CN111596548B - 一种锅炉二次风调控方法、装置、设备及介质 - Google Patents
一种锅炉二次风调控方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111596548B CN111596548B CN202010479150.0A CN202010479150A CN111596548B CN 111596548 B CN111596548 B CN 111596548B CN 202010479150 A CN202010479150 A CN 202010479150A CN 111596548 B CN111596548 B CN 111596548B
- Authority
- CN
- China
- Prior art keywords
- air distribution
- parameters
- boiler
- parameter
- distribution system
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000001276 controlling effect Effects 0.000 title claims abstract description 26
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 26
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 93
- 238000012549 training Methods 0.000 claims description 15
- 238000005265 energy consumption Methods 0.000 claims description 14
- 238000002485 combustion reaction Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000010531 catalytic reduction reaction Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Images
Classifications
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/34—Indirect CO2mitigation, i.e. by acting on non CO2directly related matters of the process, e.g. pre-heating or heat recovery
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Regulation And Control Of Combustion (AREA)
Abstract
本申请公开了一种锅炉二次风调控方法、装置、设备及计算机可读存储介质，方法包括：实时获取火电机组的运行参数，根据运行参数生成多个配风参数；将各配风参数及运行参数输入到预先建立的锅炉配风系统模型中，得到各配风参数对应的输出参数；将各输出参数分别输入到预先建立的判据模型中，得到各配风参数对应的判据指标；将判据指标最优的配风参数确定为目标配风参数，并根据目标配风参数进行二次风调控。本申请公开的上述技术方案，结合火电机组的实际运行情况选取判据指标最优的配风参数作为二次风调控的目标配风参数，以使得配风方式可以准确且及时地适应火电机组多变的边界环境，从而提高火电机组中锅炉的运行性能。
Description
技术领域
本申请涉及火力发电技术领域，更具体地说，涉及一种锅炉二次风调控方法、装置、设备及计算机可读存储介质。
背景技术
锅炉作为火力发电的基本设备之一，其运行特性受到多种因素的影响。在锅炉燃烧过程中，组织良好的火焰，防止火焰短路与燃烧器区域热角结渣，减少氮氧化物的排放，都需要有科学合理的配风方式才能达到。配风方式既决定了锅炉燃烧是否充分，也影响到锅炉的排烟温度、引风机的电能消耗和氮氧化物的排放。
目前，火电机组锅炉的二次风调控多是由人工根据经验来设置配风参数，并根据所设置的配风参数来进行配风调控，但是，这种方式并不准确，且由于火电机组实际的运行边界普遍存在煤质多变、负荷多变、气候多变和设备多变的问题，因此，依靠工人的经验进行调控会导致配风方式无法及时地适应多变的边界环境，从而会降低锅炉的运行性能。
