CN109764327A - 一种锅炉效差智能分析系统与方法 - Google Patents

Abstract

本发明公开了一种锅炉效差智能分析系统与方法。本发明包括锅炉效率实时计算模块、锅炉效率实时预测优化模块、效差分析与运行优化模块。锅炉效率实时计算模块用于根据锅炉的实时运行参数计算实时锅炉效率。锅炉效率实时预测优化模块用于根据当前客观的可燃用煤种和锅炉负荷，优化掺烧上煤方式，优化氧量控制，优化配风方式，预测计算并得到最优化锅炉效率。效差分析与运行优化模块，用于将实际锅炉效率与最优化锅炉效率进行对比分析，并得到影响锅炉效率的关键参数的差异以及运行操作可优化的目标，进一步得到可提高锅炉效率的运行优化指导。本发明可以消除非人为因素的、仅考虑运行操作因素的智能化锅炉效率评估系统。

Description

一种锅炉效差智能分析系统与方法

技术领域

本发明属于节能减排技术领域，涉及一种锅炉效差智能分析系统与方法。

背景技术

燃煤电厂锅炉效率是影响电厂发电煤耗的重要指标，为了提高锅炉效率、降低发电煤耗，电厂一般都有对锅炉效率中的关键参数(俗称小指标)进行考核，甚至各电厂间对小指标进行评比竞赛。通用情况下，进行小指标考核时，所制定的考核标准都为固定值，比如飞灰含碳量，当实际飞灰含碳量高于某固定标准值时，判断为不合格；或者通过班组间小指标差异判断优劣。理论上，在燃烧煤种、锅炉负荷一致的情况下，小指标的差异可以判断运行操作水平的差异，固定小指标具有一定的参考价值。而实际上，燃烧的煤种不同、班组间的负荷水平和稳定性不同，对锅炉效率的影响及其关键参数的影响很大，在当前我国电力煤炭市场资源复杂、负荷率波动大、昼夜峰谷差大的背景下，煤种和负荷等非人为因素对锅炉效率的影响远大于锅炉运行的人为可调整能力范围。在以前智能化水平甚至自动化水平不高的情况下，小指标考核虽然科学性不足，但也具有一定的积极意义。随着当前智能化技术的发展、国家对工业智能化技术发展的高度要求、电力企业对智能发电的高度关注和大力投入，利用智能化技术和大数据技术，研发一种可以消除非人为因素的、仅考虑运行操作因素的智能化锅炉效率评估系统，并提供运行优化指导，具有重要的科学价值和现实意义，具有广阔的市场前景。

发明内容

鉴于现有技术的局限性和智能化技术的发展趋势，本发明提出了一种锅炉效差智能分析系统与方法。

本发明解决其技术问题所采用的技术方案是：

本发明包括锅炉效率实时计算模块、锅炉效率实时预测优化模块、效差分析与运行优化模块。

所述的锅炉效率实时计算模块，用于根据锅炉的实时运行参数计算实时锅炉效率。

所述的锅炉效率实时预测优化模块，用于根据当前客观的可燃用煤种和锅炉负荷，优化掺烧上煤方式，优化氧量控制，优化配风方式，预测计算并得到最优化锅炉效率。

所述的效差分析与运行优化模块，用于将实际锅炉效率与最优化锅炉效率进行对比分析，并得到影响锅炉效率的关键参数的差异以及运行操作可优化的目标，进一步得到可提高锅炉效率的运行优化指导。

所述的锅炉效率实时计算模块，锅炉效率计算标准方法依据《GB/T 10184-2015电站锅炉性能试验规程》，采用反平衡方法计算。

所述的锅炉效率实时计算模块，计算实时锅炉效率，所需要的参数包括：锅炉负荷、大气压、环境温度、入炉煤质、排烟氧量、排烟温度、排烟CO浓度、灰渣含碳量，其中入炉煤质来自于电厂燃料系统，其它数据来自机组DCS控制系统，如果机组的部分测量数据存在缺失时，需新增数据测点。

所述的锅炉效率实时计算模块，计算实时锅炉效率，同时得到锅炉效率的各项损失：q₂、q₃、q₄、q₅、q₆。

所述的锅炉效率实时预测优化模块，预测排烟温度、预测灰渣含碳量、预测CO排放浓度、预测燃烧NOx浓度，需要的预测模型分别是：排烟温度预测模型、灰渣含碳量预测模型、CO排放浓度预测模型、燃烧NOx浓度预测模型，该预测模型根据机组历史数据和/或试验数据建立，且通过验证具有一定的准确性。

所述的锅炉效率实时预测优化模块，在锅炉当前运行参数的基础上，采用优化算法得到最优锅炉效率及其对应的锅炉运行控制参数。所述的优化算法为遗传算法；

所述的锅炉效率实时预测优化模块，优化掺烧上煤方式、优化氧量控制、优化配风方式；同时优化参数：入炉煤的上煤方式(即在多个煤种入炉掺烧的情况下，改变不同的煤种上不同的磨煤机)、炉膛出口氧量、二次风与燃尽风的配风方式。

所述的锅炉效率实时预测优化模块，优化过程如下：分别预测排烟温度、预测灰渣含碳量、预测CO排放浓度，并调用锅炉效率实时计算模块中的计算实时锅炉效率方法，计算预测锅炉效率，同时预测燃烧NOx浓度。

所述的锅炉效率实时预测优化模块，优化目标：控制合理燃烧 NOx浓度，优化最优锅炉效率。取锅炉效率最大值为锅炉效率最优值。在得到锅炉效率最优值的同时，也得到对应的锅炉效率的各项损失，并得到最优值所对应的最优运行控制参数：上煤方式、炉膛出口氧量、二次风和燃尽风配风方式。

所述的效差分析与运行优化模块，智能效差分析，以锅炉效率实时预测优化模块所得到的优化锅炉效率及其各项损失为考核基准值，计算锅炉效率实时计算模块所得到的实时锅炉效率及其各项损失与考核基准值之间的差异，即为符合锅炉实际特性与外部因素的、仅与运行操作相关的锅炉智能效差分析。

所述的效差分析与运行优化模块，通过智能效差分析得到了锅炉实际运行锅炉效率与最优锅炉效率的差异，并得到了影响锅炉效率差异的关键损失因素。

所述的效差分析与运行优化模块，运行优化指导，在得到效差分析结果的同时，得到了明确的提升锅炉效率的优化运行控制参数，为锅炉优化运行提供直接有效的运行优化指导。

所述的效差分析与运行优化模块，因为锅炉运行的各项参数是相互关联影响的，所以在根据运行优化指导进行运行优化调整时，需要同步调整运行优化指导中的各项控制参数。

所述的效差分析与运行优化模块，运行优化指导的控制参数可接入控制系统，实现运行优化闭环控制，即可进一步实现锅炉智能优化运行。

本发明有益效果如下：

本发明的目的就是将锅炉效率实时计算和锅炉效率预测优化相结合，在实际可燃用煤种和锅炉负荷的客观条件下，分析实际锅炉效率与最优化锅炉效率及其关键参数的差异，以及运行操作可优化的目标。利用智能化技术和大数据技术，研发一种可以消除非人为因素的、仅考虑运行操作因素的智能化锅炉效率评估系统，并提供运行优化指导，克服了固定指标考核所存在的缺陷，具有重要的科学价值和现实意义，具有广阔的市场前景。

附图说明

图1是本发明的系统与方法流程图。

具体实施方式

下面结合附图对本发明作进一步说明。

如图1所示，一种锅炉效差智能分析系统与方法，包括锅炉效率实时计算模块、锅炉效率实时预测优化模块、效差分析与运行优化模块。

所述的锅炉效率实时计算模块，锅炉效率计算标准方法依据《GB/T 10184-2015电站锅炉性能试验规程》，采用反平衡方法计算。

所述的锅炉效率实时计算模块，计算实时锅炉效率，所需要的参数包括：锅炉负荷、大气压、环境温度、入炉煤质、排烟氧量、排烟温度、排烟CO浓度、灰渣含碳量，其中入炉煤质来自于电厂燃料系统，其它数据来自机组DCS控制系统，如果机组的部分测量数据存在缺失时，需新增数据测点。

所述的锅炉效率实时计算模块，计算实时锅炉效率，同时得到锅炉效率的各项损失：q₂、q₃、q₄、q₅、q₆。

所述的锅炉效率实时预测优化模块，预测排烟温度、预测灰渣含碳量、预测CO排放浓度、预测燃烧NOx浓度，需要具有预测模型：排烟温度预测模型、灰渣含碳量预测模型、CO排放浓度预测模型、燃烧NOx浓度预测模型，该模型根据机组历史数据和/或试验数据建立，本发明的前提是已有该模型，且通过验证具有一定的准确性。

所述的锅炉效率实时预测优化模块，在锅炉当前运行参数的基础上，采用优化算法(如遗传算法等)，得到最优锅炉效率及其对应的锅炉运行控制参数。

所述的锅炉效率实时预测优化模块，优化掺烧上煤方式、优化氧量控制、优化配风方式，优化参数：入炉煤的上煤方式(即在多个煤种入炉掺烧的情况下，改变不同的煤种上不同的磨煤机)、炉膛出口氧量、二次风与燃尽风的配风方式。

所述的锅炉效率实时预测优化模块，优化过程：分别预测排烟温度、预测灰渣含碳量、预测CO排放浓度，并调用锅炉效率实时计算模块中的计算实时锅炉效率方法，计算预测锅炉效率，同时预测燃烧 NOx浓度。

所述的锅炉效率实时预测优化模块，优化目标：控制合理燃烧 NOx浓度，优化最优锅炉效率。取锅炉效率最大值为锅炉效率最优值。在得到锅炉效率最优值的同时，也得到对应的锅炉效率的各项损失，并得到最优值所对应的最优运行控制参数：上煤方式、炉膛出口氧量、二次风和燃尽风配风方式。

