CN112066411A

CN112066411A - 锅炉燃烧的优化方法

Info

Publication number: CN112066411A
Application number: CN202010907426.0A
Authority: CN
Inventors: 顾偲雯; 王加安; 句爱松
Original assignee: Changzhou Institute of Technology
Current assignee: Changzhou Institute of Technology
Priority date: 2020-09-02
Filing date: 2020-09-02
Publication date: 2020-12-11

Abstract

本发明提供了一种锅炉燃烧的优化方法，包括以下步骤：确定锅炉燃烧的待优化变量，其中，待优化变量包括锅炉的初始鼓风量；建立锅炉年度费用的目标优化函数和对应的约束条件；根据目标优化函数和约束条件进行计算，以获取满足约束条件且年度费用最低的待优化变量；根据获取到的满足约束条件且年度费用最低的待优化变量，生成满足约束条件且年度费用最低的锅炉燃烧优化控制方案。由此，能够大大提高锅炉燃烧的效率，同时提高锅炉的利润。

Description

锅炉燃烧的优化方法

技术领域

本发明涉及锅炉控制技术领域，具体涉及一种锅炉燃烧的优化方法。

背景技术

随着油、气、煤等常规能源的日益枯竭和环境问题的日趋严重，不断的开发利用廉价洁净可再生能源己成为永久的课题，自2007年我国自主研发的秸秆燃烧发电项目成功投入运营后，生物质燃料锅炉呈现蓬勃发展态势，各地区根据本地区的燃料特点，木材炉、薪柴炉、树枝树叶炉、秸秆炉、城市污泥炉、生活垃圾焚烧炉等生物质燃料锅炉莹润而生。现今燃烧生物质主要应用于流化床锅炉、定排层燃锅炉和常压的民用锅炉等炉型。

相关技术中，锅炉的燃烧效率较低，并且，锅炉所产生的费用较高，从而导致利润较低。

发明内容

本发明为解决上述技术问题，提供了一种锅炉燃烧的优化方法，通过对锅炉燃烧的优化，能够大大提高锅炉燃烧的效率，同时提高锅炉的利润。

本发明采用的技术方案如下：

锅炉燃烧的优化方法，包括以下步骤：确定锅炉燃烧的待优化变量，其中，待优化变量包括锅炉的初始鼓风量；建立锅炉年度费用的目标优化函数和对应的约束条件；根据目标优化函和约束条件进行计算，以获取满足约束条件且年度费用最低的待优化变量；根据获取到的满足约束条件且年度费用最低的待优化变量，生成满足约束条件且年度费用最低的锅炉燃烧优化控制方案。

所述目标优化函数为：

minJ＝OP+CAP，

其中，J为年度费用，OP为年度操作费用，CAP为年度固定投资费用。

通过以下公式生成所述年度操作费用：

其中，

为供给设备i的用电量，L_i为设备损耗，

为供给燃料r的用量，

为所述供给设备i的供给燃料r的用量所对应的费用系数。

通过以下公式生成供给设备的用电量：

其中，

为对锅炉燃烧效率有直接影响的设备的用电量，

为对锅炉燃烧效率有间接影响的设备的用电量，δ和σ为权重系数。

所述约束条件包括：

炉内温度变化梯度上下限：

其中，ΔY_d为所述炉内温度变化梯度；

热量衡算方程：Y_d＝f(y_d,u_d)；

变量权衡关系；

关键变量炉排给进量和料层厚度上下限：

其中，

为所述炉排给进量，D为所述料层厚度；

炉排给进量、料层厚度和鼓风量的关联方程；

地区性政策、长远规划信息。

本发明的有益效果：

本发明通过对锅炉燃烧的优化，能够大大提高锅炉燃烧的效率，同时提高锅炉的利润。

附图说明

图1为本发明实施例的锅炉燃烧的优化方法的流程图；

图2为本发明一个具体实施例的基于支持向量机(的信息粒化时序回归预测的方法的逻辑示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

图1是根据本发明实施例的锅炉燃烧的优化方法的流程图。

目前，针对58MW以下的链条炉排秸秆生物质热水采暖锅炉和往复式炉排秸秆生物质热水采暖锅炉，其燃效效率较低，并且耗费的费用较高，从而导致利润较低，为此，本发明实施例提出了一种锅炉燃烧的优化方法。

具体地，如图1所示，本发明实施例的锅炉燃烧的优化方法可包括以下步骤：

S1，确定锅炉燃烧的待优化变量。

其中，待优化变量包括锅炉的初始鼓风量。

S2，建立锅炉年度费用的目标优化函数和对应的约束条件。

根据本发明的一个实施例，目标优化函数为：

minJ＝OP+CAP， (1)

也就是说，用广义衡算公式代替现有的复杂且不准确的燃烧效率机理计算公式，采用将所有因素考虑在内的一种经济性衡算，代替计算复杂的燃烧效率以及利润，在得到最终优化结果后，仅需简单折算即可得到锅炉总燃烧效率和年度利润。