综上所述，如何准确且及时地对锅炉进行二次风调节，以提高锅炉的运行性能，是目前本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此，本申请的目的是提供一种锅炉二次风调控方法、装置、设备及计算机可读存储介质，用于准确且及时地对锅炉进行二次风调节，以提高锅炉的运行性能。
为了实现上述目的，本申请提供如下技术方案：
一种锅炉二次风调控方法，包括：
实时获取火电机组的运行参数，根据所述运行参数生成多个配风参数；
将各所述配风参数及所述运行参数输入到预先建立的锅炉配风系统模型中，得到与各所述配风参数对应的输出参数；
将各所述输出参数分别输入到预先建立的判据模型中，得到与各所述配风参数对应的判据指标；
将判据指标最优的配风参数确定为目标配风参数，并根据所述目标配风参数进行二次风调控。
优选的，预先建立所述锅炉配风系统模型，包括：
获取所述火电机组的历史运行数据；其中，所述历史运行数据包括历史运行参数、历史配风参数和SCR反应器入口处的历史氮氧化物排放量、各送风机的电流；
将所述历史运行参数、所述历史配风参数作为所述锅炉配风系统模型的输入参数，将对应的所述SCR反应器入口处的历史氮氧化物排放量、各所述风电机的电流作为所述锅炉配风系统模型的输出参数；
采用深度神经网络算法进行建模，并对建立的配风系统模型进行训练，得到所述锅炉配风系统模型。
优选的，在对建立的配风系统模型进行训练时，还包括：
判断训练后的所述配风系统模型的模型精度是否达到预设精度，若是，则得到所述锅炉配风系统模型，若否，则调整所述配风系统模型的模型参数，并执行所述对建立的配风系统模型进行训练的步骤，直至训练后的所述配风系统模型的模型精度达到所述预设精度，以得到所述锅炉配风系统模型。
优选的，所述判据模型为：
Y＝Q4+C1×QNOX+C2×Qfan,forcced；
其中，Y为判据指标，Q4为固体不完全燃烧热损失，QNOX为所述SCR反应器入口处氮氧化物排放量的平均值，Qfan,forcced为送风机电耗能等效热损失，C1、C2为修正系数；
相应地，在将各所述输出参数分别输入到预先建立的判据模型中之前，还包括：
分别对各所述输出参数进行处理，以得到与各所述输出参数对应的所述SCR反应器入口处氮氧化物排放量的平均值、所述送风机电耗能等效热损失。
优选的，将判据指标最优的配风参数确定为目标配风参数，包括：
将判据指标最小的配风参数确定为所述目标配风参数。
优选的，根据所述运行参数生成多个配风参数，包括：
利用遗传算法或粒子群算法根据所述运行参数生成多个所述配风参数。
一种锅炉二次风调控装置，包括：
获取模块，用于实时获取火电机组的运行参数，根据所述运行参数生成多个配风参数；
第一输入模块，用于将各所述配风参数及所述运行参数输入到预先建立的锅炉配风系统模型中，得到与各所述配风参数对应的输出参数；
第二输入模块，用于将各所述输出参数分别输入到预先建立的判据模型中，得到与各所述配风参数对应的判据指标；
调控模块，用于将判据指标最优的配风参数确定为目标配风参数，并根据所述目标配风参数进行二次风调控。
优选的，包括用于预先建立所述锅炉配风系统模型的建立模块，所述建立模块包括：
获取单元，用于获取所述火电机组的历史运行数据；其中，所述历史运行数据包括历史运行参数、历史配风参数和SCR反应器入口处的历史氮氧化物排放量、各送风机的电流；
确定参数单元，用于将所述历史运行参数、所述历史配风参数作为所述锅炉配风系统模型的输入参数，将对应的所述SCR反应器入口处的历史氮氧化物排放量、各所述风电机的电流作为所述锅炉配风系统模型的输出参数；
建模单元，用于采用深度神经网络算法进行建模，并对建立的配风系统模型进行训练，得到所述锅炉配风系统模型。
一种锅炉二次风调控设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述任一项所述的锅炉二次风调控方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的锅炉二次风调控方法的步骤。
本申请提供了一种锅炉二次风调控方法、装置、设备及计算机可读存储介质，其中，该方法包括：实时获取火电机组的运行参数，根据运行参数生成多个配风参数；将各配风参数及运行参数输入到预先建立的锅炉配风系统模型中，得到各配风参数对应的输出参数；将各输出参数分别输入到预先建立的判据模型中，得到各配风参数对应的判据指标；将判据指标最优的配风参数确定为目标配风参数，并根据目标配风参数进行二次风调控。
