CN103744294B - 基于模糊控制的多目标吹灰优化方法、服务器和系统 - Google Patents
基于模糊控制的多目标吹灰优化方法、服务器和系统 Download PDFInfo
- Publication number
- CN103744294B CN103744294B CN201410040120.4A CN201410040120A CN103744294B CN 103744294 B CN103744294 B CN 103744294B CN 201410040120 A CN201410040120 A CN 201410040120A CN 103744294 B CN103744294 B CN 103744294B
- Authority
- CN
- China
- Prior art keywords
- fuzzy control
- factor
- grey
- blowing
- recruitment
- 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.)
- Active
Links
- 238000007664 blowing Methods 0.000 title claims abstract description 103
- 239000004071 soot Substances 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000007115 recruitment Effects 0.000 claims abstract description 113
- 238000011002 quantification Methods 0.000 claims abstract description 74
- 238000010438 heat treatment Methods 0.000 claims abstract description 66
- 238000004140 cleaning Methods 0.000 claims abstract description 60
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 60
- 235000019504 cigarettes Nutrition 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 14
- 239000000428 dust Substances 0.000 claims description 13
- 238000013517 stratification Methods 0.000 claims description 12
- 239000007789 gas Substances 0.000 claims description 9
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 7
- 239000003546 flue gas Substances 0.000 claims description 7
- 230000004907 flux Effects 0.000 claims description 7
- 239000007921 spray Substances 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 230000006870 function Effects 0.000 description 10
- 238000010977 unit operation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000153 supplemental effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005303 weighing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 108091092584 GDNA Proteins 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开一种基于模糊控制的多目标吹灰优化方法、服务器和系统。其中根据实时采集到的现场数据，确定受热面的清洁因子、时间积分因子和对应的第一补充因子和第二补充因子；分别将清洁因子、时间积分因子、第一补充因子和第二补充因子转换为模糊论域中的量化等级；由清洁因子量化等级、时间积分因子量化等级确定第一吹灰模糊控制模型的输出；由第一补充因子量化等级、第二补充因子量化等级确定第二吹灰模糊控制模型的输出；由第一模糊控制输出、第二模糊控制输出确定第三吹灰模糊控制模型的输出，以得到相对应的吹灰置信度；将吹灰指令发送给PLC控制器，以便PLC控制器根据吹灰指令进行相应的吹灰操作。从而实现对吹灰进行有效控制。
