CN111306572B - 一种锅炉智能优化燃烧节能控制系统 - Google Patents
一种锅炉智能优化燃烧节能控制系统 Download PDFInfo
- Publication number
- CN111306572B CN111306572B CN202010287137.5A CN202010287137A CN111306572B CN 111306572 B CN111306572 B CN 111306572B CN 202010287137 A CN202010287137 A CN 202010287137A CN 111306572 B CN111306572 B CN 111306572B
- Authority
- CN
- China
- Prior art keywords
- boiler
- data
- control
- control loop
- fuzzy
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N1/00—Regulating fuel supply
- F23N1/02—Regulating fuel supply conjointly with air supply
- F23N1/022—Regulating fuel supply conjointly with air supply using electronic means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明公开了一种锅炉智能优化燃烧节能控制系统,包括数据通讯模组、数据初分析存储数据库模组、模糊聚类分析模块、模糊无约束最优控制模块。本发明利用模糊聚类分析,采用模糊无约束最优控制模型重新构建了循环流化床锅炉燃烧效率、NOX排放的计算与预测模型;采用最优控制模型计算锅炉负荷控制回路、热量补偿控制回路、给水流量控制回路、燃烧室床温控制回路、一次风流量控制回路、二次风流量控制回路、炉膛负压控制回路、石灰石给料控制回路、燃烧室床压控制回路的各监测与控制参数的最优值,从而保证循环流化床锅炉在稳定、安全、经济运行的基础上,达到锅炉燃烧效率最优、NOX排放最低的目的。
Description
技术领域
本发明涉及锅炉节能控制技术领域,特别是一种锅炉智能优化燃烧节能控制系统。
背景技术
中国是目前世界上经济发展最快的国家之一,同时是世界上最大的产煤国,也是最大的煤消耗国。高速发展的经济必然意味着对能源需求的大量增加,煤在我国一次能源构成中占据着绝对主要的地位。据专家预测,在我国未来一次能源消费结构中煤炭仍将占主导地位。同时由于煤炭的开发和利用产生的CO2、SO2和NOX排放,也引起了国际与国内的环境问题的关注。随着国内对能源使用以及环境环保管理越来越严格,对企业的运营管理也造成了一定的压力。
中国为了解决劣质燃料燃烧问题,在60年代就开始了流化床锅炉的研究工作。流化床燃烧是床料在流化状态下进行的一种燃烧,其燃料范围广、炉内脱硫效率高、NOX排放量小、燃烧效率高、负荷调节范围比大以及灰渣可以综合利用等众多优点,循环流化床锅炉在国内得以迅速推广。
随着我国经济、技术与科技的发展,企业对环境的治理、技术水平的提高也有迫切的需求,针对于一些领域的循环流化床使用企业来讲,在现有条件下使用最小投入成本得到最大经济效益也是一种考量的方向。我公司在此背景下,研发了一种自动控制装置,可以实现对循环流化床锅炉的优化控制燃烧。
目前行业内控制普遍采用单回路控制系统,通过控制一次风和二次风比例控制料床温度,用这种控制方法调节床温时调节范围有限,当床温大幅度波动时控制效果比较差,或者负荷调节比较大时需要人手动参与干扰。另外,目前锅炉优化燃烧主要还是靠人员进行不同工况获取相关运行参数并进行验证,费时费力也不能根据锅炉的实时变化情况进行及时有效的控制。