所述的效差分析与运行优化模块，智能效差分析，以锅炉效率实时预测优化模块所得到的优化锅炉效率及其各项损失为考核基准值，计算锅炉效率实时计算模块所得到的实时锅炉效率及其各项损失与考核基准值之间的差异，即为符合锅炉实际特性与外部因素的、仅与运行操作相关的锅炉智能效差分析。

所述的效差分析与运行优化模块，通过智能效差分析得到了锅炉实际运行锅炉效率与最优锅炉效率的差异，并得到了影响锅炉效率差异的关键损失因素。

所述的效差分析与运行优化模块，运行优化指导，在得到效差分析结果的同时，得到了明确的提升锅炉效率的优化运行控制参数，为锅炉优化运行提供直接有效的运行优化指导。

所述的效差分析与运行优化模块，因为锅炉运行的各项参数是相互关联影响的，所以在根据运行优化指导进行运行优化调整时，需要同步调整运行优化指导中的各项控制参数。

所述的效差分析与运行优化模块，运行优化指导的控制参数可接入控制系统，实现运行优化闭环控制，即可进一步实现锅炉智能优化运行。

Claims (4)

1.一种锅炉效差智能分析系统与方法，其特征在于包括锅炉效率实时计算模块、锅炉效率实时预测优化模块、效差分析与运行优化模块；

所述的锅炉效率实时计算模块，用于根据锅炉的实时运行参数计算实时锅炉效率；

所述的锅炉效率实时预测优化模块，用于根据当前客观的可燃用煤种和锅炉负荷，优化掺烧上煤方式、氧量控制和化配风方式，预测计算并得到最优化锅炉效率；

所述的效差分析与运行优化模块，用于将实际锅炉效率与最优化锅炉效率进行对比分析，并得到影响锅炉效率的关键参数的差异以及运行操作可优化的目标，进一步得到可提高锅炉效率的运行优化指导。

2.根据权利要求1所述的一种锅炉效差智能分析系统与方法，其特征在于所述的锅炉效率实时计算模块，锅炉效率计算标准方法依据《GB/T 10184-2015电站锅炉性能试验规程》，采用反平衡方法计算；

所述的锅炉效率实时计算模块，计算实时锅炉效率，所需要的参数包括：锅炉负荷、大气压、环境温度、入炉煤质、排烟氧量、排烟温度、排烟CO浓度、灰渣含碳量，其中入炉煤质来自于电厂燃料系统，其它数据来自机组DCS控制系统，如果机组的部分测量数据存在缺失时，需新增数据测点；

所述的锅炉效率实时计算模块，计算实时锅炉效率，同时得到锅炉效率的各项损失。

3.如权利要求1所述的一种锅炉效差智能分析系统与方法，其特征在于所述的锅炉效率实时预测优化模块，预测排烟温度、预测灰渣含碳量、预测CO排放浓度、预测燃烧NOx浓度，需要的预测模型分别是：排烟温度预测模型、灰渣含碳量预测模型、CO排放浓度预测模型、燃烧NOx浓度预测模型；

在锅炉当前运行参数的基础上，采用遗优化传算法得到最优锅炉效率及其对应的锅炉运行控制参数；优化掺烧上煤方式、优化氧量控制、优化配风方式，优化入炉煤的上煤方式、炉膛出口氧量、二次风与燃尽风的配风方式；

优化过程：分别预测排烟温度、预测灰渣含碳量、预测CO排放浓度，并调用锅炉效率实时计算模块中的计算实时锅炉效率方法，计算预测锅炉效率，同时预测燃烧NOx浓度；

优化目标：控制合理燃烧NOx浓度，优化最优锅炉效率；取锅炉效率最大值为锅炉效率最优值；在得到锅炉效率最优值的同时，也得到对应的锅炉效率的各项损失，并得到最优值所对应的最优运行控制参数：上煤方式、炉膛出口氧量、二次风和燃尽风配风方式。

4.如权利要求1所述的一种锅炉效差智能分析系统与方法，其特征在于所述的效差分析与运行优化模块，智能效差分析以锅炉效率实时预测优化模块所得到的优化锅炉效率及其各项损失为考核基准值，计算锅炉效率实时计算模块所得到的实时锅炉效率及其各项损失与考核基准值之间的差异；通过智能效差分析得到锅炉实际运行锅炉效率与最优锅炉效率的差异，并得到了影响锅炉效率差异的关键损失因素；

运行优化指导：在得到智能效差分析结果的同时，得到了明确的提升锅炉效率的优化运行控制参数，为锅炉优化运行提供直接有效的运行优化指导；根据运行优化指导进行运行优化调整时，同步调整运行优化指导中的各项控制参数；

所述的效差分析与运行优化模块，运行优化指导的控制参数可接入控制系统，实现运行优化闭环控制，即可进一步实现锅炉智能优化运行。