本申请公开的上述技术方案，根据实时获取到的火电机组的运行参数生成多个配风参数，在经过预先建立的锅炉配风系统模型及判据模型的处理之后，从多个配风参数中选取出判据指标最优的配风参数作为实现二次风调控的目标配风参数，相较于现有技术中由人工根据经验进行二次风调控，本申请可以结合火电机组的实际运行情况选取判据指标最优的配风参数作为二次风调控的目标配风参数，以使得配风方式可以准确且及时地适应火电机组多变的边界环境，从而提高火电机组中锅炉的运行性能。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种锅炉二次风调控方法的流程图；
图2为本申请实施例提供的锅炉配风系统模型的建立流程图；
图3为本申请实施例提供的锅炉二次风调控装置的结构示意图；
图4为本申请实施例提供的锅炉二次风调控设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图1，其示出了本申请实施例提供的一种锅炉二次风调控方法的流程图，本申请实施例提供的一种锅炉二次风调控方法，可以包括：
S11：实时获取火电机组的运行参数，根据运行参数生成多个配风参数。
在火电机组的运行过程中，实时获取火电机组的运行参数，其中，这里提及的运行参数可以包括机组负荷、二次风箱与炉膛差压、燃烧器摆角、总风量等。之后，则可以根据实时获取到的火电机组的运行参数随机生成多个配风参数，其中，这里提及的配风参数具体可以指各层二次风门开度等与二次风调控相关的参数。
S12：将各配风参数及运行参数输入到预先建立的锅炉配风系统模型中，得到与各配风参数对应的输出参数。
将火电机组的运行参数与所生成的配风参数进行组合，以对应得到多个输入组合，并将各输入组合作为锅炉配风系统模型的输入参数而输入到预先建立的锅炉配风系统模型中，以分别得到与各输入组合中的配风参数对应的输出参数。
S13：将各输出参数分别输入到预先建立的判据模型中，得到与各配风参数对应的判据指标。
在得到与各配风参数对应的输出参数之后，可以将各输出参数分别输入到预先建立的判据模型中，利用判据指标计算出与各输出参数对应的判据指标，即得到与所生成的各配风参数对应的判据指标，以便于根据判据指标进行配风参数的选取和确定。
S14：将判据指标最优的配风参数确定为目标配风参数，并根据目标配风参数进行二次风调控。
在得到与各配风参数对应的判据指标之后，可以对各判据指标进行比较，通过比较从各判据指标中选取出最优的判据指标，之后，可以将判据指标最优的配风参数确定为目标配风参数，然后，可以根据目标配风参数对锅炉的配风系统进行二次风调控。
相较于现有技术通过人工根据经验进行二次风调控，本申请是依据火电机组的运行参数生成多个配风参数，并从多个配风参数中选取出判据指标最优的配风参数实现二次风调控，以使得所选取出的目标配风参数具有实在的科学依据(具体依据即为实时获取到的火电机组的运行参数)，并使得所选取出的目标配风参数可以及时且准确地适应火电机组多变的边界环境，从而便于提高锅炉燃烧的稳定性、燃烧效率等，并避免出现因边界多变导致配风调控不及时而带来的经济损失和环保性损失等。另外，本申请并不受地理条件等的限制，因此，应用范围比较广，同时，本申请可以通过上述过程实现锅炉二次风的在线调控，以降低二次风调控的复杂度和成本，提高二次风调控的便利性。
本申请公开的上述技术方案，根据实时获取到的火电机组的运行参数生成多个配风参数，在经过预先建立的锅炉配风系统模型及判据模型的处理之后，从多个配风参数中选取出判据指标最优的配风参数作为实现二次风调控的目标配风参数，相较于现有技术中由人工根据经验进行二次风调控，本申请可以结合火电机组的实际运行情况选取判据指标最优的配风参数作为二次风调控的目标配风参数，以使得配风方式可以准确且及时地适应火电机组多变的边界环境，从而提高火电机组中锅炉的运行性能。
参见图2，其示出了本申请实施例提供的锅炉配风系统模型的建立流程图，本申请实施例提供的一种锅炉二次风调控方法，预先建立锅炉配风系统模型，可以包括：
S21：获取火电机组的历史运行数据；其中，历史运行数据可以包括历史运行参数、历史配风参数和SCR反应器入口处的历史氮氧化物排放量、各送风机的电流。