发明内容
本发明的目的是要解决现有技术中存在的不足,提供一种锅炉智能优化燃烧节能控制系统。
为达到上述目的,本发明是按照以下技术方案实施的:
一种锅炉智能优化燃烧节能控制系统,用于与锅炉DCS控制系统连接,所述锅炉DCS控制系统包括若干控制回路:锅炉负荷控制回路、热量补偿控制回路、给水流量控制回路、燃烧室床温控制回路、一次风流量控制回路、二次风流量控制回路、炉膛负压控制回路、石灰石给料控制回路、燃烧室床压控制回路;所述锅炉智能优化燃烧节能控制系统包括:
数据通讯模组,用于与锅炉DCS控制系统中的上位机互联进行数据交互;
数据初分析存储数据库模组,与数据通讯模组互联,用于读取锅炉DCS系统实时数据,将全部数据备份转储至本地服务器,并且对数据进行初步分析判断;
模糊聚类分析模块,与数据初分析存储数据库模组互联,用于将数据初分析存储数据库模组所获取的全部数据进行归类、建模、分析预测,判断锅炉当前的实际运行情况与预测锅炉未来运行趋势;
模糊无约束最优控制模块,与数据初分析存储数据库模组互联,且模糊聚类分析模块的输出端与模糊无约束最优控制模块的输入端连接,模糊无约束最优控制模块用于结合锅炉当前的实际运行情况,将模糊聚类分析模块输出的分析数据进行预测分析并求解最佳运行参数并通过数据初分析存储数据库模组反馈至锅炉DCS控制系统以最佳运行参数运行,使得锅炉达到高效、稳定和低排放的目的。
进一步,所述数据初分析存储数据库模组与锅炉DCS控制系统之间设有用于对获取的锅炉实时运行数据进行滤波处理的卡尔曼-布希滤波器。
优选地,所述数据通讯模组通过OPC通讯方式与锅炉DCS控制系统中的上位机软件OPC数据转储服务器进行数据交互或以VPN、RS485通讯方式与锅炉DCS控制系统直接通讯。
优选地,所述锅炉DCS系统实时数据包括参与各控制回路和参与保护连锁的有效数据、参与锅炉效率计算的有效数据、锅炉运行前馈时间,所述锅炉运行前馈时间包括正趋势前馈时间和负趋势其前馈时间。
进一步,所述模糊聚类分析模块用于将数据初分析存储数据库模组所获取的全部数据进行归类、建模、分析预测,判断锅炉当前的实际运行情况与预测锅炉未来运行趋势的实现过程如下:
1)采集数据样本,确定主要因子,建立数据矩阵
设论域U={x1,x2,```xn}为数据初分析存储数据库模组存储的各时期指向正确的动态调整区间值,主要有扰动值、扰动值区间、扰动时间、扰动时间区间组成,通过数据库函数,调取当前稳态下相同扰动时间区间的升序排序样本,取样本量n=25~500,每个样本的主要指标由m个监控变量来描述,具体变量为参与各控制回路的相关控制变量,样本数量,于是得到xi=(xi1,xi2,```,xim)(i=1,2,```,n),于是得到原始数据矩阵为:
2)标定,建立模糊相似矩阵
采用指数相似系统,第i个样本与第j个样本的相似系数为:
由上式算的模糊相似矩阵R;
3)聚类
用二次方法求传递闭包t(R):R→R2→R4→R8,R8°R8=R8,得模糊等价矩阵t(R):R=R8=R*;
当λ在某一区间时得到一系列等价的布尔矩阵Rλ *,通过计算机程序设置为4个等级,等级划分为Ⅰ-最优级、Ⅱ-次优级、Ⅲ-保护级、Ⅳ其它,绘制动态聚类图,并将当前获取的相关动态调整区间值输入上述模糊相似矩阵R,将计算机自动获取的λ值输入到当前数据模型中,判断当前获取的动态调整区间值所属级别。
进一步,所述模糊无约束最优控制模块用于结合锅炉当前的实际运行情况,将模糊聚类分析模块输出的分析数据进行预测分析并求解最佳运行参数的实现过程如下:
模糊无约束最优控制模块的目的是在系统的输出y(t)在规定的时间间隔[t0,tf]上尽量接近所期望的输出一yd(t),并使规定的性能指标最小即在最小负荷变化率的基础上达到最大锅炉效率,同时能够做到NOX排放更低,并且使系统的扰动降到最低;因此,构建离散系统状态方程:
X(k+1)=f(x(k),u(k),k),k=0,1,```,N-1,