Description
技术领域
本发明涉及煤粉锅炉节能改造及信息控制领域，特别涉及一种基于模糊控制的多目标吹灰优化方法、服务器和系统。
背景技术
我国燃煤电站锅炉用煤的含灰量和含硫量均较高，容易形成受热面的玷污和积灰。积灰使受热面传热热阻增加、热交换恶化，使得传热效率降低。一般而言，与清洁状况相比，受到污染后锅炉效率将降低1%-2.5%，排烟温度升高十几度。因此对受热面吹扫是一种有效避免严重积灰或结渣的技术措施。
自20世纪70年代以来，随着计算机技术和硬件监测手段的发展，国内外已探索出多种吹灰优化方法。美国Lehigh大学利用热平衡、烟气温度测量、管壁温度和热流计测量等方法对灰污情况进行监测，提出不同优化目标的吹灰策略方案。华北电力大学自1997年开始承担国家电力公司重点科技项目，在国内率先进行了燃煤电站锅炉受热面污染监测理论与实践的研究工作。此外，重庆大学提出用人工神经网络法诊断电站锅炉受热面污染部位，但尚未见到在实践中得到验证的报道。华北电力大学另一个研究方面基于灰污热阻的定义式和换热管的微元分析，提出了新的在线监测模型，但其研究成果主要应用于管内积灰，对于电站锅炉来说，只有管式空气预热器为主要应用对象。
现阶段的吹灰优化指导系统往往只是通过某一个综合参数（如清洁因子）或几个参数，对受热面积灰污染状态进行监测，常用的建模方法有热平衡计算方法或神经网络法等。以上方法在建模过程中需要遵循一些比较苛刻的假设，而在应用中这些假设往往与电厂的实际状况不符。同时上述方法没有综合考虑影响吹灰的其他因素，对吹灰成本、锅炉汽温、锅炉效率等其他运行因素考虑较少。因此它们得到的吹灰的判定结果无法与实际的吹灰需要达成一致。
由于吹灰相关因素的不确定性、复杂性和耦合性，试图建立一个精确的计算模型是十分困难的。对于锅炉受热面来说，何种程度为“脏”，何种程度为“干净”，本身就是一个模糊的概念，并无明确的界限，均为人为事先划定，因此无法对吹灰进行有效控制。
发明内容
本发明实施例提供一种基于模糊控制的多目标吹灰优化方法、服务器和系统。通过从电厂的实际情况出发，综合考虑受热面灰污状态以实现基于模糊控制的多目标吹灰优化，提高机组运行的经济性和安全性。
根据本发明的一个方面，提供一种基于模糊控制的多目标吹灰优化方法，包括：
根据实时采集到的现场数据，确定受热面的清洁因子、时间积分因子和对应的第一补充因子和第二补充因子，其中清洁因子与受热面的受污染程度相关联，时间积分因子与受热面的积灰速率相关联，第一补充因子与烟气温度相关联，第二补充因子与锅炉效率相关联；
分别将清洁因子、时间积分因子、第一补充因子和第二补充因子转换为模糊论域中的量化等级；
将清洁因子量化等级、时间积分因子量化等级输入预先设定的第一吹灰模糊控制模型，对第一吹灰模糊控制模型进行解算，以得到相对应的第一模糊控制输出信息；
将第一补充因子量化等级、第二补充因子量化等级输入预先设定的第二吹灰模糊控制模型，对第二吹灰模糊控制模型进行解算，以得到相对应的第二模糊控制输出信息；
将第一模糊控制输出信息、第二模糊控制输出信息输入预先设定的第三吹灰模糊控制模型，对吹灰模糊控制模型进行解算，以得到相对应的吹灰置信度；
将吹灰指令发送给PLC控制器，以便PLC控制器根据吹灰指令进行相应的吹灰操作。
在一个实施例中，清洁因子CF=ksj/klx，其中ksj为实际传热系数，klx为理想传热系数。
在一个实施例中，对于高温区受热面，第一补充因子为受热面出口烟温，第二补充因子为减温水量。
在一个实施例中，对于低温区受热面，第一补充因子为转向室烟温，第二补充因子为排烟温度。
在一个实施例中，在第一吹灰模糊控制模型中，清洁因子量化等级的权重大于时间积分因子量化等级的权重。
在一个实施例中，在第二吹灰模糊控制模型中，第一补充因子量化等级的权重大于第二补充因子量化等级的权重。
在一个实施例中，在第三吹灰模糊控制模型中，第一模糊控制输出信息的权重等于第二模糊控制输出信息的权重。
根据本发明的另一方面，提供一种基于模糊控制的多目标吹灰优化服务器，包括数据接收单元、清洁因子确定单元、时间积分因子确定单元、补充因子确定单元、转换单元、第一解算单元、第二解算单元、第三解算单元、指令生成单元和指令发送单元，其中：
数据接收单元，用于接收数据采集装置实时采集的现场数据；
清洁因子确定单元，用于根据实时采集到的现场数据确定受热面的清洁因子，其中清洁因子与受热面的受污染程度相关联；
时间积分因子确定单元，用于根据实时采集到的现场数据确定时间积分因子，其中时间积分因子与受热面的积灰速率相关联；
补充因子确定单元，用于根据实时采集到的现场数据确定对应的第一补充因子和第二补充因子，其中第一补充因子与烟气温度相关联，第二补充因子与锅炉效率相关联；
转换单元，用于分别将清洁因子、时间积分因子、第一补充因子和第二补充因子转换为模糊论域中的量化等级；
第一解算单元，用于将清洁因子量化等级、时间积分因子量化等级输入预先设定的第一吹灰模糊控制模型，对第一吹灰模糊控制模型进行解算，以得到相对应的第一模糊控制输出信息；
第二解算单元，用于将第一补充因子量化等级、第二补充因子量化等级输入预先设定的第二吹灰模糊控制模型，对第二吹灰模糊控制模型进行解算，以得到相对应的第二模糊控制输出信息；
第三解算单元，用于将第一模糊控制输出信息、第二模糊控制输出信息输入预先设定的第三吹灰模糊控制模型，对吹灰模糊控制模型进行解算，以得到相对应的吹灰置信度；
指令生成单元，用于根据吹灰置信度生成对应的吹灰指令；
指令发送单元，用于将吹灰指令发送给PLC控制器，以便PLC控制器根据吹灰指令进行相应的吹灰操作。
在一个实施例中，清洁因子确定单元具体利用公式CF=ksj/klx计算清洁因子，其中ksj为实际传热系数，klx为理想传热系数。
在一个实施例中，对于高温区受热面，第一补充因子为受热面出口烟温，第二补充因子为减温水量。
在一个实施例中，对于低温区受热面，第一补充因子为转向室烟温，第二补充因子为排烟温度。
在一个实施例中，在第一吹灰模糊控制模型中，清洁因子量化等级的权重大于时间积分因子量化等级的权重。
在一个实施例中，在第二吹灰模糊控制模型中，第一补充因子量化等级的权重大于第二补充因子量化等级的权重。
在一个实施例中，在第三吹灰模糊控制模型中，第一模糊控制输出信息的权重等于第二模糊控制输出信息的权重。
根据本发明的另一方面，提供一种基于模糊控制的多目标吹灰优化系统，包括数据采集装置、吹灰优化服务器和PLC控制器，其中：
数据采集装置，用于实时采集现场数据，并将采集的现场数据发送给智能吹灰服务器；
吹灰优化服务器，为上述任一实施例涉及的吹灰优化服务器；
PLC控制器，用于根据智能吹灰服务器发送的吹灰指令进行相应的吹灰操作。
本发明通过以清洁因子、时间积分因子和相关补充因子作为吹灰模糊控制模型的输入，以受热面污染程度为主综合考虑机组运行的安全性和经济性为原则建立模糊控制规则和吹灰模糊控制模型。最终给出各受热面的吹灰置信度，并将相应的吹灰指令发送给PLC控制器，以便控制器依据指令进行相应的吹灰操作。从而对吹灰进行有效控制，提高机组运行的经济性和安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于模糊控制的多目标吹灰优化方法一个实施例的示意图。
图2为本发明基于模糊控制的多目标吹灰优化服务器一个实施例的示意图。
图3为本发明基于模糊控制的多目标吹灰优化系统一个实施例的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1为本发明基于模糊控制的多目标吹灰优化方法一个实施例的示意图。优选的，本实施例的方法步骤可由多目标吹灰优化服务器执行。
步骤101，根据实时采集到的现场数据，确定受热面的清洁因子、时间积分因子和对应的第一补充因子和第二补充因子。
其中清洁因子与受热面的受污染程度相关联，时间积分因子与受热面的积灰速率相关联，第一补充因子与烟气温度相关联，第二补充因子与锅炉效率相关联。
在一个实施例中，清洁因子可以为CF=ksj/klx，其中CF为无量纲系数，ksj为实际传热系数（W/m2·℃），klx为理想传热系数（W/m2·℃）。
优选的，对于高温区受热面，第一补充因子可为受热面出口烟温，第二补充因子可为减温水量。对于低温区受热面，第一补充因子可为转向室烟温，第二补充因子可为排烟温度。
步骤102，分别将清洁因子、时间积分因子、第一补充因子和第二补充因子转换为模糊论域中的量化等级。
步骤103，将清洁因子量化等级、时间积分因子量化等级输入预先设定的第一吹灰模糊控制模型，对第一吹灰模糊控制模型进行解算，以得到相对应的第一模糊控制输出信息。
优选的，在第一吹灰模糊控制模型中，清洁因子量化等级的权重大于时间积分因子量化等级的权重。
步骤104，将第一补充因子量化等级、第二补充因子量化等级输入预先设定的第二吹灰模糊控制模型，对第二吹灰模糊控制模型进行解算，以得到相对应的第二模糊控制输出信息。
优选的，在第二吹灰模糊控制模型中，第一补充因子量化等级的权重大于第二补充因子量化等级的权重。
步骤105，将第一模糊控制输出信息、第二模糊控制输出信息输入预先设定的第三吹灰模糊控制模型，对吹灰模糊控制模型进行解算，以得到相对应的吹灰置信度。其中，吹灰置信度越大则受热面需要吹灰的倾向越大。
优选的，在第三吹灰模糊控制模型中，第一模糊控制输出信息的权重等于第二模糊控制输出信息的权重。
步骤106，将吹灰指令发送给PLC控制器（ProgrammableLogicController，可编程逻辑控制器），以便PLC控制器根据吹灰指令进行相应的吹灰操作。
基于本发明上述实施例提供的基于模糊控制的多目标吹灰优化方法，通过以清洁因子、时间积分因子和相关补充因子作为吹灰模糊控制模型的输入，以受热面污染程度为主综合考虑机组运行的安全性和经济性为原则建立模糊控制规则和吹灰模糊控制模型。最终给出各受热面的吹灰置信度，并将相应的吹灰指令发送给PLC控制器，以便控制器依据指令进行相应的吹灰操作。从而对吹灰进行有效控制，提高机组运行的经济性和安全性。
下面对清洁因子、时间积分因子、第一补充因子和第二补充因子转换为模糊论域中的量化等级进行具体说明。
模糊控制规则是由若干语言变量构成的模糊条件语句，它们反映了人类的某种思维方式。在控制参数模糊化前，首先确定其基本语言值。作为一个实施例，对于输入和输出参数皆定义5个语言变量N，NM，O，PM，P。其中：
N-“低”，表示参数值很低。
NM-“中低”，表示参数值较低。
O-“中”，表示参数值正常。
PM-“中高”，表示参数值较高。
P-“高”，表示参数很高。
其次，众所周知，任何物理系统的信号总是有界的。在模糊控制系统中，这个有限界一般称为该变量的基本论域，它是实际系统的变化范围。各输入参数的基本论域由电厂实际运行数据整定得出，例如它们的量化等级为7级，模糊论域为[-3，3]，模糊子集为[N，NM，O，PM，P]。输出参数吹灰置信度的基本论域为[0，1]，量化等级为7级，模糊论域为[-3，3]，模糊子集为[N，NM，O，PM，P]。
隶属函数就是在一定论域到[0，1]上的映射，用来反映某个对象具有某个模糊性质或属于某个模糊概念的程度，每个参数中每一模糊子集进行隶属函数的求取的方法如下：
i.对于每个参数中每一模糊子集进行隶属函数的求取
·给出一个基础论域范围内的值。
·选定几个语言真值，并对应隶属度，如“真的”：1；“大致真的”：0.75；“似真又似假的”：0.5；“大致假的”：0.25；“假的”：0。
·对几个具有代表性的数值为样本分别进行询问，得到该模糊子集的隶属函数的形状。
·将得到的隶属函数形状与几种常用的便于编程实现的隶属函数曲线进行比拟，选定隶属函数。
经过该机组大量历史数据的分析验证，各个输入、输出参数的隶属函数皆采用高斯函数。
ii.对基础论域进行量化等级处理
该处理的目的是将基础论域上连续的点离散，将几个参数范围转化为论域范围，然后通过已经求得的隶属函数求取各量化等级对应各模糊子集的隶属度，即可完成精确量的模糊化，具体的转换公式如下：
如果精确量x的实际变量范围为[a，b]，将[a，b]区间的精确变量转换为[-m，m]区间变化的变量y，采用如下公式：
y=2m[x-(a+b)/2]/(b-a)
例如，这里采用的量化范围为[-3，3]，即上式中的m取为3。
吹灰模糊模型的核心是建立完整的模糊规则，模糊规则反映了模糊输入量与模型对象间的非线性关系，从而将难以用解析模型精确描述的积灰模型表达出来。建立吹灰模糊控制规则的原则为：以受热面实际污染程度为主，综合考虑安全生产、设备状况等因素，确定合理的吹灰频率。
对模糊控制规则而言，因素增加意味着规则也需要相应的增加。如此，当输入因素增加的一定程度后可能面临几何倍数增长的规则条目，给规则的工程应用带来一定问题。为了使吹灰模糊控制模型的规则清晰简单，便于工程实施，并能灵活地调整各个输入因素对输出因素的影响权重，本模型采用了多层吹灰模糊控制模型。
首先，将清洁因子量化等级、时间积分因子量化等级输入预先设定的2输入1输出的第一吹灰模糊控制模型，第一吹灰模糊控制模型采用的是ALPHA_1规则表，ALPHA_1规则表如表1所示。优选的，清洁因子对输出的影响权重较大。
表1
其次，将第一补充因子量化等级、第二补充因子量化等级输入预先设定的2输入1输出的第二吹灰模糊控制模型。例如，对于前屏等高温区受热面，选取的第一补充因子为受热面出口烟温，第二补充因子为减温水量。对于低温过热器等低温区受热面，选取的第一补充因子为转向室烟温，第二补充因子为排烟温度。第二吹灰模糊控制模型采用的是ALPHA_2规则表，如表2所示，其中第一补充因子对输出的影响权重较大。
表2
再次，将第一模糊控制输出信息、第二模糊控制输出信息输入预先设定的2输入1输出的第三吹灰模糊控制模型，第三吹灰模糊控制模型采用的是ALPHA_3规则表，如表3所示，其中两个输入因素的权重相等，进而得到了最终输出，即受热面的吹灰置信度。
表3
这里，模糊推理和去模糊化方法可为Mamdani推理法。推理的输出结果是吹灰的置信度。这里可以利用阈值进行吹灰判断，即设定一个阈值，用实时得到的吹灰置信度值与其进行比较，当吹灰置信度值大于该值时，发出吹灰指令。吹灰阈值的设定，根据前期离线测试，综合考虑各种条件下受热面的正常吹灰时间进行调整确定。
图2为本发明基于模糊控制的多目标吹灰优化服务器一个实施例的示意图。如图2所示，该服务器可包括数据接收单元201、清洁因子确定单元202、时间积分因子确定单元203、补充因子确定单元204、转换单元205、第一解算单元206、第二解算单元207、第三解算单元208、指令生成单元209和指令发送单元210。其中：
数据接收单元201，用于接收数据采集装置实时采集的现场数据。
清洁因子确定单元202，用于根据实时采集到的现场数据确定受热面的清洁因子，其中清洁因子与受热面的受污染程度相关联。
优选的，清洁因子确定单元具体利用公式CF=ksj/klx计算清洁因子，其中ksj为实际传热系数，klx为理想传热系数。