在预先建立锅炉配风系统模型时，可以从火电机组DCS系统(DistributedControl System，集散控制系统)中获取火电机组的历史运行数据，其中，该历史运行数据具体可以包括历史运行参数、历史配风参数和SCR反应器入口处的历史氮氧化物排放量、各送风机的电流等，历史运行参数具体可以包括历史机组负荷、二次风箱与炉膛历史差压、历史燃烧器摆角、历史总风量等，历史配风参数具体可以指历史各层二次风门开度等与二次风调控相关的参数。
S22：将历史运行参数、历史配风参数作为锅炉配风系统模型的输入参数，将对应的SCR反应器入口处的历史氮氧化物排放量、各风电机的电流作为锅炉配风系统模型的输出参数。
之后，可以将历史运行参数、历史配风参数作为锅炉配风系统模型的输入参数，并将与历史运行参数、历史配风参数对应的SCR(Selective Catalytic Reduction，选择性催化还原法)反应器入口处的历史氮氧化物排放量、各风电机的电流作为锅炉配风系统模型的输出参数，以便于根据这些参数而进行建模和训练，以得到对应的锅炉配风系统模型。
由上述过程可知，在锅炉配风系统模型的建立过程中，其输入参数和输出参数的选取综合考虑了锅炉配风系统与锅炉其他子系统之间的耦合关系，因此，则可以便于提高目标配风参数确定的有效性和可靠性，从而便于提高锅炉配风系统的运行性能。
S23：采用深度神经网络算法进行建模，并对建立的配风系统模型进行训练，得到锅炉配风系统模型。
在确定出锅炉配风系统的输入参数和输出参数之后，可以采用深度神经网络算法进行建模，以得到配风系统模型，从而搭建出输入参数和输出参数之间的映射关系。之后，可以对配风系统模型进行训练，以得到用于参与到锅炉二次风调控中的锅炉配风系统模型。
本申请实施例提供的一种锅炉二次风调控方法，在对建立的配风系统模型进行训练时，还可以包括：
判断训练后的配风系统模型的模型精度是否达到预设精度，若是，则得到锅炉配风系统模型，若否，则调整配风系统模型的模型参数，并执行对建立的配风系统模型进行训练的步骤，直至训练后的配风系统模型的模型精度达到预设精度，以得到锅炉配风系统模型。
在对建立的配风系统模型进行训练时，还可以判断训练后的配风系统模型精度是否达到预设精度(具体可以为2％以内，当然也可以根据锅炉运行要求而进行设置)，若达到预设精度，则表明此时得到的配风系统模型已满足应用需求，此时，可以将该配风系统作为最终的锅炉配风系统模型；若未达到预设精度，则表明此时得到的配风系统模型无法满足应用需求，此时，可以对配风系统模型的模型参数进行调整，之后，可以执行对建立的配风系统模型进行训练的步骤，直至训练后的配风系统模型的模型精度达到预设精度，以使得配风系统模型可以满足应用需求，从而得到锅炉配风系统模型。
上述过程可以使最终建立出的锅炉配风系统模型的精度满足精度要求，从而便于提高输出参数的性能，进而便于选取出较适合的目标配风参数，以提高锅炉二次风调控的准确性和可靠性。
本申请实施例提供的一种锅炉二次风调控方法，判据模型为：
其中，Y为判据指标，Q4为固体不完全燃烧热损失，
为SCR反应器入口处氮氧化物排放量的平均值，Qfan,forcced为送风机电耗能等效热损失，C1、C2为修正系数；
相应地，在将各输出参数分别输入到预先建立的判据模型中之前，还可以包括：
分别对各输出参数进行处理，以得到与各输出参数对应的SCR反应器入口处氮氧化物排放量的平均值、送风机电耗能等效热损失。
在本申请所提供的锅炉二次风调控中，预先建立的判据指标具体可以为
其中，Y为最终得到的判据指标，Q4为固体不完全燃烧热损失，
为SCR反应器入口处氮氧化物排放量的平均值，Qfan,forcced为送风机电耗能等效热损失，C1、C2为修正系数，Q4可以根据火电机组及相关标准获取得到，修正参数C1和C2可以由专工根据经验进行设置和调整。
对应上述判据模型，在将得到的各输出参数分别输入到预先建立的判据模型中之前，可以分别对得到的各输出参数进行处理，以得到与各参数对应的SCR反应器入口处氮氧化物排放量的平均值、送风机电耗能等效热损失，从而便于将处理得到的这两项参数输入到判据指标中而分别得到与各输出参数(或者说与各配风参数)对应的判据指标Y。
由于上述判据模型综合考虑了锅炉燃烧和锅炉氮氧化物排放情况，因此，则可以便于从与各判据指标对应的配风参数中选取出既可以让锅炉内的燃料高效燃烧又可以尽量减少氮氧化物排放的目标配风参数，以使得锅炉在这种配风调控中既可以保证燃烧的高效性，又可以保证环保性。
本申请实施例提供的一种锅炉二次风调控方法，将判据指标最优的配风参数确定为目标配风参数，可以包括：
将判据指标最小的配风参数确定为目标配风参数。