初始条件,x(0)=x0;
目标集,S={x(N)|g(x(N))=0},其中g=(g1,g2,```,gp)T;
求控制,u*={u*(0),U*(1),```,u*(N-1)}使J为最小;
已知系统的状态空间表达式为:
y(t)=x(t);
由u*(t)=-R-1BT[P(t)x(t)-g(t)]得最优控制其中,P(t)满足黎卡提微分方程P(tf)=f,g(t)满足微分方程g(tf)=fyd(tf),最优轨线x*(t)满足方程则绘制最优跟踪系统在a=-1,x(0)=0,f=0,q=1,tf=1情况下的响应曲线。
与现有技术相比,本发明利用模糊聚类分析,采用模糊无约束最优控制模型重新构建了循环流化床锅炉燃烧效率、NOX排放的计算与预测模型;采用最优控制模型计算锅炉负荷控制回路、热量补偿控制回路、给水流量控制回路、燃烧室床温控制回路、一次风流量控制回路、二次风流量控制回路、炉膛负压控制回路、石灰石给料控制回路、燃烧室床压控制回路的各监测与控制参数的最优值,从而保证循环流化床锅炉在稳定、安全、经济运行的基础上,达到锅炉燃烧效率最优、NOX排放最低的目的。
附图说明
图1为本发明的系统结构框图。
图2为锅炉本体散热损失表。
图3为锅炉燃烧器安区子系统控制框图。
图4为锅炉的固体燃料安区子系统控制框图。
图5为风机吹扫逻辑系统控制框图。
图6为锅炉的跳闸逻辑系统控制框图。
图7为锅炉安全连锁系统控制框图。
图8为锅炉主控逻辑系统控制框图。
图9为本实施例的模糊聚类分析模块建立的模糊相似矩阵R简图。
图10为本实施例的由模糊相似矩阵R获得的模糊等价矩阵图。
图11为本实施例的模糊聚类分析模块绘制的动态聚类图。
图12为本实施例的模糊聚类分析模块的聚类分析框图。
图13为本实施例的锅炉最优跟踪系统结构图。
图14为本实施例的多布决策条件结构图。
图15为本实施例的模糊无约束最优控制模块绘制的锅炉跟踪系统最优解曲线。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步的详细说明。此处所描述的具体实施例仅用于解释本发明,并不用于限定发明。
如图1所示,本实施例的一种锅炉智能优化燃烧节能控制系统,用于与锅炉DCS控制系统连接,所述锅炉DCS控制系统包括若干控制回路:锅炉负荷控制回路、热量补偿控制回路、给水流量控制回路、燃烧室床温控制回路、一次风流量控制回路、二次风流量控制回路、炉膛负压控制回路、石灰石给料控制回路、燃烧室床压控制回路;其中,各控制回路的功能描述如下:
(1)锅炉负荷控制回路
锅炉负荷信号是由主汽集箱压力和实际蒸汽流量的测量信号组合形成的。锅炉负荷需求信号使燃料量(油和煤)和所需的空气量加以改变,在维持主汽压力在预定的设定值的前提下,从而改变所需蒸汽流量、燃料放热值以及整个传热过程。
(2)热量补偿控制回路
总燃料流量(煤和燃油)测量值作为煤流量控制回路的反馈信号,以及空气流量控制回路的需求量信号必须考虑到锅炉传热状况和燃料热值的某些改变,因此,总燃料流量必须加以补偿。
(3)给水流量控制回路
该回路的设计要保证输入到锅炉的给水量与输出的蒸汽流量平衡,以维持汽包中所要求的水位。在启动期间是靠控制启动给水调节阀的开度,而在正常运行时是靠控制主给水调节阀的开度来实现上述过程,这两个阀分别从单冲量或三冲量控制器中得到它们的控制信号,单冲量控制既可以是自动运行,也可以是手动运行,三冲量控制既可以是级联控制运行,也可以是手动控制运行。单冲量控制只观察汽包水位,是在启动期间使用的;而三冲量控制是观察汽包水位、蒸汽流量及给水流量,具有较高的控制水平,在稳定的大负荷下使用。
(4)燃烧室床温控制回路
该回路的目的是根据负荷的要求维持床温在规定值,这个规定值通常约为880℃,在这一条件运行可以保证锅炉最佳的燃烧效率以及最佳脱硫度,为了控制床温在这一需要值,一、二次风的比率需要随床温度变化而变化。