根据本发明的一个实施例，可通过以下公式生成年度操作费用：

其中，

为供给设备i的用电量，L_i为设备损耗，

为供给燃料r的用量，

为供给设备i的供给燃料r的用量所对应的费用系数，下标r表示燃料r，通过双重下标i和r即可定位到锅炉某处。

其中，可通过以下公式生成供给设备的用电量：

其中，

为对锅炉燃烧效率有直接影响的设备的用电量，

其中，下标i表示设备，i∈I，下标x和Nx分别表示对锅炉燃烧效率有直接和间接影响的设备，两者组合构成所有设备的集合：I＝{1，2，……x，N1，N2，……，Nx}。δ和σ为权重系数，通过启发式规则确定其取值，对于存在直接影响的设备可取得较大的系数。

其中，在公式(2)中，L_i为设备损耗，通过考察具备直接影响的设备满负荷运行时间，并采用数据驱动方式预测其运行寿命。其中，由于无法获取直接有效的判断设备寿命的数据，因此，可通过计算实际运行状态与标准/满负荷状态间的差距，即，积分面积来表示：

这样也为后期生命周期评价奠定基础，使得该锅炉保持长期可持续性的绿色发展。其中，需要说明的是，该项费用直接关系到设备为锅炉提供的操作条件，例如，送风量等关键变量，因此这里采用基于支持向量机(SVM)的信息粒化时序回归预测，如图2所示，该基于支持向量机(SVM)的信息粒化时序回归预测的方法可包括以下步骤：先对原始数据进行提取，并对提取出的原始数据进行模糊信息粒化，以得到粒化后的原始数据，即粒化数据，然后利用向量机(SVM)对粒化数据进行回归预测，其中，可通过MATLAB-LIBSVM工具箱来快速有效的进行SVM回归，并给出∫Δω变化趋势和变化空间，最后输出验证结果。

需要说明的是，公式(1)中的CAP可通过以下公式计算：

其中，M为年度新增设备费用，下标k表示新编入设备。

根据本发明的一个实施例，所述约束条件可包括以下几个条件：

(a)炉内温度变化梯度上下限：

其中，ΔY_d为炉内温度变化梯度；(b)热量衡算方程(供给用能量转化为炉内热量):Y_d＝f(y_d,u_d)，即输出输入间能流衡算；(c)变量权衡关系：供热量最大化→需要充分燃烧→以便燃烧时间长→需要料层厚→所以风压提升(风压波动影响可操作性)，通过前面的设备寿命预测可知任何时间段任何设备所产生的能流，例如，关键的鼓风机，其在标况和波动下的鼓风量以及相应风压均查询可得；(d)关键变量炉排给进量和料层厚度上下限：

其中，

为所述炉排给进量，D为所述料层厚度；(e)炉排给进量、料层厚度和鼓风量的关联方程；(f)地区性政策、长远规划信息。

其中，针对约束条件(e)，料层厚度机理关系式如下：

M＝Fhρ， (5)

其中，M为炉内床料总量，h为料层厚度，F为炉床面积，ρ为床料堆积密度。同时考虑平均滞留时间t＝M/w，其中w为排渣速度。

然而，公式(5)中所有变量与参数均与锅炉燃烧有关，无法通过简单机理公式探知其实际变化情况，因此，此处同样可采用基于支持向量机(SVM)的信息粒化时序回归预测，但与上述流程不同，这里需要考虑上述机理公式框架，即带入初始值固定机理公式部分参数以及输入权值。其中，通过数据驱动的灵敏度评价方式选择所固定参数：对应于产率B灵敏度小的参数，如下公式所示：

需要说明的是，产率B没法引入整个优化问题中，因为本身数据量很大，其中也必然存在许多不确定因素，比如错误失效的数据点，那么如果直接把数据引入并求解优化问题，那么最终结果就是得不到最优解，或者无法求解，因此，灵敏度分析仅是求解优化问题前的准备工作，无需在优化迭代中进行。

以此满足模糊粒子的基本思想：模糊粒子能够合理地代表原始数据，同时仍需满足模糊粒子要有一定的特殊性。那么建立关于X的函数，如下所示：

将其带入机理模型后，可得到：

由此，可获取流化状态的料层厚度关系式。

进一步而言，静止料层厚度与风量的关联式如下所示：

其中，hg为静止料层厚度，该值为流化状态料层厚度的初值，g为重力加速度，λ为料层阻力，ξ为煤品种决定的比例系数。

由公式(9)可知，料层阻力与静止料层厚度成正比例关系，即料层越厚，流化阻力越大。同时鼓风量与流化状态满足如下衡算关系：

l＝ν+λ， (10)

其中，l为风室静压，ν为布风板阻力。

在实际应用中，鼓风量与风压有直接关系，且通常用两者间关系曲线来描述风机性能。因此，收集数据建立料层阻力与鼓风量间数据库，仍然采用基于支持向量机(SVM)的信息粒化时序回归预测两者间关系式：

最后，采用国标DL/T5240-2010中公式衡算炉排给进量：

Q^inp＝Q^net,ar+Q^f,s+Q^crid-Q^dec， (13)

Q^f,s＝c^ft^f+Q^tha， (14)

Q^crid＝c^a,wG^a(T^AH,i-T^FD,i)， (16)

G^a＝1.306α^AH,iV⁰， (17)

Q^dec＝40.6k(CO₂)^dec， (18)

其中，Bol为锅炉热煤量，D^SH为过热蒸汽流量，D^RH为再热蒸汽流量，D^b,w为锅炉连续排污流量，D^des,s为过热器减温水流量，h^SH为过热蒸汽出口比焓，h'^RH和h”^RH为再热蒸汽进口和出口比焓，h^f,w为给水比焓，h^b,w为炉水比焓，h^des,s为过热器减温水比焓，Q^inp为每千克燃料送入锅炉的热量，Q^f,s为燃料的物理显热，t^f为入炉前的物料温度(初始温度)，c^f为燃料的比热容，Q^crid为外来热源加热空气所带入锅炉的热量，c^a,w为空气的平均质量比热，T^AH,i为空气预热器进风温度，T^FD,i为送风机进口风温，G^a为每千克燃料所需空气的质量流量，α^AH,i为空气预热器入口空气中的过量空气系数，Q^dec为碳酸盐分解所吸收的热量，k为碳酸盐分解系数，(CO₂)^dec为燃料收到基中的碳酸盐CO2所占燃料质量的百分数，η^SG为锅炉标况效率(查表得)。

进一步而言，针对约束条件(f)，存在变量z和费用系数的波动：z∈(0，1)，当地区性环保指标调整后，根据调整改变z的值，即个别设备的存在性需要优化，该优化直接在本数学规划内完成，由目标函数进行制约；费用系数通常是经验选取，但是当地区性政策或是面向长远规划信息发生调整时，尤其是税费等信息发生波动，那么费用系数也发生相应的变化。

也就是整体锅炉系统需要有波动抵御能力，但是此时无法获取充足的数据量(费用系数与政策信息)。因此首先建立5级费用系数变化范围，分别为A～E级，其中包含所有费用系数的等比例变化。然后建立面向锅炉燃烧操作条件与上述费用系数变化范围的数据库，并在其中加入根据操作条件计算得到的年利润和环保指标。这里选取环保指标即为污染物排放，包含排烟温度、烟气流量、烟气含氧量以及等价CO2等。主要公式如下所示：

V^Z＝1.04Q^L,air/4187+0.77+1.016(α-1)V^air， (19)

G＝1.63B(βT^V,air+0.000938)， (20)

其中，过量空气系数

为烟气氧气含量。V为煤燃烧所产生的实际烟气量，上标Z为总量，air为烟气含空气量，Q为煤的收到基低位发热量。G为NOX排放量，B为煤质量，β为煤中N向燃料型NO的转变率。上述环保指标公式均参照1985年版《环境统计手册》以及国标DL/T 5240-2010，旨在满足地区性环保标准，故不再赘述。

需要说明的是，该数据库是基于上述优化问题建立的，也就是说，本约束条件可独立于上述优化问题。在上述优化问题中可优先考虑标况操作条件，而不是针对本约束条件所涉及的波动。最后，通过T-S模糊神经网络预估不同的费用系数等级对应的利润以及环保指标。

具体地，可以下公式进行误差计算：

其中，y_d为网络期望输出，y_c为网络实际输出，e为期望和实际输出的误差。

进一步而言，可通过以下公式进行系数修订：

其中，

为神经网络系数，Φ为网络学习率，x_jj为网络输入参数，ωⁱⁱ为输入参数隶属度连乘积。

由此，通过上述评估，可将不可预测问题变为可预测问题，当出现政策不可预测问题变为可预测问题，当出现政策。

S3，根据目标优化函数和约束条件进行计算，以获取满足约束条件且年度费用最低的待优化变量。

S4，根据获取到的满足约束条件且年度费用最低的待优化变量，生成满足约束条件且年度费用最低的锅炉燃烧优化控制方案。

具体而言，在通过上述方式确定出目标优化函数和约束条件后，可根据目标优化函数和约束条件进行计算，以获取满足约束条件且年度费用最低的待优化变量，进而生成满足约束条件且年度费用最低的锅炉燃烧优化控制方案。由此，不仅能够提高锅炉燃烧效率和利润，而且通过控制炉内温度的变化梯度，还能够延长锅炉及辅机设备的寿命，同时，探究燃烧过程复杂工况，得到定性结论，有利于解决全面系统地提升多工况下能效优化问题。

综上所述，根据本发明实施例的锅炉燃烧的优化方法，确定锅炉燃烧的待优化变量，并建立锅炉年度费用的目标优化函数和对应的约束条件，以及根据目标优化函数和约束条件进行计算，以获取满足约束条件且年度费用最低的待优化变量，并根据获取到的满足约束条件且年度费用最低的待优化变量，生成满足约束条件且年度费用最低的锅炉燃烧优化控制方案。由此，通过对锅炉燃烧的优化，能够大大提高锅炉燃烧的效率，同时提高锅炉的利润。

在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。