在选取上述形式的判据模型作为本申请锅炉二次风调控的判据模型时，可以将判据指标最小的配风参数确定为目标配风参数，以使得锅炉在运行中既可以保证燃烧的高效性，提高锅炉运行的经济性，又可以减少氮氧化物的排放，以保证锅炉运行的环保性，并降低锅炉运行的电能消耗，从而提高锅炉的运行性能。
本申请实施例提供的一种锅炉二次风调控方法，根据运行参数生成多个配风参数，可以包括：
利用遗传算法或粒子群算法根据运行参数生成多个配风参数。
具体可以利用遗传算法或粒子群算法来根据运行参数生成多个配风参数，当然，也可以利用其它类型的优化算法来根据运行参数随机生成多个配风参数，本申请对此不做任何限定。
本申请实施例还提供了一种锅炉二次风调控装置，参见图3，其示出本申请实施例提供的一种锅炉二次风调控装置的结构示意图，可以包括：
获取模块31，用于实时获取火电机组的运行参数，根据运行参数生成多个配风参数；
第一输入模块32，用于将各配风参数及运行参数输入到预先建立的锅炉配风系统模型中，得到与各配风参数对应的输出参数；
第二输入模块33，用于将各输出参数分别输入到预先建立的判据模型中，得到与各配风参数对应的判据指标；
调控模块34，用于将判据指标最优的配风参数确定为目标配风参数，并根据目标配风参数进行二次风调控。
本申请实施例提供的一种锅炉二次风调控装置，可以包括用于预先建立锅炉配风系统模型的建立模块，建立模块可以包括：
获取单元，用于获取火电机组的历史运行数据；其中，历史运行数据可以包括历史运行参数、历史配风参数和SCR反应器入口处的历史氮氧化物排放量、各送风机的电流；
确定参数单元，用于将历史运行参数、历史配风参数作为锅炉配风系统模型的输入参数，将对应的SCR反应器入口处的历史氮氧化物排放量、各风电机的电流作为锅炉配风系统模型的输出参数；
建模单元，用于采用深度神经网络算法进行建模，并对建立的配风系统模型进行训练，得到锅炉配风系统模型。
本申请实施例提供的一种锅炉二次风调控装置，建立模块还可以包括：
判断单元，用于判断训练后的配风系统模型的模型精度是否达到预设精度，若是，则得到锅炉配风系统模型，若否，则调整配风系统模型的模型参数，并执行对建立的配风系统模型进行训练的步骤，直至训练后的配风系统模型的模型精度达到预设精度，以得到锅炉配风系统模型。
本申请实施例提供的一种锅炉二次风调控装置，判据模型可以为：
其中，Y为判据指标，Q4为固体不完全燃烧热损失，
为所述SCR反应器入口处氮氧化物排放量的平均值，Qfan,forcced为送风机电耗能等效热损失，C1、C2为修正系数；
相应地，还可以包括：
处理模块，用于在将各输出参数分别输入到预先建立的判据模型中之前，分别对各输出参数进行处理，以得到与各输出参数对应的SCR反应器入口处氮氧化物排放量的平均值、送风机电耗能等效热损失。
本申请实施例提供的一种锅炉二次风调控装置，调控模块34可以包括：
确定单元，用于将判据指标最小的配风参数确定为目标配风参数。
本申请实施例提供的一种锅炉二次风调控装置，获取模块31可以包括：
生成单元，用于利用遗传算法或粒子群算法根据运行参数生成多个配风参数。
本申请实施例提供的一种锅炉二次风调控设备，参见图4，其示出了本申请实施例提供的一种锅炉二次风调控设备的结构示意图，可以包括：
存储器41，用于存储计算机程序；
处理器42，用于执行存储器41存储的计算机程序时可实现如下步骤：
实时获取火电机组的运行参数，根据运行参数生成多个配风参数；将各配风参数及运行参数输入到预先建立的锅炉配风系统模型中，得到各配风参数对应的输出参数；将各输出参数分别输入到预先建立的判据模型中，得到各配风参数对应的判据指标；将判据指标最优的配风参数确定为目标配风参数，并根据目标配风参数进行二次风调控。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现如下步骤：
实时获取火电机组的运行参数，根据运行参数生成多个配风参数；将各配风参数及运行参数输入到预先建立的锅炉配风系统模型中，得到各配风参数对应的输出参数；将各输出参数分别输入到预先建立的判据模型中，得到各配风参数对应的判据指标；将判据指标最优的配风参数确定为目标配风参数，并根据目标配风参数进行二次风调控。
本申请实施例提供的一种锅炉二次风调控装置、设备及计算机可读存储介质中相关部分的说明可以参见本申请实施例提供的一种锅炉二次风调控方法中对应部分的详细说明，在此不再赘述。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一种锅炉二次风调控方法，其特征在于，包括：
实时获取火电机组的运行参数，根据所述运行参数生成多个配风参数；
将各所述配风参数及所述运行参数输入到预先建立的锅炉配风系统模型中，得到与各所述配风参数对应的输出参数；
将各所述输出参数分别输入到预先建立的判据模型中，得到与各所述配风参数对应的判据指标；
将判据指标最优的配风参数确定为目标配风参数，并根据所述目标配风参数进行二次风调控；
所述判据模型为：
Y＝Q4+C1×QNOX+C2×Qfan,forcced；
其中，Y为判据指标，Q4为固体不完全燃烧热损失，QNOX为SCR反应器入口处氮氧化物排放量的平均值，Qfan,forcced为送风机电耗能等效热损失，C1、C2为修正系数；
相应地，在将各所述输出参数分别输入到预先建立的判据模型中之前，还包括：
分别对各所述输出参数进行处理，以得到与各所述输出参数对应的所述SCR反应器入口处氮氧化物排放量的平均值、所述送风机电耗能等效热损失；
预先建立所述锅炉配风系统模型，包括：
获取所述火电机组的历史运行数据；其中，所述历史运行数据包括历史运行参数、历史配风参数和SCR反应器入口处的历史氮氧化物排放量、各送风机的电流；
将所述历史运行参数、所述历史配风参数作为所述锅炉配风系统模型的输入参数，将对应的所述SCR反应器入口处的历史氮氧化物排放量、各所述送风机的电流作为所述锅炉配风系统模型的输出参数；
采用深度神经网络算法进行建模，并对建立的配风系统模型进行训练，得到所述锅炉配风系统模型；
在对建立的配风系统模型进行训练时，还包括：
判断训练后的所述配风系统模型的模型精度是否达到预设精度，若是，则得到所述锅炉配风系统模型，若否，则调整所述配风系统模型的模型参数，并执行所述对建立的配风系统模型进行训练的步骤，直至训练后的所述配风系统模型的模型精度达到所述预设精度，以得到所述锅炉配风系统模型；
根据所述运行参数生成多个配风参数，包括：
利用遗传算法或粒子群算法根据所述运行参数生成多个所述配风参数。
2.根据权利要求1所述的锅炉二次风调控方法，其特征在于，将判据指标最优的配风参数确定为目标配风参数，包括：
将判据指标最小的配风参数确定为所述目标配风参数。
3.一种锅炉二次风调控装置，其特征在于，包括：
获取模块，用于实时获取火电机组的运行参数，根据所述运行参数生成多个配风参数；
第一输入模块，用于将各所述配风参数及所述运行参数输入到预先建立的锅炉配风系统模型中，得到与各所述配风参数对应的输出参数；
第二输入模块，用于将各所述输出参数分别输入到预先建立的判据模型中，得到与各所述配风参数对应的判据指标；
调控模块，用于将判据指标最优的配风参数确定为目标配风参数，并根据所述目标配风参数进行二次风调控；
所述判据模型为：
Y＝Q4+C1×QNOX+C2×Qfan,forcced；
其中，Y为判据指标，Q4为固体不完全燃烧热损失，QNOX为SCR反应器入口处氮氧化物排放量的平均值，Qfan,forcced为送风机电耗能等效热损失，C1、C2为修正系数；
相应地，还包括：
处理模块，用于在将各所述输出参数分别输入到预先建立的判据模型中之前，分别对各所述输出参数进行处理，以得到与各所述输出参数对应的所述SCR反应器入口处氮氧化物排放量的平均值、所述送风机电耗能等效热损失；
包括用于预先建立所述锅炉配风系统模型的建立模块，所述建立模块包括：
获取单元，用于获取所述火电机组的历史运行数据；其中，所述历史运行数据包括历史运行参数、历史配风参数和SCR反应器入口处的历史氮氧化物排放量、各送风机的电流；
确定参数单元，用于将所述历史运行参数、所述历史配风参数作为所述锅炉配风系统模型的输入参数，将对应的所述SCR反应器入口处的历史氮氧化物排放量、各所述送风机的电流作为所述锅炉配风系统模型的输出参数；
建模单元，用于采用深度神经网络算法进行建模，并对建立的配风系统模型进行训练，得到所述锅炉配风系统模型；
所述建立模块还包括：
判断单元，用于判断训练后的所述配风系统模型的模型精度是否达到预设精度，若是，则得到所述锅炉配风系统模型，若否，则调整所述配风系统模型的模型参数，并执行所述对建立的配风系统模型进行训练的步骤，直至训练后的所述配风系统模型的模型精度达到所述预设精度，以得到所述锅炉配风系统模型；
所述获取模块，包括：
生成单元，用于利用遗传算法或粒子群算法根据所述运行参数生成多个所述配风参数。
4.一种锅炉二次风调控设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至2任一项所述的锅炉二次风调控方法的步骤。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述的锅炉二次风调控方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010479150.0A CN111596548B (zh) | 2020-05-29 | 2020-05-29 | 一种锅炉二次风调控方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010479150.0A CN111596548B (zh) | 2020-05-29 | 2020-05-29 | 一种锅炉二次风调控方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111596548A CN111596548A (zh) | 2020-08-28 |
| CN111596548B true CN111596548B (zh) | 2023-04-07 |
Family
ID=72185852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010479150.0A Active CN111596548B (zh) | 2020-05-29 | 2020-05-29 | 一种锅炉二次风调控方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111596548B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112180740B (zh) * | 2020-10-28 | 2023-01-20 | 华润电力技术研究院有限公司 | 火电机组工况寻优模型获取方法及系统、控制系统 |
| CN112686422B (zh) * | 2020-12-03 | 2023-04-18 | 华润电力技术研究院有限公司 | 一种火电厂入炉煤质信息确定方法、装置、设备及介质 |
| CN112628712A (zh) * | 2021-01-11 | 2021-04-09 | 大唐黄岛发电有限责任公司 | 一种基于风门阻力系数的二次风闭环优化控制系统 |
| CN114065100A (zh) * | 2021-11-11 | 2022-02-18 | 国网河北能源技术服务有限公司 | 锅炉氮氧化物排放量控制方法、终端及存储介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103574580B (zh) * | 2013-11-15 | 2015-07-01 | 神华集团有限责任公司 | 一种火电机组NOx排放监控方法及系统 |
| CN103574581B (zh) * | 2013-11-15 | 2015-07-01 | 神华集团有限责任公司 | 一种火电机组NOx燃烧优化方法及系统 |
| CN103839110A (zh) * | 2014-02-24 | 2014-06-04 | 国家电网公司 | 一种锅炉炉内氮氧化物生成量预测建模方法 |
| CN105020705B (zh) * | 2015-03-04 | 2017-06-09 | 内蒙古瑞特优化科技股份有限公司 | 循环流化床锅炉燃烧性能实时优化控制方法及系统 |
| CN106327021A (zh) * | 2016-08-31 | 2017-01-11 | 西安艾贝尔科技发展有限公司 | 一种基于在线模型预测的锅炉燃烧优化配风方法 |
| CN107726358B (zh) * | 2017-10-12 | 2018-11-09 | 东南大学 | 基于cfd数值模拟和智能建模的锅炉燃烧优化系统及方法 |
| CN110486749B (zh) * | 2019-08-29 | 2020-10-30 | 国网河南省电力公司电力科学研究院 | 一种火电机组锅炉燃烧优化控制方法及系统 |
| CN110986084B (zh) * | 2019-12-25 | 2022-01-25 | 华润电力技术研究院有限公司 | 一种煤粉锅炉的配风控制方法、系统及相关设备 |
-
2020