(5)一次风流量控制回路
一次风机提供的空气具有以下作用:
(a)流经布风板的一次风用于流化燃烧室内的床料。
(b)送入两支床下启动用油燃烧器作为燃烧配风,以产生足够高温的烟气。
(6)二次风流量控制回路
二次风机提供的预热空气部分作为给煤机的密封风、到给煤风环,可以促使煤进入炉膛,防止给煤线路中烟气的回流。燃烧室四壁布置二次风喷嘴,提供到这些喷嘴的二次风可用于燃料的完全燃烧,帮助控制床温以及调整燃烧室的过剩空气量。据此进行调节。
(7)炉膛负压控制回路
循环流化床锅炉是平衡通风锅炉,定义为通过控制燃烧产物的排出量及相对于给料的过剩空气量,维持炉膛内固定负压值(通常是100Pa的负压)。引风机从除尘器吸入烟气,并将清洁的烟气排到烟囱。
(8)石灰石给料控制回路
该回路是向床中提供足够的石灰石,以维持二氧化硫的排放量低于允许的环保要求值,并提供床料。
(9)燃烧室床压控制回路
该回路的目的是控制燃烧室内床料的数量,燃烧室内床料的数量直接正比于床压,无论是床压还是床料存量都对床温和传热率有直接的影响,另外,它还影响到SO2脱除率。
所述锅炉智能优化燃烧节能控制系统包括:
数据通讯模组,用于与锅炉DCS控制系统中的上位机互联进行数据交互;本实施例中所述数据通讯模组通过OPC通讯方式与锅炉DCS控制系统中的上位机软件OPC数据转储服务器进行数据交互,也可以以VPN、RS485通讯方式与锅炉DCS控制系统直接通讯;
数据初分析存储数据库模组,与数据通讯模组互联,用于读取锅炉DCS系统实时数据;将所获取的前馈时间值输入到滤波器和模糊聚类分析模块进行数据分析,判断前馈时间是否有效,将有效值自动设置为该参数调节的正趋势前馈时间和负趋势前馈时间的限制保护值,该保护值处于人为设置的强制保护限制区间内。
所述锅炉DCS系统实时数据包括参与各控制回路和参与保护连锁的有效数据、参与锅炉效率计算的有效数据、锅炉运行前馈时间,所述锅炉运行前馈时间包括正趋势前馈时间和负趋势其前馈时间;锅炉达到稳态运行后,在投入优化运行时,设置有2级准备按钮:
第一级为准备投入优化运行;
第二级为确认投入优化运行;
准备投入优化运行:功能实现(一)内所列各控制回路在某一输入参数变化时,监测输出量变化的反馈时长,这一时间设置为前馈预调时间。具体实现方式是在满足各设定参数的保护区间内,由程序设定某一区间扰动值,该值在当前稳态运行数据基础上进行区间扰动,并记录从扰动开始到输出变量数据变化时间。过程是扰动开始输入参数到记录参数变化,并从当前扰动值恢复到扰动前状态值,再次记录参数变化,过程中记录2个扰动时间。分别作为正趋势前馈时间和负趋势其前馈时间使用。整个前馈时间记录,在安全区间内作梯度扰动,每个扰动梯度做设定参数次数的扰动记录。并将有效数据记录存入数据库。所有控制回路依次作扰动预调,并记录相应前馈时间。
并将全部数据备份转储至本地服务器,并且对数据进行初步分析判断。数据初分析存储数据库模组与锅炉DCS控制系统之间设有用于对获取的锅炉实时运行数据进行滤波处理的卡尔曼-布希滤波器将参与各控制回路和参与保护连锁的有效数据存入数据库服务器,参与锅炉效率计算的有效数据代入锅炉热平衡燃烧效率公式内实时计算锅炉燃烧效率。
锅炉热效率的计算:
根据热平衡方程可知,送入锅炉的热量应等于锅炉输出的热量,这种关系称为锅炉热平衡,用公式表示既为热平衡方程:
Qr=Q1+Q2+Q3+Q4+Q5+Q6
式中Qr:送入锅炉的热量,kJ/kg;
Q1:锅炉机组的有效利用热,kJ/kg;
Q2:排烟带走的热损失,kJ/kg;
Q3:化学未完全燃烧损失,kJ/kg;
Q4:机械未完全燃烧损失,kJ/kg;
Q5:锅炉散热损失,kJ/kg;
Q6:灰渣物理热损失,kJ/kg;
锅炉的反平衡效率公式:
η=100-(q2+q3+q4+q5+q6);
其中q2可估算,由表1(排烟热损失表查询);
表1
q3可取为0%~1%;
q4可取为2%~8%;
q5散热损失,与炉型、炉墙质量、水冷壁敷设情况和管道的绝热情况等因素有关。在锅炉额定蒸发量时,其散热损失可按图2选取;
q6可按下式估算:
hhz:灰渣在t(℃)是的比焓,可参见表2;
表2
αhz:锅炉排渣滤,对于循环流化床锅炉αhz=30%~70%;流化床锅炉
αhz=45%~75%;
Aar:煤收到基,可化验或查表获取通用煤种相关值。
模糊聚类分析模块,与数据初分析存储数据库模组互联,用于将数据初分析存储数据库模组所获取的全部数据进行归类、建模、分析预测,判断锅炉当前的实际运行情况与预测锅炉未来运行趋势;
模糊无约束最优控制模块,与数据初分析存储数据库模组互联,且模糊聚类分析模块的输出端与模糊无约束最优控制模块的输入端连接,模糊无约束最优控制模块用于结合锅炉当前的实际运行情况,将模糊聚类分析模块输出的分析数据进行预测分析并求解最佳运行参数并通过数据初分析存储数据库模组反馈至锅炉DCS控制系统以最佳运行参数运行,使得锅炉达到高效、稳定和低排放的目的。
模糊聚类分析模块在得到分析正确的前馈时间后,模糊聚类分析模块接管锅炉自动控制系统,并开始执行优化燃烧控制程序。在运行期间,实时监测扰动时间,通过前馈时间判定方法,并介入模糊无约束最优控制模块计算,动态获取最优前馈时间设定值并调整,详见图8的锅炉主控逻辑图,其中的锅炉燃烧器安全子系统详见图3,锅炉的燃料安全子系统详见图4,风机的吹扫逻辑详见图5,锅炉的跳闸逻辑详见图6,锅炉的安全连锁框图详见图7。
模糊聚类分析模块用于将数据初分析存储数据库模组所获取的全部数据进行归类、建模、分析预测,判断锅炉当前的实际运行情况与预测锅炉未来运行趋势的实现过程如下:
1)采集数据样本,确定主要因子,建立数据矩阵。
设论域U={x1,x2,```xn}为数据库服务器存储的各时期指向正确的动态调整区间值,主要有扰动值、扰动值区间、扰动时间、扰动时间区间等组成。通过数据库函数,调取当前稳态下相同扰动时间区间的升序排序样本,取样本量n=25~500,每个样本的主要指标由m个监控变量来描述,具体变量为参与各控制回路的相关控制变量,样本数量,于是得到xi=(xi1,xi2,```,xim)(i=1,2,```,n),于是得到原始数据矩阵为
2)标定——建立模糊相似矩阵。
采用指数相似系统,第i个样本与第j个样本的相似系数为
可由上式算的模糊相似矩阵R简图见图9(为n=26的模糊矩阵)。
3)聚类
用二次方法求传递闭包t(R):R→R2→R4→R8,R8°R8=R8,得模糊等价矩阵t(R):R=R8=R*为图10所示。
聚类。当λ在某一区间时可以得到一系列等价的布尔矩阵Rλ *。通过计算机程序设置为4个等级,这样可以自动获得相应的λ区间值。等级划分为Ⅰ-最优级、Ⅱ-次优级、Ⅲ-保护级、Ⅳ其它,这样可以绘制动态聚类图如图11,将当前获取的相关动态调整区间值(m系列变量值)输入上述模型。将计算机自动获取的λ值输入到当前数据模型中,可以判断当前获取的动态调整区间值所属级别。若为Ⅰ级,则设置为当前锅炉稳态的动态调整区间值以及动态前馈时间值,取Ⅱ域内相关值取加权平均值作为二级保护区间值,介于调整极值与动态调整区间值之间的保护值。此时进入下个梯阶扰动区间重复上步操作,直至将梯度扰动范围全部聚类标定完整。若在某一梯度范围内不能满足Ⅰ级条件,重新进行扰动采集,框图见图12。
模糊无约束最优控制模块用于结合锅炉当前的实际运行情况,将模糊聚类分析模块输出的分析数据进行预测分析并求解最佳运行参数的实现过程如下:
模糊无约束最优控制模块的目的是在系统的输出y(t)在规定的时间间隔[t0,tf]上尽量接近所期望的输出一yd(t),并使规定的性能指标最小即在最小负荷变化率的基础上达到最大锅炉效率,同时能够做到NOX排放更低,并且使系统的扰动降到最低,控制框图见图13;
结合贝尔曼最优性原理:多布决策过程中的最优决策具有这样的性质,若将过程任意分为两段,则不论前半段的初始状态和决策如何,余下的后半段决策对于新的初始状态(即前半段的末值状态)仍构成一个最优决策。
因此,构建离散系统状态方程:
X(k+1)=f(x(k),u(k),k), k=0,1,```,N-1;
初始条件,x(0)=x0;
目标集,S={x(N)|g(x(N))=0},其中g=(g1,g2,```,gp)T;
求控制,u*={u*(0),U*(1),```,u*(N-1)}使J为最小。
已知系统的状态空间表达式为:
y(t)=x(t);
由u*(t)=-R-1BT[P(t)x(t)-g(t)]得最优控制其中,P(t)满足黎卡提微分方程P(tf)=f,g(t)满足微分方程g(tf)=fyd(tf),最优轨线x*(t)满足方程,则可以绘制最优跟踪系统在a=-1,x(0)=0,f=0,q=1,tf=1情况下,一组响应曲线,详见图15。此图为u(t)的一组响应曲线。由图可见,若r越小(即表示不重视消耗能量的大小),则u(t)的恒值越大;相对而言,既重视误差的大小,故y(t)对yd(t)的跟踪性能越好。在上述最优控制下,锅炉燃烧达到最高效率、最佳硫化物及氮化物的排放。
本发明的技术方案不限于上述具体实施例的限制,凡是根据本发明的技术方案做出的技术变形,均落入本发明的保护范围之内。
Claims (4)
1.一种锅炉智能优化燃烧节能控制系统,用于与锅炉DCS控制系统连接,所述锅炉DCS控制系统包括若干控制回路:锅炉负荷控制回路、热量补偿控制回路、给水流量控制回路、燃烧室床温控制回路、一次风流量控制回路、二次风流量控制回路、炉膛负压控制回路、石灰石给料控制回路、燃烧室床压控制回路;其特征在于:所述锅炉智能优化燃烧节能控制系统包括:
数据通讯模组,用于与锅炉DCS控制系统中的上位机互联进行数据交互;
数据初分析存储数据库模组,与数据通讯模组互联,用于读取锅炉DCS系统实时数据,将全部数据备份转储至本地服务器,并且对数据进行初步分析判断;
模糊聚类分析模块,与数据初分析存储数据库模组互联,用于将数据初分析存储数据库模组所获取的全部数据进行归类、建模、分析预测,判断锅炉当前的实际运行情况与预测锅炉未来运行趋势,实现过程如下:
1)采集数据样本,确定主要因子,建立数据矩阵
设论域U={x1,x2,```xn}为数据初分析存储数据库模组存储的各时期指向正确的动态调整区间值,主要有扰动值、扰动值区间、扰动时间、扰动时间区间组成,通过数据库函数,调取当前稳态下相同扰动时间区间的升序排序样本,取样本量n=25~500,每个样本的主要指标由m个监控变量来描述,具体变量为参与各控制回路的相关控制变量,样本数量,于是得到xi=(xi1,xi2,```,xim)(i=1,2,```,n),于是得到原始数据矩阵为:
2)标定,建立模糊相似矩阵
采用指数相似系统,第i个样本与第j个样本的相似系数为:
由上式算的模糊相似矩阵R;
3)聚类
当λ在某一区间时得到一系列等价的布尔矩阵Rλ *,通过计算机程序设置为4个等级,等级划分为Ⅰ-最优级、Ⅱ-次优级、Ⅲ-保护级、Ⅳ其它,绘制动态聚类图,并将当前获取的相关动态调整区间值输入上述模糊相似矩阵R,将计算机自动获取的λ值输入到当前数据模型中,判断当前获取的动态调整区间值所属级别;
模糊无约束最优控制模块,与数据初分析存储数据库模组互联,且模糊聚类分析模块的输出端与模糊无约束最优控制模块的输入端连接,模糊无约束最优控制模块用于结合锅炉当前的实际运行情况,将模糊聚类分析模块输出的分析数据进行预测分析并求解最佳运行参数并通过数据初分析存储数据库模组反馈至锅炉DCS控制系统以最佳运行参数运行,使得锅炉达到高效、稳定和低排放的目的,实现过程如下:
模糊无约束最优控制模块的目的是在系统的输出y(t)在规定的时间间隔[t0,tf]上尽量接近所期望的输出一yd(t),并使规定的性能指标最小即在最小负荷变化率的基础上达到最大锅炉效率,同时能够做到NOX排放更低,并且使系统的扰动降到最低;因此,构建离散系统状态方程:
X(k+1)=f(x(k),u(k),k),k=0,1,```,N-1,
初始条件,x(0)=x0;
目标集,S={x(N)|g(x(N))=0},其中g=(g1,g2,```,gp)T;
求控制,u*={u*(0),U*(1),```,u*(N-1)}使J为最小;
已知系统的状态空间表达式为:
y(t)=x(t);
2.根据权利要求1所述的锅炉智能优化燃烧节能控制系统,其特征在于:所述数据初分析存储数据库模组与锅炉DCS控制系统之间设有用于对获取的锅炉实时运行数据进行滤波处理的卡尔曼-布希滤波器。
3.根据权利要求1所述的锅炉智能优化燃烧节能控制系统,其特征在于:所述数据通讯模组通过OPC通讯方式与锅炉DCS控制系统中的上位机软件OPC数据转储服务器进行数据交互或以VPN、RS485通讯方式与锅炉DCS控制系统直接通讯。
4.根据权利要求1所述的锅炉智能优化燃烧节能控制系统,其特征在于:所述锅炉DCS系统实时数据包括参与各控制回路和参与保护连锁的有效数据、参与锅炉效率计算的有效数据、锅炉运行前馈时间,所述锅炉运行前馈时间包括正趋势前馈时间和负趋势其前馈时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010287137.5A CN111306572B (zh) | 2020-04-13 | 2020-04-13 | 一种锅炉智能优化燃烧节能控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010287137.5A CN111306572B (zh) | 2020-04-13 | 2020-04-13 | 一种锅炉智能优化燃烧节能控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111306572A CN111306572A (zh) | 2020-06-19 |
CN111306572B true CN111306572B (zh) | 2022-03-22 |
Family
ID=71150052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010287137.5A Active CN111306572B (zh) | 2020-04-13 | 2020-04-13 | 一种锅炉智能优化燃烧节能控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111306572B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112066411A (zh) * | 2020-09-02 | 2020-12-11 | 常州工学院 | 锅炉燃烧的优化方法 |
CN112508055A (zh) * | 2020-11-12 | 2021-03-16 | 东风汽车集团有限公司 | 一种车辆总体性能参数比较方法及相关设备 |
CN113671837A (zh) * | 2021-08-24 | 2021-11-19 | 华能南京燃机发电有限公司 | 一种联合循环机组冷态启动NOx排放控制方法和系统 |
CN113777921A (zh) * | 2021-08-27 | 2021-12-10 | 深圳市英维克信息技术有限公司 | 目标设备的控制方法、系统、存储介质及计算机设备 |
CN113741200B (zh) * | 2021-09-30 | 2024-04-12 | 新疆宝信智能技术有限公司 | 一种石灰套筒窑智能优化煅烧控制系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198175B (zh) * | 2013-03-04 | 2016-01-13 | 辽宁省电力有限公司鞍山供电公司 | 基于模糊聚类的变压器故障诊断方法 |
