A_{ar})}{100}{S}_{daf}-25M_{ar}\end{array}---\left(9\right)$

$V_{{\mathrm{SO}}_2,daf}+V_{{\mathrm{CO}}_2,daf}=0.01866(C_{daf}+0.375S_{daf})-0.01866{\mathrm{\Γ}}_{C_{ucr}}---\left(10\right)$

$V_{N_2,daf}=0.008N_{daf}+(1-0.21){\mathrm{\αV}}_{gk,daf}---\left(11\right)$

$V_{O_2,daf}=0.21(\mathrm{\α}-1)V_{gk,daf}---\left(12\right)$

$V_{gk,daf}=0.0899(C_{daf}+0.375S_{daf})+0.265H_{daf}-0.0333O_{daf}-0.0899{\mathrm{\Γ}}_{C_{ucr}}---\left(13\right)$

$\mathrm{\α}=\frac{0.21(1-{\mathrm{\γ}}_{O_2})V_{gk,daf}+{\mathrm{\γ}}_{O_2}{V}_{{\mathrm{SO}}_2,daf}+{\mathrm{\γ}}_{O_2}{V}_{{\mathrm{CO}}_2,daf}+0.008{\mathrm{\γ}}_{O_2}{N}_{daf}}{(0.21-{\mathrm{\γ}}_{O_2})V_{gk,daf}}---\left(14\right)$

${\mathrm{\Γ}}_{C_{ucr}}=A_{ar}\frac{100C_{ucr}}{(100-M_{ar}-A_{ar})(100-C_{ucr})}---\left(15\right)$

C_ucr＝α_fhC_fh+α_dzC_dz (16)

$\mathrm{\β}=2.35\frac{H_{daf}-0.126O_{daf}+0.038N_{daf}}{C_{daf}-{\mathrm{\Γ}}_{C_{ucr}}+0.375S_{daf}}---\left(17\right)$

3)采用混沌优化算法联合求解上述公式(1)～(17)，得到煤的干燥无灰基碳元素成分C_daf、煤的干燥无灰基氢元素成分H_daf、煤的干燥无灰基氧元素成分O_daf、煤的干燥无灰基氮元素成分N_daf、煤的干燥无灰基硫元素成分S_daf、收到基水分M_ar、收到基灰分A_ar及低位发热量Q_r；其中，混沌优化算法中选用的混沌变量为：

$x_i^{n+1}={\mathrm{\μx}}_i^n(1-x_i^n),x_i^0\∈(0,1)---\left(18\right)$

其中，μ＝4，i＝1,2，…，8，n＝0，1，2，…，x₁表示煤的干燥无灰基碳元素成分C_daf、x₂表示煤的干燥无灰基氢元素成分H_daf、x₃表示煤的干燥无灰基氧元素成分O_daf、x₄表示煤的干燥无灰基氮元素成分N_daf、x₅表示煤的干燥无灰基硫元素成分S_daf、x₆表示收到基水分M_ar、x₇表示收到基灰分A_ar及x₈表示低位发热量Q_r，表示上述各个参数的初始值，并且，及均不相同；

混沌优化算法具体包括以下步骤：

a)选取各个参数的初始值；

b)将及带入公式(1)-(17)，并设公式(1)-(17)左右两边的差值分别为Δθ_j，j＝1……17；

c)如果成立，δ为一个设定的收敛值，混沌优化算法结束，否则，混沌优化算法进入下步骤；

d)令重复步骤b)和c)，直至

本发明进一步改进在于，步骤3)中，选取各个参数的初始值 及

本发明进一步改进在于，步骤3)中，μ的取值为4。

本发明进一步改进在于，步骤3)中，δ的取值为5。

与现有技术相比，本发明具有如下技术效果：

本发明一种煤质参数在线计算的混沌优化方法，其利用混沌优化算法分析入炉煤元素和发热量的实时软测量技术，计算得到煤质的实时信息，该方法不仅适用于直吹式制粉系统的锅炉，而且适用于中间储仓式制粉系统的锅炉，并且本发明对初值选择基本没有依赖性，技术安全可靠、投资少，不仅有利于锅炉的及时优化运行，同时也可应用节能调度能系统。

【具体实施方式】

下面结合具体实施例对本发明作进一步说明。

本发明主要通过实时采集火电机组主机(锅炉、汽轮机、发电机)及磨煤机、空气预热器等辅机的运行参数，利用混沌优化算法实时计算得到入炉煤元素成分和发热量。

本发明煤质参数在线计算的混沌优化方法，包括以下步骤：

1)采集火电机组实时的给煤机给煤量M_m、磨煤机入口一次风流量M_f、磨煤机入口一次风温度t₁、磨煤机出口风粉混合物温度t₂、磨煤机功率W、磨煤机入口干燥剂比热C₁、磨煤机出口干燥剂比热C₂、冷空气比热C_lk、煤的干燥剂比热C_rd、漏入制粉系统中冷空气的温度t_lk、煤进入制粉系统时的温度t_r、磨煤机漏风系数K_lf、煤粉细度R₉₀、制粉系统的散热损失Q₅、磨煤机输入功率转化为热量的系数K_nm、排烟烟气中的二氧化硫气体容积排烟烟气中的氧气气体容积飞灰份额α_fh、飞灰含碳量C_fh、炉底渣份额α_dz及炉底渣含碳量C_dz；

采集的数据如表1所示：

表1煤质实时计算所需参数

2)设定中间未知变量排烟烟气中的二氧化碳气体容积(％)、以干燥基成分计算的二氧化硫气体量(m³/kg)、以干燥基成分计算的二氧化碳气体量(m³/kg)、以干燥基成分计算的氮气气体量(m³/kg)、以干燥基成分计算的氧气气体量(m³/kg)、以干燥基成分计算的空气气体量V_gk,daf(m³/kg)、排烟过量空气系数α、未燃尽碳损失的修正量灰渣中的平均未燃尽碳含量C_ucr(％)及用干燥无灰基元素含量表示的燃料特性系数β，结合步骤1)中采集的各个参数，得出计算煤的干燥无灰基碳元素成分C_daf(％)煤的干燥无灰基氢元素成分H_daf(％)煤的干燥无灰基氧元素成分O_daf(％)煤的干燥无灰基氮元素成分N_daf(％)煤的干燥无灰基硫元素成分S_daf(％)收到基水分M_ar(％)收到基灰分A_ar(％)及低位发热量Q_r(％)的计算公式如下：

$\begin{array}{c}{C}_1\frac{M_f}{M_m}{t}_1+K_{lf}\frac{M_f}{M_m}{C}_{lk}{t}_{lk}+K_{nm}\frac{W}{M_m}+(4.19\frac{M_{ar}}{100}+\frac{100-M_{ar}}{100}{C}_{rd})t_r=\\ \frac{M_{ar}-{0.048}_{ar}\frac{R_{90}}{t_2^{0.46}}}{100-0.048M_{ar}\frac{R_{90}}{t_2^{0.46}}}(2491+1.884t_2-4.19t_r)+(1+K_{lf})\frac{M_f}{M_m}{C}_2{t}_2\\ +\frac{Q_5}{M_m}+\frac{100-M_{ar}}{100}\[C_{rd}+4.19\frac{{0.048}_{ar}\frac{R_{90}}{t_2^{0.46}}}{100-0.048M_{ar}\frac{R_{90}}{t_2^{0.46}}}\](t_2-t_r)\end{array}---\left(1\right)$

通过步骤1)中所提供的参数带入公式(1)中，计算得到收到基水分M_ar；

$C_{daf}=53.59{\mathrm{\γ}}_{{\mathrm{CO}}_2}(V_{{\mathrm{SO}}_2,daf}+V_{{\mathrm{CO}}_2,daf}+V_{N_2,daf}+V_{O_2,daf})+{\mathrm{\Γ}}_{C_{ucr}}---\left(2\right)$

$H_{daf}=-52.867025+1.49843546C_{daf}-0.00961601C_{daf}^2---\left(3\right)$

$O_{daf}=202.276592-3.81184C_{daf}+0.01777704C_{daf}^2---\left(4\right)$

N_daf＝100-C_daf-H_daf-O_daf-S_daf (5)

$S_{daf}=142.86{\mathrm{\γ}}_{{\mathrm{SO}}_2}(V_{{\mathrm{SO}}_2,daf}+V_{{\mathrm{CO}}_2,daf}+V_{N_2,daf}+V_{O_2,daf})---\left(6\right)$

${\mathrm{\γ}}_{{\mathrm{SO}}_2}+{\mathrm{\γ}}_{{\mathrm{CO}}_2}=\frac{0.21-{\mathrm{\γ}}_{O_2}}{1+\mathrm{\β}}---\left(7\right)$

公式(7)计算得到排烟烟气中的二氧化碳气体容积

$\frac{32866A_{ar}}{Q_r}(\frac{{\mathrm{\α}}_{fh}{C}_{fh}}{100-C_{fh}}+\frac{{\mathrm{\α}}_{dz}{C}_{dz}}{100-C_{dz}})=100\frac{{\mathrm{\Γ}}_{C_{ucr}}}{C_{daf}}---\left(8\right)$

公式(8)计算得到收到基灰分A_ar；

$\begin{array}{c}{Q}_R=\frac{339(100-M_{ar}-A_{ar})}{100}{C}_{daf}+\frac{1028(100-M_{ar}-A_{ar})}{100}{H}_{daf}\\ -\frac{109(100-M_{ar}-A_{ar})}{100}{O}_{daf}+\frac{109(100-M_{ar}-A_{ar})}{100}{S}_{daf}-25M_{ar}\end{array}---\left(9\right)$

公式(9)为门捷列夫公式，计算低位发热量Q_r；

$V_{{\mathrm{SO}}_2,daf}+V_{{\mathrm{CO}}_2,daf}=0.01866(C_{daf}+0.375S_{daf})-0.01866{\mathrm{\Γ}}_{C_{ucr}}---\left(10\right)$

$V_{N_2,daf}=0.008N_{daf}+(1-0.21){\mathrm{\αV}}_{gk,daf}---\left(11\right)$

$V_{O_2,daf}=0.21(\mathrm{\α}-1)V_{gk,daf}---\left(12\right)$

$V_{gk,daf}=0.0899(C_{daf}+0.375S_{daf})+0.265H_{daf}-0.0333O_{daf}-0.0899{\mathrm{\Γ}}_{C_{ucr}}---\left(13\right)$

$\mathrm{\α}=\frac{0.21(1-{\mathrm{\γ}}_{O_2})V_{gk,daf}+{\mathrm{\γ}}_{O_2}{V}_{{\mathrm{SO}}_2,daf}+{\mathrm{\γ}}_{O_2}{V}_{{\mathrm{CO}}_2,daf}+0.008{\mathrm{\γ}}_{O_2}{N}_{daf}}{(0.21-{\mathrm{\γ}}_{O_2})V_{gk,daf}}---\left(14\right)$

${\mathrm{\Γ}}_{C_{ucr}}=A_{ar}\frac{100C_{ucr}}{(100-M_{ar}-A_{ar})(100-C_{ucr})}---\left(15\right)$

C_ucr＝α_fhC_fh+α_dzC_dz (16)

$\mathrm{\β}=2.35\frac{H_{daf}-0.126O_{daf}+0.038N_{daf}}{C_{daf}-{\mathrm{\Γ}}_{C_{ucr}}+0.375S_{daf}}---\left(17\right)$

3)采用混沌优化算法联合求解上述公式(1)～(17)，得到煤的干燥无灰基碳元素成分C_daf、煤的干燥无灰基氢元素成分H_daf、煤的干燥无灰基氧元素成分O_daf、煤的干燥无灰基氮元素成分N_daf、煤的干燥无灰基硫元素成分S_daf、收到基水分M_ar、收到基灰分A_ar及低位发热量Q_r；其中，混沌优化算法中选用的混沌变量为：

$x_i^{n+1}={\mathrm{\μx}}_i^n(1-x_i^n),x_i^0\∈(0,1)---\left(18\right)$

其中，μ为logistic系数，此处μ＝4，i＝1,2，…，8，n为自然数，n＝0，1，2，…，x₁表示煤的干燥无灰基碳元素成分C_daf、x₂表示煤的干燥无灰基氢元素成分H_daf、x₃表示煤的干燥无灰基氧元素成分O_daf、x₄表示煤的干燥无灰基氮元素成分N_daf、x₅表示煤的干燥无灰基硫元素成分S_daf、x₆表示收到基水分M_ar、x₇表示收到基灰分A_ar及x₈表示低位发热量Q_r，表示上述各个参数的初始值，并且，及均不相同；

混沌优化算法具体包括以下步骤：

a)选取各个参数的初始值；

b)将各个参数的初始值 及带入公式(1)-(17)，并设公式(1)-(17)左右两边的差值分别为Δθ_j，j＝1……17；

c)如果成立，δ为一个设定的收敛值，此处取值为5，混沌优化算法结束，否则，混沌优化算法进入下步骤；

d)令重复步骤a)和b)，直至

4)通过混沌优化算法计算得出煤的干燥无灰基碳元素成分C_daf、煤的干燥无灰基氢元素成分H_daf、煤的干燥无灰基氧元素成分O_daf、煤的干燥无灰基氮元素成分N_daf、煤的干燥无灰基硫元素成分S_daf、收到基水分M_ar、收到基灰分A_ar及低位发热量Q_r后，再通过煤质成分不同基准的换算系数得到各元素的收到基，然后应用于实际工程中，其计算公式如下：

$C_{ar}=\frac{100-A_{ar}-M_{ar}}{100}{C}_{daf}---\left(19\right)$

$H_{ar}=\frac{100-A_{ar}-M_{ar}}{100}{H}_{daf}---\left(20\right)$

$O_{ar}=\frac{100-A_{ar}-M_{ar}}{100}{O}_{daf}---\left(21\right)$

$N_{ar}=\frac{100-A_{ar}-M_{ar}}{100}{N}_{daf}---\left(22\right)$

$S_{ar}=\frac{100-A_{ar}-M_{ar}}{100}{S}_{daf}---\left(23\right)$

式中：C_ar、H_ar、O_ar、N_ar、S_ar分别为煤质各元素的收到基。

本实施例中，具体计算结果展示如表2所示：

表2为煤质各元素分析及发热量结果

电厂所烧煤质的实际热值为20680，和计算热值相比误差为2.5％。满足工程实际需要。

综上所述，本发明为了使计算过程的稳定性不依赖初值的选择，适合在工程实际中应用，特选用混沌优化算法。其中，采用经典的牛顿-拉斐森方法对以上方程组求解时，发现对初值选取的依赖性较大，计算出的结果往往偏差很大，在工程中无法实用，改为采用混沌优化算法进行求解，发现对初值的选择基本没有依赖性，可以在工程中得到很好的应用。

Claims (4)

1.煤质参数在线计算的混沌优化方法，其特征在于，包括以下步骤：

1)采集火电机组实时的给煤机给煤量M_m、磨煤机入口一次风流量M_f、磨煤机入口一次风温度t₁、磨煤机出口风粉混合物温度t₂、磨煤机功率W、磨煤机入口干燥剂比热C₁、磨煤机出口干燥剂比热C₂、冷空气比热C_lk、煤的干燥剂比热C_rd、漏入制粉系统中冷空气的温度t_lk、煤进入制粉系统时的温度t_r、磨煤机漏风系数K_lf、煤粉细度R₉₀、制粉系统的散热损失Q₅、磨煤机输入功率转化为热量的系数K_nm、排烟烟气中的二氧化硫气体容积排烟烟气中的氧气气体容积飞灰份额α_fh、飞灰含碳量C_fh、炉底渣份额α_dz及炉底渣含碳量C_dz；

2)设定中间未知变量排烟烟气中的二氧化碳气体容积以干燥基成分计算的二氧化硫气体量以干燥基成分计算的二氧化碳气体量以干燥基成分计算的氮气气体量以干燥基成分计算的氧气气体量以干燥基成分计算的空气气体量V_gk,daf、排烟过量空气系数α、未燃尽碳损失的修正量灰渣中的平均未燃尽碳含量C_ucr及用干燥无灰基元素含量表示的燃料特性系数β，结合步骤1)中采集的各个参数，得出计算煤的干燥无灰基碳元素成分C_daf、煤的干燥无灰基氢元素成分H_daf、煤的干燥无灰基氧元素成分O_daf、煤的干燥无灰基氮元素成分N_daf、煤的干燥无灰基硫元素成分S_daf、收到基水分M_ar、收到基灰分A_ar及低位发热量Q_r的计算公式如下：

$\begin{array}{c}{C}_1\frac{M_f}{M_m}{t}_1+K_{lf}\frac{M_f}{M_m}{C}_{lk}{t}_{lk}+K_{nm}\frac{W}{M_m}+(4.19\frac{M_{ar}}{100}+\frac{100-M_{ar}}{100}{C}_{rd})t_r=\\ \frac{M_{ar}-0.048M_{ar}\frac{R_{90}}{t_2^{0.46}}}{100-0.048M_{ar}\frac{R_{90}}{t_2^{0.46}}}(2491+1.884t_2-4.19t_r)+(1+K_{lf})\frac{M_f}{M_m}{C}_2{t}_2\end{array}$

$+\frac{Q_5}{M_m}+\frac{100-M_{ar}}{100}\[C_{rd}+4.19\frac{0.048M_{ar}\frac{R_{90}}{t_2^{0.46}}}{100-0.048M_{ar}\frac{R_{90}}{t_2^{0.46}}}\](t_2-t_r)---\left(1\right)$

$C_{daf}=53.59{\mathrm{\γ}}_{CO2}(V_{{\mathrm{SO}}_2,daf}+V_{{\mathrm{CO}}_2,daf}+V_{N_2,daf}+V_{O_2,daf})+{\mathrm{\Γ}}_{C_{ucr}}---\left(2\right)$

$H_{daf}=-52.867025+1.49843546C_{daf}-0.00961601C_{daf}^2---\left(3\right)$

$O_{daf}=202.276592-3.81184C_{daf}+0.01777704C_{daf}^2---\left(4\right)$

N_daf＝100-C_daf-H_daf-O_daf-S_daf (5)

$S_{daf}=142.86{\mathrm{\γ}}_{{\mathrm{SO}}_2}(V_{{\mathrm{SO}}_2,daf}+V_{{\mathrm{CO}}_2,daf}+V_{N_2,daf}+V_{O_2,daf})---\left(6\right)$

${\mathrm{\γ}}_{{\mathrm{SO}}_2}+{\mathrm{\γ}}_{{\mathrm{CO}}_2}=\frac{0.21-{\mathrm{\γ}}_{O_2}}{1+\mathrm{\β}}---\left(7\right)$

$\frac{32866A_{ar}}{Q_r}(\frac{{\mathrm{\α}}_{fh}{C}_{fh}}{100-C_{fh}}+\frac{{\mathrm{\α}}_{dz}{C}_{dz}}{100-C_{dz}})=100\frac{{\mathrm{\Γ}}_{C_{ucr}}}{C_{daf}}---\left(8\right)$

$\begin{array}{c}{Q}_R=\frac{339(100-M_{ar}-A_{ar})}{100}{C}_{daf}+\frac{1028(100-M_{ar}-A_{ar})}{100}{H}_{daf}\\ -\frac{109(100-M_{ar}-A_{ar})}{100}{O}_{daf}+\frac{109(100-M_{ar}-A_{ar})}{100}{S}_{daf}-25M_{ar}\end{array}---\left(9\right)$

$V_{{\mathrm{SO}}_2,daf}+V_{{\mathrm{CO}}_2,daf}=0.01866(C_{daf}+0.375S_{daf})-0.01866{\mathrm{\Γ}}_{C_{ucr}}---\left(10\right)$

$V_{N_2,daf}=0.008N_{daf}+(1-0.21){\mathrm{\αV}}_{gk,daf}---\left(11\right)$

$V_{O_2,daf}=0.21(\mathrm{\α}-1)V_{gk,daf}---\left(12\right)$

$V_{gk,daf}=0.0899(C_{daf}+0.375S_{daf})+0.265H_{daf}-0.0333O_{daf}-0.0899{\mathrm{\Γ}}_{C_{ucr}}---\left(13\right)$

$\mathrm{\α}=\frac{0.21(1-{\mathrm{\γ}}_{O_2})V_{gk,daf}+{\mathrm{\γ}}_{O_2}{V}_{{\mathrm{SO}}_2,daf}+{\mathrm{\γ}}_{O_2}{V}_{{\mathrm{CO}}_2,daf}+0.008{\mathrm{\γ}}_{O_2}{N}_{daf}}{(0.21-{\mathrm{\γ}}_{O_2})V_{gk,daf}}---\left(14\right)$

${\mathrm{\Γ}}_{C_{ucr}}=A_{ar}\frac{100C_{ucr}}{(100-M_{ar}-A_{ar})(100-C_{ucr})}---\left(15\right)$

C_ucr＝α_fhC_fh+α_dzC_dz (16)

$\mathrm{\β}=2.35\frac{H_{daf}-0.126O_{daf}+0.038N_{daf}}{C_{daf}-{\mathrm{\Γ}}_{C_{ucr}}+0.375S_{daf}}---\left(17\right)$

3)采用混沌优化算法联合求解上述公式(1)～(17)，得到煤的干燥无灰基碳元素成分C_daf、煤的干燥无灰基氢元素成分H_daf、煤的干燥无灰基氧元素成分O_daf、煤的干燥无灰基氮元素成分N_daf、煤的干燥无灰基硫元素成分S_daf、收到基水分M_ar、收到基灰分A_ar及低位发热量Q_r；其中，混沌优化算法中选用的混沌变量为：

$x_i^{n+1}={\mathrm{\μx}}_i^n(1-x_i^n),x_i^0\∈(0,1)---\left(18\right)$

其中，μ为logistic系数，i＝1,2，…，8，n＝0，1，2，…，x₁表示煤的干燥无灰基碳元素成分C_daf、x₂表示煤的干燥无灰基氢元素成分H_daf、x₃表示煤的干燥无灰基氧元素成分O_daf、x₄表示煤的干燥无灰基氮元素成分N_daf、x₅表示煤的干燥无灰基硫元素成分S_daf、x₆表示收到基水分M_ar、x₇表示收到基灰分A_ar及x₈表示低位发热量Q_r，表示上述各个参数的初始值，并且， 及均不相同；

混沌优化算法具体包括以下步骤：

a)选取各个参数的初始值；

b)将及带入公式(1)-(17)，并设公式(1)-(17)左右两边的差值分别为Δθ_j，j＝1……17；

c)如果成立，δ为一个设定的收敛值，混沌优化算法结束，否则，混沌优化算法进入下步骤；

d)令n＝1，2，…，重复步骤b)和c)，直至

2.根据权利要求1所述的煤质参数在线计算的混沌优化方法，其特征在于，步骤3)中，选取各个参数的初始值 及

3.根据权利要求1所述的煤质参数在线计算的混沌优化方法，其特征在于，步骤3)中，μ的取值为4。

4.根据权利要求1所述的煤质参数在线计算的混沌优化方法，其特征在于，步骤3)中，δ的取值为5。