- 2020-05-29 CN CN202010479150.0A patent/CN111596548B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111596548A (zh) | 2020-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111596548B (zh) | 一种锅炉二次风调控方法、装置、设备及介质 | |
| CN101551103B (zh) | 循环流化床锅炉燃烧自动控制系统 | |
| CN110486749B (zh) | 一种火电机组锅炉燃烧优化控制方法及系统 | |
| WO2019184344A1 (zh) | 一种微能源网多目标运行控制方法 | |
| CN110986084B (zh) | 一种煤粉锅炉的配风控制方法、系统及相关设备 | |
| CN112628712A (zh) | 一种基于风门阻力系数的二次风闭环优化控制系统 | |
| CN112146156A (zh) | 一种含电锅炉的电厂多模式灵活性运行方法及系统 | |
| CN112686422B (zh) | 一种火电厂入炉煤质信息确定方法、装置、设备及介质 | |
| JP2011139585A (ja) | 電力系統計画作成装置および電力系統計画作成方法 | |
| CN108488831A (zh) | 锅炉燃烧控制系统和方法 | |
| TW201837628A (zh) | 模擬結果之評價裝置及方法 | |
| CN109524989B (zh) | 微网内电能供需协同控制方法、装置、电能路由器及系统 | |
| Luo et al. | Model predictive based automatic generation control with participation of the output-constrained wind farms | |
| CN112051762B (zh) | 微电网及综合能源的闭环管理方法及系统 | |
| Zhao et al. | Modeling and optimization of efficiency and NOx emission at a coal-fired utility boiler | |
| CN113341713A (zh) | 一种燃煤机组煤风同步动态协控方法 | |
| CN115111601B (zh) | 多变负荷下内嵌算法融合的多目标锅炉燃烧优化控制方法 | |
| CN113496298A (zh) | 一种综合能源系统的优化方法、装置和电子设备 | |
| CN114079293B (zh) | 一种计及温控负荷与微型燃气轮机的电-气互联系统新能源功率波动平滑方法 | |
| CN110410782A (zh) | 保证电站锅炉低氮燃烧降低炉膛出口NOx值的方法与系统 | |
| CN113739195B (zh) | 分仓给煤量控制方法、装置、设备及介质 | |
| CN114135898B (zh) | 一种燃煤电厂锅炉氧量优化控制方法 | |
| CN117091155A (zh) | 一种基于燃烧煤质的锅炉优化建议调整方法 | |
| CN117101848A (zh) | 燃煤电厂制粉系统出力分配方法、装置及制粉系统 | |
| CN111365732A (zh) | 一种对冲锅炉燃尽风自适应控制方法、系统及设备 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240402 Address after: 518066 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Patentee after: Shenzhen goes out new knowledge property right management Co.,Ltd. Country or region after: China Address before: 523808 Room 308, unit 1, building 18, no.6, Libin Road, Songshanhu Park, Dongguan City, Guangdong Province Patentee before: CR POWER TECHNOLOGY INSTITUTE Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |