CN105823080B - 基于数值优化极值搜索的无模型锅炉燃烧优化控制方法 - Google Patents
基于数值优化极值搜索的无模型锅炉燃烧优化控制方法 Download PDFInfo
- Publication number
- CN105823080B CN105823080B CN201610173955.6A CN201610173955A CN105823080B CN 105823080 B CN105823080 B CN 105823080B CN 201610173955 A CN201610173955 A CN 201610173955A CN 105823080 B CN105823080 B CN 105823080B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mfrac
- boiler
- moment
- 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.)
- Expired - Fee Related
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 57
- 238000002485 combustion reaction Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 239000000463 material Substances 0.000 claims abstract description 7
- 238000010606 normalization Methods 0.000 claims abstract description 6
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical class [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 claims abstract 9
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 39
- 230000000694 effects Effects 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims 1
- DOTMOQHOJINYBL-UHFFFAOYSA-N molecular nitrogen;molecular oxygen Chemical compound N#N.O=O DOTMOQHOJINYBL-UHFFFAOYSA-N 0.000 claims 1
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 12
- 230000008859 change Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 229910052757 nitrogen Inorganic materials 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 4
- 239000003245 coal Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000006722 reduction reaction Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 238000010531 catalytic reduction reaction Methods 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004939 coking Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003534 oscillatory effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N5/00—Systems for controlling combustion
- F23N5/003—Systems for controlling combustion using detectors sensitive to combustion gas properties
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
Abstract
本发明公开了基于数值优化极值搜索的无模型锅炉燃烧优化控制方法，包括：步骤1，采集锅炉燃烧系统k‑n至k时刻一个时间窗口内各个时刻的锅炉效率η(j)和氮氧化物排放值NOx(j)并设置容许误差ε，步骤2，计算k‑n至k时刻一个时间窗口内的锅炉效率的平均值η和氮氧化物排放值的平均值NOx，将η和NOx分别作为当前k时刻的锅炉效率和氮氧化物排放值；步骤3，将当前k时刻锅炉效率η和氮氧化物排放值NOx归一化，计算单目标函数J(k)；步骤4，计算性能指标随各层操作量的变化梯度gk；步骤5，计算搜索方向dk；步骤6，计算步长因子αk；步骤7，计算下一时刻待优化的操作量ui(k+1)；步骤8，重复步骤2～步骤7，直至算法收敛，得到最优操作量。
Description
技术领域
本发明属于能源系统领域，具体涉及基于数值优化极值搜索的无模型锅炉燃烧优化控制方法。
背景技术
随着对改善大气环境质量，保护生态环境的重视，国家对电站锅炉污染物排放的标准越来越严格。比如我国最新排放标准要求燃煤电厂的氮氧化物NOx排放浓度应低于100mg/Nm3。
目前，控制氮氧化物NOx排放的措施大致分为两类，第一类是在燃烧过程中减少新生成的氮氧化物NOx，包括各种低氮燃烧技术，如低氮燃烧器、空气分级燃烧、燃料分级燃烧等；第二类是在燃烧后脱除已生成的氮氧化物NOx，如选择性非催化还原技术(SNCR-Selective Non-Catalytic Reduction)和选择性催化还原技术(SCR-SelectiveCatalytic Reduction)。由于低氮燃烧技术能够大幅降低炉膛出口的氮氧化物NOx排放浓度，同时大幅降低烟气脱硝的运行成本，因此在我国现役火电机组中获得了普遍应用。对于采用低氮燃烧技术的锅炉来讲，当负荷和煤质都比较稳定时，通过一定的燃烧调整手段改变运行参数，容易获得较高的锅炉效率和较低的氮氧化物NOx排放；然而由于目前火电机组参与调峰和调频，其负荷变化比较频繁，加上煤质多变，很容易偏离低氮燃烧的设计工况，其结果是不但不能很好地兼顾锅炉的经济性和排放，反而会造成炉膛结焦、燃烧器区域水冷壁高温腐蚀、灰渣含碳量高等问题，所以采用常规动态优化控制算法控制很难达到预期效果。
发明内容
发明目的：本发明所要解决的技术问题是针对现有技术领域的空白，提供基于数值优化极值搜索的无模型锅炉燃烧优化控制方法。包括如下步骤：
步骤1，采集数据：采集锅炉燃烧系统k-n至k时刻一个时间窗口内各个时刻的锅炉效率η(j)和氮氧化物NOX排放值NOx(j)并设置容许误差ε，ε影响最终最优操作量的精度，若ε取值较小，最终最优操作量精度高，寻优过程所花费时间较长，相反，若ε较大寻优过程加快，但会造成优化结果不够准确没有实用意义，j＝k-n…k，其中n为前n个时刻；一般n取值范围为5～10。
步骤2，对采集到的数据进行处理：计算k-n至k时刻一个时间窗口内的锅炉效率的平均值η和氮氧化物NOX排放值的平均值NOx，将η和NOx分别作为当前k时刻的锅炉效率和氮氧化物NOX排放值；
步骤3，燃烧优化的实质是在降低NOx排放的基础上提高锅炉热效率，是一个多目标优化问题。在此采用加权因子，将多目标优化问题转化为单目标问题，进而通过权值的不同组合，获得不同的优化解，为优化决策提供支持：将当前k时刻锅炉效率η和氮氧化物NOX排放值NOx归一化，计算单目标函数J(k)；
步骤4，计算性能指标随锅炉各层操作量的变化梯度gk：gk＝(g1,g2,gi…)，锅炉各层操作量一般包括：二次风阀门开度、燃尽风阀门开度等。采用如下公式计算gi：
其中，i代表第i层，i取值为自然数，若||gk||≤ε，终止后续步骤，ui(k)即为各层最优操作量，否则继续步骤5；
步骤5，计算搜索方向dk；
步骤6，计算步长因子αk；
步骤7，计算下一时刻待优化的操作量ui(k+1)；
步骤8，重复步骤2～步骤7，直至算法收敛，得到最优操作量。
其中，步骤2中，为增强优化算法的鲁棒性，使控制作用更加平稳，需要对采集到的数据进行处理。在线测量计算锅炉效率和NOX排放值并非取当前k时刻值，而是利用k-n至k时刻一个时间窗口内的NOX和锅炉效率的平均值进行性能指标的计算，避免了噪声、测量误差等其他情况对测量信号的影响，最后将处理过后数据送到性能指标计算模块进行性能指标的计算。数据处理具体如下：采用如下公式计算k-n至k时刻一个时间窗口内的锅炉效率的平均值η和氮氧化物NOX排放值的平均值NOx：
步骤3中，通过如下公式计算单目标函数J(k)：
minJ＝-a×[η]+b×[NOX]+A
式中[η]和[NOx]分别为归一化过后的锅炉效率和氮氧化物NOx排放值，a和b分别为锅炉效率项的权重和氮氧化物NOx排放值的权重，A是对输入输出违反约束的惩罚项，根据对锅炉热效率和对NOx排放产生的重要影响，结合现场数据，并考虑到操作习惯和安全性，烟气含氧量定值偏置、辅助风门开度、给煤机转速偏置等其他操作量均有各自的开度范围，不妨令每层操作量开度ui(i＝1,2,3…)的变化范围为umin～umax，违反该约束的惩罚项为Ai，进一步的，在本发明中还考虑了总的阀门开度带来的影响，如因每层二次风变化引起的总风量变化，若总的二次风阀门开度∑ui应该在未优化时总的二次风开度∑u0的k1～k2之间，违反该约束的惩罚项取为Aa。综上所述，通过如下公式计算A：
A＝∑Ai+Aa，
其中，ui表示每层操作量开度，ui变化范围为umin～umax，Ai表示违反该约束的惩罚项；
∑ui表示总的阀门开度，∑u0表示未优化时总的阀门开度，总的阀门开度Σui可以在未优化时总的阀门开度∑u0的k1～k2之间变化，k1一般取在0.8～0.95之间，k2取在1.1～1.2之间，Aa表示违反该约束的惩罚项。
步骤5中，搜索方向dk为变化梯度gk反方向，采用如下公式计算：
步骤6中，采用如下公式计算步长因子αk：
步骤7中，通过如下公式计算下一时刻待优化的操作量ui(k+1)：
ui(k+1)＝ui(k)+dkαk。
本发明基于数值优化的极值搜索计算，其结构简单，各部分理论完善。不同于经典的极值搜索算法需要连续地向系统施加某种“颤动信号”(最常见的如正弦波信号)，从而造成调节过程甚至稳态工作点的反复振荡。基于数值优化的极值搜索算法基本思想是：把数值优化算法和极值搜索进行综合考虑，数值优化算法代替经典极值搜索中的调制和解调部分，避免调节过程中的振荡现象，且计算效率高。基于数值优化的极值搜索算法是以性能指标为优化目标，通过在每一时刻读取性指标能计算模块输出J(k)，分析性能指标的梯度信息，求解出控制量在下一时刻的搜索步长dk和方向αk，进而通过反复迭代，最终可以搜索到最优的操作变量。
基于数值优化极值搜索的无模型锅炉燃烧优化控制方法，结构简单，是一个实时优化算法。将基于数值优化算法的极值搜索算法应用于锅炉燃烧优化控制中，并进一步研究了基于数值优化极值搜索算法和性能指标对系统性能的影响，结合低氮燃烧机理和低氮燃烧系统特性，通过及时优化各种运行参数，最大限度地发挥低氮燃烧系统的效能，对电站锅炉节能减排，实现最佳燃烧及排放的预期目标具有重要意义。
有益效果：由于锅炉燃烧系统的复杂性，常规基于模型的燃烧优化控制方法往往存在算法复杂、计算量大、对数据样本的依赖性高等问题。加之要满足高效和低NOx排放两个方面的要求，而且机组负荷变化比较频繁，煤质多变，常规优化方法很难达到预期效果。本发明提出一种基于数值优化的极值搜索算法的无模型燃烧优化控制方法，该方法不依赖于燃烧系统的数学模型，且便于处理各种约束条件，可以保证优化结果的可实现性，具有良好控制品质和鲁棒性。首先利用加权因子，将多目标优化问题转化为单目标问题，再利用基于数值优化的极值搜索算法寻找出最佳的运行参数，从而实现锅炉燃烧系统的优化运行。相比，常规极值算法不需要连续地向系统施加某种“颤动信号”(最常见的如正弦波信号)，从而避免了调节过程甚至稳态工作点的反复振荡，且搜索效率高，速度快。
附图说明
图1是本发明控制方法结构示意图。
图2为本发明应用于锅炉二次风优化的结构图。
图3a和图3b为本发明应用在实施案例中的仿真图。
具体实施方式
下结合附图对本发明做进一步详细描述。本发明公开了基于数值优化极值搜索的无模型锅炉燃烧优化控制方法。本发明控制方法结构如图1所示。
如图2所示，将一种基于数值优化的极值搜索算法的无模型锅炉燃烧优化控制方法应用于二次风优化中，包括：性能指标计算模块，基于数值优化的极值算法计算模块。首先将多目标优化问题转化为单目标问题，通过性能指标模块将数值传送到极值搜索模块中，再利用基于数值优化的极值搜索算法寻找出最佳的二次风阀门开度来指导锅炉进行优化调整，实现锅炉燃烧的优化运行。
实施案例1
将一种基于基于数值优化极值搜索算法的无模型锅炉燃烧优化控制方法用于解决某型电厂锅炉的燃烧优化问题。为便于说明，仅考虑对三层二次风进行优化。该案例可以很容易地推广到考虑更多优化变量的情况。具体步骤如下：
1.计算性能指标
燃烧优化的实质是在降低NOx排放的基础上提高锅炉热效率，是一个多目标优化问题。在此采用加权因子，将多目标优化问题转化为单目标问题，进而通过权值的不同组合，获得不同的优化解，为优化决策提供支持。下面给出包括优化目标和优化约束条件的优化问题数学描述：
(1)目标函数
minJ＝-0.6×[η]+0.4×[NOx]+A (1)
式中[η]、[NOx]分别为归一化过后的锅炉效率和NOx排放，根据工程实践经验锅炉效率项和NOx浓度项的权重分别取为0.4和0.6，A是对输入输出违反约束的惩罚项。
(2)被优化的操作参数及其约束条件
根据对锅炉热效率和对NOx排放产生的重要影响，并且是在运行中可控操作量的原则，本发明选择送入锅炉的二次风门开度作为优化变量，每层的给煤量、一次风等操作量按照负荷要求均匀分配，操作过程中不再考虑。结合现场数据，并考虑到操作习惯和安全性，每层二次风门开度ui(i＝1,2,3)的变化范围为30％～90％。进一步的，在本发明中考虑了因二次风变化引起的总风量变化，总的二次风阀门开度∑ui应该在未优化时总的二次风开度∑u0的之间，三层二次风阀门开度初值均为65％。综上所述，构成的惩罚项如下：
A＝∑Ai+Aa (4)
式中i＝1,2,3。
2.基于数值优化极值搜索的计算
基于数值优化的极值搜索计算模块，其结构简单，各部分理论完善。基于数值优化的极值搜索算法是以性能指标为优化目标，通过在每一时刻读取性指标能计算模块输出J(k)，分析性能指标的梯度信息，求解出控制量在下一时刻的搜索步长dk和方向αk，进而通过反复迭代，最终可以搜索到最优的操作变量。
实施例1利用本发明进行优化的结果如图3a和图3b所示，锅炉效率略有提高从94.69％提高到94.78％，同时NOX的排放有了大幅度的下降从376mg/m3下降到341mg/m3，充分发挥了低氮燃烧系统的效能，对电站锅炉节能减排，实现最佳燃烧及排放具有重要意义。
本发明提供了基于数值优化极值搜索的无模型锅炉燃烧优化控制方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (4)
1.基于数值优化极值搜索的无模型锅炉燃烧优化控制方法，其特征在于，包括如下步骤：
步骤1，采集数据：采集锅炉燃烧系统k-n至k时刻一个时间窗口内各个时刻的锅炉效率η(j)和氮氧化物排放值NOx(j)并设置容许误差ε，j＝k-n…k，其中n为前n个时刻；
步骤2，对采集到的数据进行处理：计算k-n至k时刻一个时间窗口内的锅炉效率的平均值η和氮氧化物排放值的平均值NOx，将η和NOx分别作为当前k时刻的锅炉效率和氮氧化物排放值；
步骤3，将当前k时刻锅炉效率η和氮氧化物排放值NOx归一化，计算单目标函数J(k)；
步骤4，计算性能指标随锅炉各层操作量的变化梯度gk：gk＝(g1,g2,gi…)，采用如下公式计算gi：
<mrow>
<msub>
<mi>g</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
其中，i代表第i层，i取值为自然数，若||gk||≤ε，终止后续步骤，ui(k)即为各层最优操作量，否则继续步骤5；
步骤5，计算搜索方向dk；
步骤6，计算步长因子αk；
步骤7，计算下一时刻待优化的操作量ui(k+1)；
步骤8，重复步骤2～步骤7，直至算法收敛，得到最优操作量；
步骤2中，采用如下公式计算k-n至k时刻一个时间窗口内的锅炉效率的平均值η和氮氧化物排放值的平均值NOx：
<mrow>
<mi>&eta;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>k</mi>
<mo>-</mo>
<mi>n</mi>
</mrow>
<mi>k</mi>
</munderover>
<mi>&eta;</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mi>NO</mi>
<mi>x</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>k</mi>
<mo>-</mo>
<mi>n</mi>
</mrow>
<mi>k</mi>
</munderover>
<msub>
<mi>NO</mi>
<mi>x</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
步骤3中，通过如下公式计算单目标函数J(k)：
min J＝-a×[η]+b×[NOX]+A
式中[η]、[NOx]分别为归一化过后的锅炉效率和氮氧化物排放值，a和b分别为锅炉效率项的权重和氮氧化物排放值的权重，A是对输入输出违反约束的惩罚项，通过如下公式计算：
A＝∑Ai+Aa，
<mrow>
<msub>
<mi>A</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
</mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mfrac>
<mo>,</mo>
<mn>0</mn>
<mo>,</mo>
<mfrac>
<mrow>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mi>A</mi>
<mi>a</mi>
</msub>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<mi>k</mi>
<mn>1</mn>
<mo>&times;</mo>
<mo>&Sigma;</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<mo>&Sigma;</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mi>k</mi>
<mn>1</mn>
<mo>&times;</mo>
<mo>&Sigma;</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
<mn>0</mn>
<mo>,</mo>
<mfrac>
<mrow>
<mi>k</mi>
<mn>2</mn>
<mo>&times;</mo>
<mo>&Sigma;</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<mo>&Sigma;</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mi>k</mi>
<mn>2</mn>
<mo>&times;</mo>
<mo>&Sigma;</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>,</mo>
</mrow>
其中，ui表示第i层操作量开度，ui变化范围为umin～umax，Ai表示违反该约束的惩罚项；
