CN105573261A - 一种电厂锅炉燃烧的优化监控方法 - Google Patents

Abstract

本发明公开了一种电厂锅炉燃烧的优化监控方法，步骤如下：步骤一，采用数据检测单元对与锅炉燃烧风煤比相关的参数进行实时检测；步骤二，信号调理及数据采集；步骤三，神经网络数据融合处理器采用内置神经网络算法和遗传算法进行风煤比优化建模；步骤四，神经网络数据融合处理器将计算得到的最优风煤比传输给布设在锅炉燃烧现场的工控机，所述工控机根据所述最优风煤比和锅炉、汽机的实时运行工况，生成最佳燃烧控制方案；步骤五，最优燃烧控制实施。本发明可靠性好、灵敏度高、参数采集全面，有效解决了现有监控方法参数采集单一，难以获得最佳运行曲线，运行效率低，发电成本高等问题。

Description

一种电厂锅炉燃烧的优化监控方法

技术领域

本发明涉及一种监控方法，尤其是涉及一种电厂锅炉燃烧的优化监控方法。

背景技术

实现对大型火力发电厂锅炉的优化监控，对机组节能降耗、减少污染物排放有着重大的意义。目前，以单元机组为控制对象，火力发电厂的整体自动控制系统包括锅炉的蒸汽温度控制系统、燃烧过程控制系统以及协调控制系统等众多子系统。

维护电厂锅炉燃烧过程的最佳状态和经济性是燃烧过程控制系统的重要任务。在锅炉运行中，必须控制好送风量与燃料量的比例。为了使锅炉保持最佳燃烧工况，必须使风煤比合适。与风煤比有关的参数较多，如入炉煤的灰分和水分、炉膛内燃烧温度分布情况和辐射能强度分布情况、炉膛内烟气含氧量等都将影响最优风煤比的确定。目前采用的燃烧优化监控方法由于参数采集较单一，往往无法完全针对锅炉燃烧的特点，实时控制运行工况。而且随机组负荷的变化，运行效率的变化也非常大，不能保证机组保持在最佳的运行曲线上，难以获得长期稳定的效果。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种电厂锅炉燃烧的优化监控方法，其可靠性好、灵敏度高、参数采集全面，并能对实时采集到的数据进行融合处理，用于指导优化调节锅炉燃烧的风煤比参数，提高了运行效率，降低了发电成本。

为解决上述技术问题，本发明采用的技术方案是：一种电厂锅炉燃烧的优化监控方法，其特征在于，包括以下步骤：

步骤一，锅炉燃烧优化相关参数检测：采用数据检测单元对与锅炉燃烧风煤比相关的参数进行实时检测；所述数据检测单元包括灰分探测仪、水分探测仪、煤质热值计算单元、看火视频监控装置、图像处理单元、近红外辐射能传感器、光电转换单元和含氧量传感器；所述灰分探测仪、水分探测仪均与所述煤质热值计算单元相接，所述看火视频监控装置与所述图像处理单元相接，所述近红外辐射能传感器与所述光电转换单元相接；所述信息采集的方式如下：

所述灰分探测仪和水分探测仪分别对入炉煤的灰分信息和水分信息进行检测，并将检测结果传送给煤质热值计算单元；所述煤质热值计算单元根据所述灰分信息和水分信息计算出燃烧发热量；

所述看火视频监控装置对入炉煤在炉膛内燃烧的火焰温度分布情况进行图像监视，并将采集到的图像信息传送给所述图像处理单元；所述图像处理单元对锅炉的燃烧图像进行数字分析和图像识别；

所述近红外辐射能传感器对所述炉膛内辐射能的强度信息进行检测，并通过所述光电转换单元实现信号隔离；

所述含氧量传感器对所述炉膛内的烟气含氧量进行检测；

所述数据检测单元将上述检测到的信号实时传输给参数优化单元；所述参数优化单元包括信号调理电路、数据采集卡、神经网络数据融合处理器、存储器、接口电路和电源模块，所述信号调理电路与所述数据采集卡相接，所述数据采集卡、存储器、接口电路和电源模块均与神经网络数据融合处理器相接，所述煤质热值计算单元、图像处理单元、光电转换单元和含氧量传感器均与所述信号调理电路相接；

步骤二，信号调理及数据采集：所述信号调理电路对步骤一中检测到的信号依次进行放大、滤波和线性化处理，然后传输给所述数据采集卡；所述数据采集卡对接收到的信号进行模数转换后传输给所述神经网络数据融合处理器；

步骤三，神经网络参数优化模型建立：所述神经网络数据融合处理器采用内置神经网络算法和遗传算法进行风煤比优化建模，其建模过程如下：

获取数据采集卡采集到的数据，并存入存储器作为历史数据；

整理上述历史数据形成风煤比优化样本，样本的格式为：每一条数据按输入-输出对模式组织，输入为步骤一中检测到的相关参数，输出为最优风煤比；

根据上述样本设计神经网络的输入值、输出值、层数、各层节点数和各层的激活函数以及网络结构；在上述神经网络结构下，用遗传算法对神经网络的初始权值和偏置值进行优化，以得到最优的神经网络初始权值和偏置值；

以上述最优的初始权值和偏置值作为所述神经网络的初始值，用神经网络中的风煤比优化训练样本反复训练，训练指标为误差的平方和，最后将训练得到的权值和偏置值，以及此时网络的结构参数进行保存，这些参数便构成了神经网络参数优化模型；

实时读取数据检测单元检测到的最新运行参数，将这些参数输入到所述神经网络参数优化模型，通过模型计算得到最优风煤比；

步骤四，最优燃烧控制方案生成：所述神经网络数据融合处理器将计算得到的最优风煤比传输给布设在锅炉燃烧现场的工控机，所述工控机根据所述最优风煤比和锅炉、汽机的实时运行工况，生成最佳燃烧控制方案，并将最优风煤比曲线和最佳燃烧控制方案显示在与所述工控机相接的人机界面上；

步骤五，最优燃烧控制实施：操作人员根据所述人机界面上显示的信息向所述工控机输入相应控制命令，工控机对与其相接的燃烧控制系统进行最佳燃烧控制。

上述一种电厂锅炉燃烧的优化监控方法，其特征是：所述神经网络为BP神经网络。

上述一种电厂锅炉燃烧的优化监控方法，其特征是：所述神经网络的训练方式为在线训练方式。

本发明与现有技术相比具有以下优点：

1、能够对入炉煤的水分和灰分进行检测，以防止劣质煤冒充优质煤，降低了发电成本。

2、能够对炉膛火焰燃烧进行可视化监视，方便运行人员进行燃烧调整。

3、将炉膛内辐射能信号作为入炉燃料量调节的反馈信号之一，对系统的迟滞性进行了较好的补偿。

4、能够对多个传感器的测试信号进行信息融合处理，提高了数据的可靠性和高效性。

综上所述，本发明可靠性好、灵敏度高、参数采集全面，有效解决了现有监控方法参数采集单一，难以获得最佳运行曲线，运行效率低，发电成本高等问题。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明的流程图。

具体实施方式

如图1所示，本发明包括以下步骤：

步骤一，锅炉燃烧优化相关参数检测：采用数据检测单元对与锅炉燃烧风煤比相关的参数进行实时检测；所述数据检测单元包括灰分探测仪、水分探测仪、煤质热值计算单元、看火视频监控装置、图像处理单元、近红外辐射能传感器、光电转换单元和含氧量传感器；所述灰分探测仪、水分探测仪均与所述煤质热值计算单元相接，所述看火视频监控装置与所述图像处理单元相接，所述近红外辐射能传感器与所述光电转换单元相接；所述信息采集的方式如下：

所述灰分探测仪和水分探测仪分别对入炉煤的灰分信息和水分信息进行检测，并将检测结果传送给煤质热值计算单元；所述煤质热值计算单元根据所述灰分信息和水分信息计算出燃烧发热量；

所述看火视频监控装置对入炉煤在炉膛内燃烧的火焰温度分布情况进行图像监视，并将采集到的图像信息传送给所述图像处理单元；所述图像处理单元对锅炉的燃烧图像进行数字分析和图像识别；

所述近红外辐射能传感器对所述炉膛内辐射能的强度信息进行检测，并通过所述光电转换单元实现信号隔离；

所述含氧量传感器对所述炉膛内的烟气含氧量进行检测；

所述数据检测单元将上述检测到的信号实时传输给参数优化单元；所述参数优化单元包括信号调理电路、数据采集卡、神经网络数据融合处理器、存储器、接口电路和电源模块，所述信号调理电路与所述数据采集卡相接，所述数据采集卡、存储器、接口电路和电源模块均与神经网络数据融合处理器相接，所述煤质热值计算单元、图像处理单元、光电转换单元和含氧量传感器均与所述信号调理电路相接；

步骤二，信号调理及数据采集：所述信号调理电路对步骤一中检测到的信号依次进行放大、滤波和线性化处理，然后传输给所述数据采集卡；所述数据采集卡对接收到的信号进行模数转换后传输给所述神经网络数据融合处理器；

步骤三，神经网络参数优化模型建立：所述神经网络数据融合处理器采用内置神经网络算法和遗传算法进行风煤比优化建模，其建模过程如下：

获取数据采集卡采集到的数据，并存入存储器作为历史数据；

整理上述历史数据形成风煤比优化样本，样本的格式为：每一条数据按输入-输出对模式组织，输入为步骤一中检测到的相关参数，输出为最优风煤比；

根据上述样本设计神经网络的输入值、输出值、层数、各层节点数和各层的激活函数以及网络结构；在上述神经网络结构下，用遗传算法对神经网络的初始权值和偏置值进行优化，以得到最优的神经网络初始权值和偏置值；

以上述最优的初始权值和偏置值作为所述神经网络的初始值，用神经网络中的风煤比优化训练样本反复训练，训练指标为误差的平方和，最后将训练得到的权值和偏置值，以及此时网络的结构参数进行保存，这些参数便构成了神经网络参数优化模型；

实时读取数据检测单元检测到的最新运行参数，将这些参数输入到所述神经网络参数优化模型，通过模型计算得到最优风煤比；

步骤四，最优燃烧控制方案生成：所述神经网络数据融合处理器将计算得到的最优风煤比传输给布设在锅炉燃烧现场的工控机，所述工控机根据所述最优风煤比和锅炉、汽机的实时运行工况，生成最佳燃烧控制方案，并将最优风煤比曲线和最佳燃烧控制方案显示在与所述工控机相接的人机界面上；

步骤五，最优燃烧控制实施：操作人员根据所述人机界面上显示的信息向所述工控机输入相应控制命令，工控机对与其相接的燃烧控制系统进行最佳燃烧控制。

本实施例中，所述神经网络为BP神经网络。

本实施例中，所述神经网络的训练方式为在线训练方式。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。

Claims (3)

1.一种电厂锅炉燃烧的优化监控方法，其特征在于，包括以下步骤：

步骤一，锅炉燃烧优化相关参数检测：采用数据检测单元对与锅炉燃烧风煤比相关的参数进行实时检测；所述数据检测单元包括灰分探测仪、水分探测仪、煤质热值计算单元、看火视频监控装置、图像处理单元、近红外辐射能传感器、光电转换单元和含氧量传感器；所述灰分探测仪、水分探测仪均与所述煤质热值计算单元相接，所述看火视频监控装置与所述图像处理单元相接，所述近红外辐射能传感器与所述光电转换单元相接；所述信息采集的方式如下：

所述灰分探测仪和水分探测仪分别对入炉煤的灰分信息和水分信息进行检测，并将检测结果传送给煤质热值计算单元；所述煤质热值计算单元根据所述灰分信息和水分信息计算出燃烧发热量；

所述看火视频监控装置对入炉煤在炉膛内燃烧的火焰温度分布情况进行图像监视，并将采集到的图像信息传送给所述图像处理单元；所述图像处理单元对锅炉的燃烧图像进行数字分析和图像识别；

所述近红外辐射能传感器对所述炉膛内辐射能的强度信息进行检测，并通过所述光电转换单元实现信号隔离；

所述含氧量传感器对所述炉膛内的烟气含氧量进行检测；

所述数据检测单元将上述检测到的信号实时传输给参数优化单元；所述参数优化单元包括信号调理电路、数据采集卡、神经网络数据融合处理器、存储器、接口电路和电源模块，所述信号调理电路与所述数据采集卡相接，所述数据采集卡、存储器、接口电路和电源模块均与神经网络数据融合处理器相接，所述煤质热值计算单元、图像处理单元、光电转换单元和含氧量传感器均与所述信号调理电路相接；

步骤二，信号调理及数据采集：所述信号调理电路对步骤一中检测到的信号依次进行放大、滤波和线性化处理，然后传输给所述数据采集卡；所述数据采集卡对接收到的信号进行模数转换后传输给所述神经网络数据融合处理器；

步骤三，神经网络参数优化模型建立：所述神经网络数据融合处理器采用内置神经网络算法和遗传算法进行风煤比优化建模，其建模过程如下：

获取数据采集卡采集到的数据，并存入存储器作为历史数据；

整理上述历史数据形成风煤比优化样本，样本的格式为：每一条数据按输入-输出对模式组织，输入为步骤一中检测到的相关参数，输出为最优风煤比；

根据上述样本设计神经网络的输入值、输出值、层数、各层节点数和各层的激活函数以及网络结构；在上述神经网络结构下，用遗传算法对神经网络的初始权值和偏置值进行优化，以得到最优的神经网络初始权值和偏置值；

以上述最优的初始权值和偏置值作为所述神经网络的初始值，用神经网络中的风煤比优化训练样本反复训练，训练指标为误差的平方和，最后将训练得到的权值和偏置值，以及此时网络的结构参数进行保存，这些参数便构成了神经网络参数优化模型；

实时读取数据检测单元检测到的最新运行参数，将这些参数输入到所述神经网络参数优化模型，通过模型计算得到最优风煤比；

步骤四，最优燃烧控制方案生成：所述神经网络数据融合处理器将计算得到的最优风煤比传输给布设在锅炉燃烧现场的工控机，所述工控机根据所述最优风煤比和锅炉、汽机的实时运行工况，生成最佳燃烧控制方案，并将最优风煤比曲线和最佳燃烧控制方案显示在与所述工控机相接的人机界面上；

步骤五，最优燃烧控制实施：操作人员根据所述人机界面上显示的信息向所述工控机输入相应控制命令，工控机对与其相接的燃烧控制系统进行最佳燃烧控制。

2.按照权利要求1所述的一种电厂锅炉燃烧的优化监控方法，其特征在于：所述神经网络为BP神经网络。

3.按照权利要求1或2所述的一种电厂锅炉燃烧的优化监控方法，其特征在于：所述神经网络的训练方式为在线训练方式。