CN112598536A - 锅炉给粉机瞬时入炉煤量计算模型构建、计算方法及系统 - Google Patents

锅炉给粉机瞬时入炉煤量计算模型构建、计算方法及系统 Download PDF

Info

Publication number
CN112598536A
CN112598536A CN202011485873.8A CN202011485873A CN112598536A CN 112598536 A CN112598536 A CN 112598536A CN 202011485873 A CN202011485873 A CN 202011485873A CN 112598536 A CN112598536 A CN 112598536A
Authority
CN
China
Prior art keywords
data
powder feeder
boiler
sample
frequency converter
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.)
Pending
Application number
CN202011485873.8A
Other languages
English (en)
Inventor
南玉泽
王栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Allsense Technology Co ltd
Original Assignee
Shanghai Allsense Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Allsense Technology Co ltd filed Critical Shanghai Allsense Technology Co ltd
Priority to CN202011485873.8A priority Critical patent/CN112598536A/zh
Publication of CN112598536A publication Critical patent/CN112598536A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Feeding And Controlling Fuel (AREA)

Abstract

本发明公开了锅炉给粉机瞬时入炉煤量计算模型构建、计算方法及系统，包括：获取锅炉运行中不同时刻煤粉仓的重量数据和给粉机变频器转速数据；分别沿时间轴从这些数据截取中多个样本序列段；对样本序列段分别做聚合处理生成样本点；将样本点再次合并求和形成新样本点，新样本点数据，构建回归模型训练样本数据，得到线性回归模型；将当前时刻给粉机变频器转速输入到该线性回归模型中，得到当前时刻瞬时入炉煤量。本发明采用随机筛选聚合的数据预处理方法，使样本选择范围更为宽泛，且分段聚合之后减小了因为仓重测量导致的数据本身的误差，所建立的回归模型更能精确反应瞬时入炉煤量与给粉机变频器转速之间的规律，提高了锅炉运行的安全性及经济性。