CN103423741B (zh) * | 2013-08-05 | 2015-10-28 | 浙江大学 | 循环流化床锅炉节能最优化系统及方法 |
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 |
CN105864797B (zh) * | 2016-04-01 | 2017-04-12 | 浙江大学 | 循环流化床生活垃圾焚烧锅炉入炉热值实时预测系统及方法 |
CN107023825B (zh) * | 2016-08-31 | 2019-01-22 | 西安艾贝尔科技发展有限公司 | 流化床锅炉控制与燃烧优化系统 |
-
2020
- 2020-04-13 CN CN202010287137.5A patent/CN111306572B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111306572A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111306572B (zh) | 一种锅炉智能优化燃烧节能控制系统 | |
CN110486749B (zh) | 一种火电机组锅炉燃烧优化控制方法及系统 | |
CN101713536B (zh) | 一种循环流化床锅炉燃烧系统的控制方法 | |
CN101063872B (zh) | 锅炉氧量优化系统 | |
CN101556038B (zh) | 循环流化床锅炉稳定运行与经济燃烧优化控制系统 | |
WO2023029118A1 (zh) | 垃圾焚烧厂acc自动燃烧控制方法 | |
CN109376945A (zh) | 一种基于多煤种的配煤掺烧优化系统 | |
CN104390234B (zh) | 带双进双出磨煤机的超超临界发电机组协调控制方法 | |
CN105240868B (zh) | 基于风煤比煤质校正的锅炉自动燃烧调整控制方法 | |
CN110260356B (zh) | 一种流化床锅炉的节能控制方法 | |
CN104061588A (zh) | 基于二次风门调风控制的低氮燃烧控制方法和系统 | |
CN110263452B (zh) | 一种烟道内烟气时间分布特性分析方法、系统及脱硝系统 | |
CN105627356A (zh) | 一种冶金燃气锅炉燃烧优化控制系统 | |
CN115419478A (zh) | 一种用于钢厂煤气发电的优化控制方法 | |
CN103870877B (zh) | 一种基于神经网络的锅炉燃烧智能控制方法 | |
CN112197262B (zh) | 一种循环流化床燃煤锅炉智能控制方法 | |
CN113177352A (zh) | 一种基于数值模拟和人工智能的锅炉燃烧优化系统及方法 | |
CN114675543B (zh) | 基于优化学习算法的热风炉智能燃烧控制方法 | |
WO2022252414A1 (zh) | 一种燃煤机组煤风同步动态协控方法 | |
CN112212322B (zh) | 热力循环流化床锅炉优化燃烧的智能控制方法 | |
CN114838351A (zh) | 一种循环流化床锅炉炉内脱硫自动控制方法 | |
CN112856479A (zh) | 一种加热炉低氧燃烧装置及系统 | |
CN111780155A (zh) | 高效率燃烧热风炉控制系统及控制方法 | |
CN114779722B (zh) | 一种用于燃煤电站锅炉的智慧燃烧优化控制系统及方法 | |
CN210765374U (zh) | 基于经验值模型的热风炉空燃比快速寻优系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |