CN105975618A

CN105975618A - 一种燃煤燃烧特性计算方法

Info

Publication number: CN105975618A
Application number: CN201610344930.8A
Authority: CN
Inventors: 夏永俊; 张�成; 谭鹏; 刘发圣; 吴英; 王潜; 桂良明
Original assignee: State Grid Corp of China SGCC; Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Current assignee: State Grid Corp of China SGCC; Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Priority date: 2016-05-23
Filing date: 2016-05-23
Publication date: 2016-09-28

Abstract

一种燃煤燃烧特性计算方法，该方法以大量煤质数据为基础，以煤质工业分析、元素分析、发热量为输入，燃烧特性为输出，建立基于支持向量回归燃烧特性模型，将新煤种或混煤的工业分析、元素分析、发热量输入到模型中即可快速计算出该煤种的燃烧特性参数。本发明利用煤质数据库信息建立燃煤燃烧特性计算模型，信息利用程度充分，模型简洁有效。本发明采用权重加合的方法计算掺混配煤的基本分析数据和发热量，可以较好的计算混煤燃烧特性。本发明提出计算模型基于煤质数据库，在数据库发生变化时方便进行模型更新，确保了模型有效性。

Description

一种燃煤燃烧特性计算方法

技术领域

本发明涉及一种燃煤燃烧特性计算方法，属煤燃烧技术领域。

背景技术

煤质数据检测是电站运行的重要环节。在检测多煤种掺混配煤方案时，传统的掺配煤种化验检测方法需要借助热重实验手段，对实验人员及实验设备都有较高的要求，同时，实验测定的方法周期较长，需要提前于燃烧调整实施完成一系列复杂的工作。这与电站行业智能、经济、高效的发展趋势不符。

针对燃煤特性的建模计算方法可以有效减少检测工作量，同时避免人为因素带来的误差。鉴于此，我们提出一种基于组分煤种基本分析数据及发热量的燃煤燃烧特性计算方法。方法基于电站系统数据库中的煤质记录建立预测模型，针对新煤种，以工业分析、元素分析、发热量作为输入；针对配煤方案，则利用煤质种类、配比等信息，通过权重均值方法拟合配煤方案的基本分析数据和发热量，作为计算模型的输入，最终得到新煤种或混煤的燃煤燃烧特性计算值。

发明内容

本发明的目的是，针对现有技术存在的不足或进一步需求，本发明公开了一种燃煤燃烧特性的计算方法。

本发明的技术方案如下，一种燃煤燃烧特性的计算方法，包括以下步骤：

(1)通过实验得到常用煤种的元素分析、工业分析、发热量、燃烧特性分析数据，建立煤质数据库，将实验数据保存到数据库中。

(2)建立基于煤种元素分析、工业分析和发热量的燃烧特性计算模型；建模数据由电站煤质数据库提供，煤种元素分析、工业分析和发热量作为模型输入，煤种燃烧特性参数作为模型输出；对输入特征进行归一化处理，使取值落在范围[0,1]内；按照7:3的比例将数据集随机分成模型训练集和模型测试集；训练集用于模型的建立，测试集用于校验模型的预测效果；选用径向基函数(RBF)作为模型核函数；引入遗传算法进行建模参数寻优；通过遗传算法寻优手段确立模型参数，完成计算模型的建立。

步骤(3)：对于新煤种或混煤，以其元素分析、工业分析和发热量输入到第(2)步所建立的燃烧特性计算模型即可得到燃烧特性参数。

所述步骤(2)中，建模数据由电站煤质数据库提供。在煤质数据库没有发生变化的情况下，所建立模型无需更新；在煤质数据库发生变化后，需要针对新的建模数据重新建立模型。

所述步骤(2)中，遗传算法同时对支持向量机建模的三个参数进行寻优，分别是：惩罚系数C，RBF核函数自带参数g，以及损失函数系数p。

所述煤种燃烧特性参数包括着火温度和燃尽温度。

所述混煤的元素分析、工业分析和发热量采用加权平均的方法求得。

本发明的有益效果是，本发明利用煤质数据库信息建立燃煤燃烧特性计算模型，信息利用程度充分，模型简洁有效。本发明采用权重加合的方法计算掺混配煤的基本分析数据和发热量，可以较好的计算混煤燃烧特性。本发明提出计算模型基于煤质数据库，在数据库发生变化时方便进行模型更新，确保模型有效性。

附图说明

图1是配煤方案燃烧特性计算流程示意图；图2是遗传算法参数寻优流程示意图；图3是着火温度预测值与实际值的散点对比图；图4是燃尽温度预测值与实际值的散点对比图。

具体实施方式

下面对本发明技术方案进行详细说明。

本实施例以某电厂煤质数据库中66条煤质数据为例，依照图1所示步骤，展开以下工作：

1、基于煤质基础分析和发热量构建燃烧特性模型

(1)煤质数据收集及处理：从电站煤质数据库中导出所有煤质记录，合计40条。以元素分析数据、工业分析数据以及发热量数据作为模型的输入，燃烧特性的着火温度、燃尽温度作为输出。对输入特征进行归一化处理，使取值落在范围[0,1]内。按7:3的比例将建模数据随机分为训练集和测试集，训练集用于模型的建立，测试集用于校验模型的预测效果。

(2)预测建模：采用支持向量机方法，以煤质基本分析及发热量作为输入、燃烧特性指标为输出，利用训练集数据建立模型。选用径向基函数(RBF)作为模型核函数，通过遗传算法寻优手段确立模型参数，完成计算模型的建立。遗传算法的最大进化代数maxgen、种群数sizepop、代沟ggap以及各参数寻优范围等相关参数设置如下表1所示：

表1

参数名称

Maxgen

sizepop

ggap

cbound

gbound

pbound

v

取值

50

20

0.9

[0,1000]

[0,10]

[0,1]

5

(3)模型精度校验：利用测试集检验建模效果。图2、3分别为着火温度、燃尽温度与实际值的散点分布对比。对上述两者预测的效果如下表2所示。预测结果表明着火温度和燃尽温度具有较好的精度。

表2

特征	相对误差MRE	均方误差MSE	相关系数R²
				着火温度	2.85％	314.4	0.971
燃尽温度	3.52％	634.9	0.841

2、预测燃煤燃烧特性指标

(1)针对混煤方案，拟合混煤的元素分析、工业分析和发热量数据：利用示例解释这一步骤。假设某台机组配置有6台磨煤机，在待测定的配煤方案中，6台磨煤机出力分别为H₁，H₂，…，H₆，当前磨煤机煤种元素分析C占比为C₁，C₂，…，C₆，配煤方案的元素分析C占比计算为：

C_{m i x} = \frac{Σ_{1}^{6} H_{i} \times C_{i}}{Σ_{1}^{6} H_{i}}

循此方法，计算当前配煤方案的其他煤质基本分析数据和发热量的权重均值。

(2)预测燃烧特性：针对新煤种，将煤种的元素分析数据、工业分析数据、发热量数据作为模型输入；针对混煤方案，将上一步骤计算得到的配煤方案基本分析数据及发热量数据作为模型输入，利用模型的预测功能得到当前配煤方案的着火温度、燃尽温度燃烧特性参数。藉此实现燃煤燃烧特性的计算。

以某煤种A为例，该煤种元素分析、工业分析及发热量数据如下表3所示：

表3

以上述参数作为输入，对煤种A的着火温度、燃尽温度预测结果分别为422.3℃和597.1℃。对比A的实际着火温度(430.9℃)和燃尽温度(620℃)，本预测方法的相对误差分别为：

Claims

1.一种燃煤燃烧特性计算方法，其特征在于，所述方法包含以下步骤：

（1）通过实验得到常用煤种的元素分析、工业分析、发热量、燃烧特性分析数据，建立煤质数据库，将实验数据保存到数据库中；

（2）建立基于煤种元素分析、工业分析和发热量的燃烧特性计算模型；建模数据由电站煤质数据库提供，煤种元素分析、工业分析和发热量作为模型输入，煤种燃烧特性参数作为模型输出；对输入特征进行归一化处理，使取值落在范围[0,1]内；按照7:3的比例将数据集随机分成模型训练集和模型测试集；训练集用于模型的建立，测试集用于校验模型的预测效果；选用径向基函数（RBF）作为模型核函数；引入遗传算法进行建模参数寻优；通过遗传算法寻优手段确立模型参数，完成计算模型的建立；

（3）对于新煤种或混煤，以其元素分析、工业分析和发热量输入到第（2）步所建立的燃烧特性计算模型即可得到燃烧特性参数。

2.根据权利要求1所述的一种燃煤燃烧特性计算方法，其特征在于，所述遗传算法进行建模参数寻优，即采用遗传算法对燃烧特性计算模型参数进行优化，遗传算法的最大进化代数maxgen、种群数sizepop、代沟ggap分别设置为50、20、0.9；同时对支持向量机建模的三个参数进行寻优，分别是：惩罚系数C，RBF核函数自带参数g，以及损失函数系数p。

3.根据权利要求1所述的一种燃煤燃烧特性计算方法，其特征在于，所述煤种燃烧特性参数包括着火温度和燃尽温度。

4.根据权利要求1所述的一种燃煤燃烧特性计算方法，其特征在于，所述混煤的元素分析、工业分析和发热量采用加权平均的方法求得。