时间积分因子确定单元203，用于根据实时采集到的现场数据确定时间积分因子，其中时间积分因子与受热面的积灰速率相关联。
补充因子确定单元204，用于根据实时采集到的现场数据确定对应的第一补充因子和第二补充因子，其中第一补充因子与烟气温度相关联，第二补充因子与锅炉效率相关联。
优选的，对于高温区受热面，第一补充因子为受热面出口烟温，第二补充因子为减温水量；对于低温区受热面，第一补充因子为转向室烟温，第二补充因子为排烟温度。
转换单元205，用于分别将清洁因子、时间积分因子、第一补充因子和第二补充因子转换为模糊论域中的量化等级。
第一解算单元206，用于将清洁因子量化等级、时间积分因子量化等级输入预先设定的第一吹灰模糊控制模型，对第一吹灰模糊控制模型进行解算，以得到相对应的第一模糊控制输出信息。
优选的，在第一吹灰模糊控制模型中，清洁因子量化等级的权重大于时间积分因子量化等级的权重。
第二解算单元207，用于将第一补充因子量化等级、第二补充因子量化等级输入预先设定的第二吹灰模糊控制模型，对第二吹灰模糊控制模型进行解算，以得到相对应的第二模糊控制输出信息。
优选的，在第二吹灰模糊控制模型中，第一补充因子量化等级的权重大于第二补充因子量化等级的权重。
第三解算单元208，用于将第一模糊控制输出信息、第二模糊控制输出信息输入预先设定的第三吹灰模糊控制模型，对吹灰模糊控制模型进行解算，以得到相对应的吹灰置信度。
优选的，在第三吹灰模糊控制模型中，第一模糊控制输出信息的权重等于第二模糊控制输出信息的权重。
指令生成单元209，用于根据吹灰置信度生成对应的吹灰指令。
指令发送单元210，用于将吹灰指令发送给PLC控制器，以便PLC控制器根据吹灰指令进行相应的吹灰操作。
基于本发明上述实施例提供的基于模糊控制的多目标吹灰优化服务器，通过以清洁因子、时间积分因子和相关补充因子作为吹灰模糊控制模型的输入，以受热面污染程度为主综合考虑机组运行的安全性和经济性为原则建立模糊控制规则和吹灰模糊控制模型。最终给出各受热面的吹灰置信度，并将相应的吹灰指令发送给PLC控制器，以便控制器依据指令进行相应的吹灰操作。从而对吹灰进行有效控制，提高机组运行的经济性和安全性。
图3为本发明基于模糊控制的多目标吹灰优化系统一个实施例的示意图。如图3所示，该系统包括数据采集装置301、吹灰优化服务器302和PLC控制器303。其中：
数据采集装置301，用于实时采集现场数据，并将采集的现场数据发送给智能吹灰服务器。
吹灰优化服务器302，用于根据实时采集到的现场数据，确定受热面的清洁因子、时间积分因子和对应的第一补充因子和第二补充因子，其中清洁因子与受热面的受污染程度相关联，时间积分因子与受热面的积灰速率相关联，第一补充因子与烟气温度相关联，第二补充因子与锅炉效率相关联。分别将清洁因子、时间积分因子、第一补充因子和第二补充因子转换为模糊论域中的量化等级。将清洁因子量化等级、时间积分因子量化等级输入预先设定的第一吹灰模糊控制模型，对第一吹灰模糊控制模型进行解算，以得到相对应的第一模糊控制输出信息。将第一补充因子量化等级、第二补充因子量化等级输入预先设定的第二吹灰模糊控制模型，对第二吹灰模糊控制模型进行解算，以得到相对应的第二模糊控制输出信息。将第一模糊控制输出信息、第二模糊控制输出信息输入预先设定的第三吹灰模糊控制模型，对吹灰模糊控制模型进行解算，以得到相对应的吹灰置信度，将吹灰指令发送给PLC控制器。
优选的，吹灰优化服务器302可以为图2所示吹灰优化服务器中任一实施例涉及的吹灰优化服务器。
PLC控制器303，用于根据智能吹灰服务器发送的吹灰指令进行相应的吹灰操作。
例如，PLC控制器可将吹灰指令发送给DCS（DistributedControlSystem，分布式控制系统）控制系统完成自动控制过程。
基于本发明上述实施例提供的基于模糊控制的多目标吹灰优化系统，通过以清洁因子、时间积分因子和相关补充因子作为吹灰模糊控制模型的输入，以受热面污染程度为主综合考虑机组运行的安全性和经济性为原则建立模糊控制规则和吹灰模糊控制模型。最终给出各受热面的吹灰置信度，并将相应的吹灰指令发送给PLC控制器，以便控制器依据指令进行相应的吹灰操作。从而对吹灰进行有效控制，提高机组运行的经济性和安全性。
本发明从电厂的实际情况出发，综合考虑受热面灰污状态，锅炉运行安全性和经济性及其他相关因素建立了基于模糊理论的多目标吹灰优化方法。实现了锅炉受热面污染程度的量化监测，为实现受热面污染监测过程数字化、可视化提供了可靠手段。本发明使吹灰频率以及吹灰汽耗和电耗明显降低，延长了吹灰设备的使用寿命，节省了相应的折旧和维修费用，降低了锅炉排烟损失提升了锅炉效率。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (9)
1.一种基于模糊控制的多目标吹灰优化方法，其特征在于，包括：
根据实时采集到的现场数据，确定受热面的清洁因子、时间积分因子和对应的第一补充因子和第二补充因子，其中清洁因子与受热面的受污染程度相关联，时间积分因子与受热面的积灰速率相关联，第一补充因子与烟气温度相关联，第二补充因子与锅炉效率相关联；
分别将清洁因子、时间积分因子、第一补充因子和第二补充因子转换为模糊论域中的量化等级；
将清洁因子量化等级、时间积分因子量化等级输入预先设定的第一吹灰模糊控制模型，对第一吹灰模糊控制模型进行解算，以得到相对应的第一模糊控制输出信息；其中在第一吹灰模糊控制模型中，清洁因子量化等级的权重大于时间积分因子量化等级的权重；
将第一补充因子量化等级、第二补充因子量化等级输入预先设定的第二吹灰模糊控制模型，对第二吹灰模糊控制模型进行解算，以得到相对应的第二模糊控制输出信息；其中在第二吹灰模糊控制模型中，第一补充因子量化等级的权重大于第二补充因子量化等级的权重；
将第一模糊控制输出信息、第二模糊控制输出信息输入预先设定的第三吹灰模糊控制模型，对吹灰模糊控制模型进行解算，以得到相对应的吹灰置信度；其中在第三吹灰模糊控制模型中，第一模糊控制输出信息的权重等于第二模糊控制输出信息的权重；
将吹灰指令发送给PLC控制器，以便PLC控制器根据吹灰指令进行相应的吹灰操作。
2.根据权利要求1所述的方法，其特征在于，
清洁因子CF＝ksj/klx，其中ksj为实际传热系数，klx为理想传热系数。
3.根据权利要求1所述的方法，其特征在于，
对于高温区受热面，第一补充因子为受热面出口烟温，第二补充因子为减温水量。
4.根据权利要求1所述的方法，其特征在于，
对于低温区受热面，第一补充因子为转向室烟温，第二补充因子为排烟温度。
5.一种基于模糊控制的多目标吹灰优化服务器，其特征在于，包括数据接收单元、清洁因子确定单元、时间积分因子确定单元、补充因子确定单元、转换单元、第一解算单元、第二解算单元、第三解算单元、指令生成单元和指令发送单元，其中：
数据接收单元，用于接收数据采集装置实时采集的现场数据；
清洁因子确定单元，用于根据实时采集到的现场数据确定受热面的清洁因子，其中清洁因子与受热面的受污染程度相关联；
时间积分因子确定单元，用于根据实时采集到的现场数据确定时间积分因子，其中时间积分因子与受热面的积灰速率相关联；
补充因子确定单元，用于根据实时采集到的现场数据确定对应的第一补充因子和第二补充因子，其中第一补充因子与烟气温度相关联，第二补充因子与锅炉效率相关联；
转换单元，用于分别将清洁因子、时间积分因子、第一补充因子和第二补充因子转换为模糊论域中的量化等级；
第一解算单元，用于将清洁因子量化等级、时间积分因子量化等级输入预先设定的第一吹灰模糊控制模型，对第一吹灰模糊控制模型进行解算，以得到相对应的第一模糊控制输出信息；其中在第一吹灰模糊控制模型中，清洁因子量化等级的权重大于时间积分因子量化等级的权重；
第二解算单元，用于将第一补充因子量化等级、第二补充因子量化等级输入预先设定的第二吹灰模糊控制模型，对第二吹灰模糊控制模型进行解算，以得到相对应的第二模糊控制输出信息；其中在第二吹灰模糊控制模型中，第一补充因子量化等级的权重大于第二补充因子量化等级的权重；
第三解算单元，用于将第一模糊控制输出信息、第二模糊控制输出信息输入预先设定的第三吹灰模糊控制模型，对吹灰模糊控制模型进行解算，以得到相对应的吹灰置信度；其中在第三吹灰模糊控制模型中，第一模糊控制输出信息的权重等于第二模糊控制输出信息的权重；
指令生成单元，用于根据吹灰置信度生成对应的吹灰指令；
指令发送单元，用于将吹灰指令发送给PLC控制器，以便PLC控制器根据吹灰指令进行相应的吹灰操作。
6.根据权利要求5所述的服务器，其特征在于，
清洁因子确定单元具体利用公式CF＝ksj/klx计算清洁因子，其中ksj为实际传热系数，klx为理想传热系数。
7.根据权利要求5所述的服务器，其特征在于，
对于高温区受热面，第一补充因子为受热面出口烟温，第二补充因子为减温水量。
8.根据权利要求5所述的服务器，其特征在于，
对于低温区受热面，第一补充因子为转向室烟温，第二补充因子为排烟温度。
9.一种基于模糊控制的多目标吹灰优化系统，其特征在于，包括数据采集装置、吹灰优化服务器和PLC控制器，其中：
数据采集装置，用于实时采集现场数据，并将采集的现场数据发送给智能吹灰服务器；
吹灰优化服务器，为权利要求5-8中任一项涉及的吹灰优化服务器；
PLC控制器，用于根据智能吹灰服务器发送的吹灰指令进行相应的吹灰操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410040120.4A CN103744294B (zh) | 2014-01-28 | 2014-01-28 | 基于模糊控制的多目标吹灰优化方法、服务器和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410040120.4A CN103744294B (zh) | 2014-01-28 | 2014-01-28 | 基于模糊控制的多目标吹灰优化方法、服务器和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103744294A CN103744294A (zh) | 2014-04-23 |
| CN103744294B true CN103744294B (zh) | 2015-12-30 |
Family
ID=50501323
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410040120.4A Active CN103744294B (zh) | 2014-01-28 | 2014-01-28 | 基于模糊控制的多目标吹灰优化方法、服务器和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103744294B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105069185A (zh) * | 2015-07-14 | 2015-11-18 | 东南大学 | 一种利用烟气压差法建立空预器清洁因子计算模型的方法及应用 |
| CN105827195B (zh) * | 2016-03-18 | 2017-11-21 | 许继集团有限公司 | 一种光伏组件清洗方法 |
| CN106019935B (zh) * | 2016-04-28 | 2019-04-19 | 天津市职业大学 | 基于约束模糊关联规则的多目标锅炉燃烧优化 |
| CN105972585B (zh) * | 2016-04-29 | 2018-11-06 | 华北电力大学 | 一种循环流化床锅炉吹灰优化系统及方法 |
| CN106322412B (zh) * | 2016-08-30 | 2019-05-24 | 上海交通大学 | 基于二维寻优的燃煤机组对流受热面智能吹灰方法 |
| CN106524122A (zh) * | 2016-11-08 | 2017-03-22 | 广东电网有限责任公司电力科学研究院 | 一种电站锅炉结渣分析方法及装置 |
| CN109426148B (zh) * | 2017-08-25 | 2021-10-19 | 中核兰州铀浓缩有限公司 | 一种实现燃煤锅炉除灰过程循环周期时间自动调节的方法 |
| JP2019132515A (ja) * | 2018-01-31 | 2019-08-08 | 三菱日立パワーシステムズ株式会社 | スーツブロワ運転制御装置、スーツブロワ運転制御方法、及び燃焼システム |
| CN113757701B (zh) * | 2021-07-09 | 2022-08-05 | 国网湖南省电力有限公司 | 基于多维度评价因子的智能吹灰控制方法、系统及存储介质 |
| CN113485274B (zh) * | 2021-07-28 | 2022-07-29 | 燕山大学 | 面向工艺过程的数据感知与动态优先级传输联合调度方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2548211A1 (en) * | 2005-06-06 | 2006-12-06 | Emerson Process Management Power & Water Solutions, Inc. | Method and apparatus for controlling soot blowing using statistical process control |
| EP1854868A1 (en) * | 2005-11-30 | 2007-11-14 | General Electric Company | System and method for decreasing a rate of slag formation at predetermined locations in a boiler system |
| CN101598688A (zh) * | 2009-06-10 | 2009-12-09 | 东南大学 | 基于煤质在线测量的锅炉灰污监测及吹灰优化方法 |
| CN101975400A (zh) * | 2010-11-09 | 2011-02-16 | 东南大学 | 基于热流量在线测量的锅炉炉膛吹灰控制装置和控制方法 |
-
2014
- 2014-01-28 CN CN201410040120.4A patent/CN103744294B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2548211A1 (en) * | 2005-06-06 | 2006-12-06 | Emerson Process Management Power & Water Solutions, Inc. | Method and apparatus for controlling soot blowing using statistical process control |
| EP1854868A1 (en) * | 2005-11-30 | 2007-11-14 | General Electric Company | System and method for decreasing a rate of slag formation at predetermined locations in a boiler system |
| CN101598688A (zh) * | 2009-06-10 | 2009-12-09 | 东南大学 | 基于煤质在线测量的锅炉灰污监测及吹灰优化方法 |
| CN101975400A (zh) * | 2010-11-09 | 2011-02-16 | 东南大学 | 基于热流量在线测量的锅炉炉膛吹灰控制装置和控制方法 |
Non-Patent Citations (4)
| Title |
|---|
| 优化吹灰经济性和洁净因子下限选取的研究;方杨光等;《华中科技大学学报》;20041009;全文 * |
| 燃煤电站锅炉灰污在线监测与优化吹灰系统研究;刘定坡;《中国学位论文全文数据库》;20070429;全文 * |
| 电站锅炉优化吹灰模糊模型的研究;陆继东等;《华中科技大学学报》;20051103;全文 * |
| 管式加热炉对流受热面的吹灰优化;须文波等;《石油与天然气化工》;20060413;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103744294A (zh) | 2014-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103744294B (zh) | 基于模糊控制的多目标吹灰优化方法、服务器和系统 | |
| CN103759277B (zh) | 燃煤电站锅炉智能吹灰闭环控制方法、装置和系统 | |
| CN109583585B (zh) | 一种电站锅炉壁温预测神经网络模型的构建方法 | |
| CN105972585B (zh) | 一种循环流化床锅炉吹灰优化系统及方法 | |
| CN109695892B (zh) | 一种锅炉受热面壁温保护方法及装置 | |
| CN103235986A (zh) | 基于锅炉安全性分析的运行优化耗差优化方法 | |
| CN104763999A (zh) | 电厂煤粉锅炉燃烧性能在线优化方法和系统 | |
| CN111829003A (zh) | 一种电厂燃烧控制系统及控制方法 | |
| CN106322412B (zh) | 基于二维寻优的燃煤机组对流受热面智能吹灰方法 | |
| CN112283689A (zh) | 燃煤电站锅炉受热面积灰在线监测系统及其检测方法 | |
| CN106773955A (zh) | 一种锅炉吹灰优化系统及其优化方法 | |
| CN112381210B (zh) | 一种燃煤机组水冷壁壁温预测神经网络模型 | |
| CN108760592A (zh) | 一种基于bp神经网络的飞灰含碳量在线测量方法 | |
| CN110207094A (zh) | 基于主成分分析的iqga-svr锅炉受热面沾污特性辨识方法 | |
| CN112016754A (zh) | 基于神经网络的电站锅炉排烟温度超前预测系统及方法 | |
| CN105276561A (zh) | 一种锅炉主蒸汽压力的自适应预测控制方法 | |
| CN108647478B (zh) | 基于bp神经网络的热电联产机组scr入口烟温在线计算方法 | |
| CN103939940A (zh) | 锅炉优化燃烧与在线能效评测系统 | |
| CN113885607B (zh) | 一种汽温控制方法、装置、电子设备和计算机存储介质 | |
| CN116085823A (zh) | 锅炉燃烧控制方法及系统 | |
| CN104102842A (zh) | 基于经济性指标参数的氮氧化物排放预测方法和装置 | |
| CN106524281A (zh) | 预购清洁能源的电加热蓄热供暖系统及控制方法 | |
| Tang et al. | Artificial neural networks model for predicting oxygen content in flue gas of power plant | |
| Qi et al. | Research on an optimized leakage locating model in water distribution system | |
| Shi et al. | Preventive Soot Blowing Strategy Based on State of Health Prediction for Coal-fired Power Plant Boiler |
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 |