∑ui表示总的阀门开度，∑u0表示未优化时总的阀门开度，总的阀门开度∑ui在未优化时总的阀门开度∑u0的k1～k2之间，k1取在0.8～0.95之间，k2取在1.1～1.2之间，Aa表示违反该约束的惩罚项。
2.如权利要求1所述的基于数值优化极值搜索的无模型锅炉燃烧优化控制方法，其特征在于，步骤5中，搜索方向dk为变化梯度gk反方向，采用如下公式计算：
<mrow>
<msub>
<mi>d</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mo>-</mo>
<msub>
<mi>g</mi>
<mi>k</mi>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>g</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
<mo>.</mo>
</mrow>
3.如权利要求2所述的基于数值优化极值搜索的无模型锅炉燃烧优化控制方法，其特征在于，步骤6中，采用如下公式计算步长因子αk：
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0.1</mn>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>&GreaterEqual;</mo>
<mn>0.1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo><</mo>
<mn>0.1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>.</mo>
</mrow>
4.如权利要求3所述的基于数值优化极值搜索的无模型锅炉燃烧优化控制方法，其特征在于，步骤7中，通过如下公式计算下一时刻待优化的操作量ui(k+1)：
ui(k+1)＝ui(k)+dkαk。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610173955.6A CN105823080B (zh) | 2016-03-24 | 2016-03-24 | 基于数值优化极值搜索的无模型锅炉燃烧优化控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610173955.6A CN105823080B (zh) | 2016-03-24 | 2016-03-24 | 基于数值优化极值搜索的无模型锅炉燃烧优化控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105823080A CN105823080A (zh) | 2016-08-03 |
| CN105823080B true CN105823080B (zh) | 2017-11-03 |
Family
ID=56524548
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610173955.6A Expired - Fee Related CN105823080B (zh) | 2016-03-24 | 2016-03-24 | 基于数值优化极值搜索的无模型锅炉燃烧优化控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105823080B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107101197A (zh) * | 2017-03-17 | 2017-08-29 | 神华集团有限责任公司 | 自动配风调节方法 |
| CN108592080B (zh) * | 2018-03-01 | 2019-10-15 | 中国神华能源股份有限公司 | 锅炉燃烧控制系统和方法 |
| CN108426266B (zh) * | 2018-03-01 | 2019-10-15 | 中国神华能源股份有限公司 | 锅炉燃烧控制系统和方法 |
| CN109581865B (zh) * | 2019-02-01 | 2020-12-22 | 浙江大学 | Miso异因子偏格式无模型控制方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6507774B1 (en) * | 1999-08-24 | 2003-01-14 | The University Of Chicago | Intelligent emissions controller for substance injection in the post-primary combustion zone of fossil-fired boilers |
| CN101561148B (zh) * | 2009-05-08 | 2011-07-13 | 上海颖科计算机科技有限公司 | 锅炉燃烧控制系统及方法 |
| CN102679391A (zh) * | 2012-05-21 | 2012-09-19 | 常州市新港热电有限公司 | 锅炉燃烧在线优化方法 |
| CN103576655B (zh) * | 2013-11-06 | 2016-03-02 | 华北电力大学（保定） | 一种电站锅炉燃烧子空间建模及多目标优化方法和系统 |
| CN104613468B (zh) * | 2015-01-27 | 2017-01-25 | 华北电力大学 | 基于模糊自适应推理的循环流化床锅炉燃烧优化控制方法 |
| CN104879750B (zh) * | 2015-06-15 | 2017-05-10 | 神华集团有限责任公司 | 一种用于循环流化床锅炉的燃烧优化设备、系统以及方法 |
-
2016
- 2016-03-24 CN CN201610173955.6A patent/CN105823080B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN105823080A (zh) | 2016-08-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105823080B (zh) | 基于数值优化极值搜索的无模型锅炉燃烧优化控制方法 | |
| CN104534507B (zh) | 一种锅炉燃烧优化控制方法 | |
| CN103576655B (zh) | 一种电站锅炉燃烧子空间建模及多目标优化方法和系统 | |
| CN107243257B (zh) | 适合全负荷的智能喷氨控制系统 | |
| Ramanathan | Emission constrained economic dispatch | |
| CN110263395A (zh) | 基于数值模拟和数据分析的电厂脱硝运行优化方法及系统 | |
| CN104613468B (zh) | 基于模糊自适应推理的循环流化床锅炉燃烧优化控制方法 | |
| CN107940501B (zh) | 火电机组脱硫脱硝改造后风烟系统控制优化方法 | |
| CN108592080B (zh) | 锅炉燃烧控制系统和方法 | |
| US20200219027A1 (en) | Knowledge transfer-based modeling method for blast furnace gas scheduling systems | |
| CN109325313A (zh) | 基于改进量子粒子群优化电厂锅炉nox预测模型装置 | |
| CN104696952B (zh) | 一种基于模型在线辨识的流化床锅炉引风量控制方法 | |
| CN103839110A (zh) | 一种锅炉炉内氮氧化物生成量预测建模方法 | |
| CN104715142A (zh) | 一种电站锅炉NOx排放动态软测量方法 | |
| CN106594794A (zh) | 一种混合智能锅炉效率燃烧优化模型更新方法 | |
| Qiao | A novel online modeling for NOx generation prediction in coal-fired boiler | |
| CN108734419B (zh) | 一种基于知识迁移的高炉煤气调度系统建模方法 | |
| CN105808945B (zh) | 一种混合智能锅炉效率燃烧优化方法 | |
| Xu et al. | A new online optimization method for boiler combustion system based on the data-driven technique and the case-based reasoning principle | |
| CN112132379B (zh) | 考虑经济性的新能源跨区域消纳评估方法和存储介质 | |
| WO2023231667A1 (zh) | 基于集成t-s模糊回归树的mswi过程二噁英排放软测量方法 | |
| CN112598167A (zh) | 基于蜻蜓算法和快速学习网的电站锅炉NOx排放量预测方法 | |
| Cui et al. | Multi-condition operational optimization with adaptive knowledge transfer for municipal solid waste incineration process | |
| CN113154404B (zh) | 一种城市生活垃圾焚烧过程二次风量智能设定方法 | |
| Zhang et al. | Study on the necessity and strategy of popularization of “near-zero emission” technology for thermal power generation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| 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: 20171103 |