Description

锅炉给粉机瞬时入炉煤量计算模型构建、计算方法及系统
技术领域
本发明属于能源生产技术领域，涉及一种锅炉给粉机瞬时入炉煤量计算模型构建、计算方法及系统。
背景技术
给粉机是锅炉运行系统的重要设备之一，其主要任务是为锅炉燃烧提供安全、可靠、精确、连续的入炉煤量，使输送入锅炉的燃煤与所需燃料相匹配，实现锅炉燃烧运行稳定，达到节约燃煤，提高锅炉效率，减少排渣的目的，从而实现理想的经济效益。但是现有给粉机对入炉煤煤量并无精确计量，运行人员基本靠经验控制给粉机变频器转速，不能准确掌握进入炉膛的煤量，更做不到经济燃烧。
目前成熟的改进方案是改造加装计量仪器测量或通过仓重计量的方式计算入炉煤量，但计量仪器的安装工艺相当复杂，且后续的维护成本较高；仓重计量的方式则误差较大，无法对瞬时入炉煤量进行相对准确的计量。
通过数据挖掘的解决方案主要为通过筛选给粉机变频器转速恒定且煤粉仓重连续下降的序列段的数据作为拟合样本建立给粉机变频器转速与入炉煤量的关系，但是在锅炉运行过程中给粉机变频器转速保持恒定的状态较少，且因为仓重称重误差导致的所选样本点本身就具有较大误差，故而最终拟合的回归关系并不能很好反应给粉机变频器转速与瞬时入炉煤量的关系。
发明内容
为解决现有技术中存在的不足，本发明提供了一种锅炉给粉机瞬时入炉煤量计算模型构建、计算方法及系统，解决现有计算方法精度不高的问题。
为了解决上述技术问题，本发明采用如下技术方案予以实现：
一种锅炉给粉机瞬时入炉煤量计算模型构建方法，包括：
步骤1，获取锅炉运行中不同时刻煤粉仓的重量数据和给粉机变频器转速数据；
步骤2，从煤粉仓重量数据与给粉机变频器转速数据中，分别沿时间轴截取多个样本序列段；每个样本序列段中至少包含有两个采样点；
步骤3，对步骤2中所述样本序列段分别做聚合处理生成样本点，每个样本点为Si(Hi1,Hi2,...,Hin,...,HiN,ΔTi)，其中，Hin表示第n个给粉机变频器在第i个样本序列段内的转速之和，ΔTi表示第i个样本序列段内起始时间点与结束时间点对应的煤粉仓重量的差值；
步骤4，选取m个步骤3的样本点合并求和形成新样本点，每个新样本点为Sj(Hj1,Hj2,...,Hjn,...,HjN,ΔTj)，Hjn表示由m个样本点形成的第j个新样本点中第n个给粉机变频器的转速之和，ΔTj表示由m个样本点形成的第j个新样本点中煤粉仓重量差值之和，1≤m≤5；
步骤5：基于步骤4中的新样本点数据，得到线性回归模型(1)，
ΔT＝w1*H1+…+wn*Hn+…+wN*HN (1)
其中，wn为线性回归模型拟合系数，n＝1,2…N，ΔT为瞬时入炉煤量，Hn为第n个给粉机变频器的转速。
具体的，所述步骤2截取样本序列段的方法为：每个样本序列中对应的煤粉仓重量数据沿时间轴处于连续下降阶段；每个样本序列段的采样时间大于等于1小时，所述采样频率为10s～300s。
具体的，所述步骤4中选取样本点的方法为：沿时间轴依次随机选取m个步骤3样本点合并求和形成新样本点，每次选取的样本点数量为m个。
本发明还公开了一种锅炉给粉机瞬时入炉煤量计算模型构建系统，该系统包括：
数据采集模块，用于获取锅炉运行中不同时刻煤粉仓的重量数据和给粉机变频器转速数据；
数据处理模块，用于对数据采集模块的数据进行处理，使其执行上述步骤2至步骤4的过程；
模型训练模块，用于采用数据处理模块输出的数据进行线性拟合，获得线性回归模型。
本发明还公开了一种锅炉给粉机瞬时入炉煤量计算方法，包括：获取N个给粉机变频器转速，输入到步骤5的回归模型(1)中，其中第n个给粉机变频器的转速对应回归模型中的Hn，得到瞬时入炉煤量。
本发明还公开了一种锅炉给粉机瞬时入炉煤量计算系统，该系统包括：
实时数据采集模块，用于读取N个给粉机变频器转速；
瞬时入炉煤量计算模块，用于调取权利要求1至3任一项所获得的线性回归模型，并将实时数据采集模块中的变频器转速输入到该线性回归模型中，输出瞬时入炉煤量。
与现有技术相比，本发明的有益效果是：
(1)本发明采用随机筛选聚合的数据预处理方法，使样本选择范围更为宽泛，且分段聚合之后减小了因为仓重测量导致的数据本身的误差，所建立的回归模型更能精确反应瞬时入炉煤量与给粉机变频器转速之间的规律。
(2)本发明计算方法使得工作人员可以根据量化数据调节给粉机变频器转速，进而提高锅炉运行的安全性及经济性。
(3)本发明方法仅依靠粉仓重量计量设备，无需对原有设备进行改造，没有额外的实施和维护成本费用。
附图说明
图1是本发明计算模型建立方法及计算方法的流程图。
图2是本发明实施例1的样本序列数段的数据分布图。
具体实施方式
以下给出本发明的具体实施方案，需要说明的是，本发明并不局限于以下具体实施方案，凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
实施例1
本实施例公开了一种锅炉给粉机瞬时入炉煤量计算模型构建方法，如图1所示为该方法的流程图，该方法具体包括以下步骤：
步骤1，获取锅炉运行中不同时刻煤粉仓的重量数据和给粉机变频器转速数据。本实施例的给粉机有四个，采集一个月以上的数据，采样频率为10s～300s。
步骤2，从煤粉仓重量数据与给粉机变频器转速数据中，沿时间轴截取多个样本序列段。
本实施例中样本序列段的截取方法优选：每个样本序列中对应的煤粉仓重量数据沿时间轴处于连续下降阶段；且每个样本序列段的采样时间大于等于1小时。
如图2所示为本实施例的样本序列段数据分布图，由上至下依次为煤粉仓重量、给煤机1变频器转速、给煤机2变频器转速、给煤机3变频器转速、给煤机4变频器转速。如表1所示为本实施例的样本序列段中其中一个序列段的数据展示。
表1某煤粉仓仓重及给粉机变频器转速数据
Figure BDA0002839142930000051
步骤3，对步骤2中的多个样本序列段分别做聚合处理生成样本点，每个样本点表示为：Si(Hi1,Hi2,…,Hin,…,HiN,ΔTi)，其中，Hin表示第n个给粉机变频器在第i个样本序列段内的转速之和，如表1给出的为其中一个样本序列段，则H11为给粉机1在时间序列1～15之间的变频器转速之和；ΔTi表示第i个样本序列段内起始时间点与结束时间点对应的煤粉仓重量的差值，如表1中第1个时间点和第15个时间点煤粉仓重量之差。
步骤4，选取m个步骤3的样本点合并求和形成新样本点，每个新样本点为Sj(Hj1,Hj2,…,Hjn,...,HjN,ΔTj)，Hjn表示由m个样本点形成的第j个新样本点中第n个给粉机变频器的转速之和，ΔTj表示由m个样本点形成的第j个新样本点中煤粉仓重量差值之和，1≤m≤5。
本实施例中，沿时间轴依次随机选取m个步骤3样本点合并求和形成新样本点，每次选取的样本点数量为m个，比如第一个新样本点由2个步骤3的样本点形成，第二个样本点由3个步骤3的样本点形成，每个新样本点中样本点的数量是随机的。
步骤5：基于步骤4中的新样本点数据构件数据模型，训练数据，其中，模型输入特征为N个给粉机变频器转速数据，因变量为煤粉仓的重量差值。得到无截距的线性回归模型(1)，在拟合过程中，Hn＝{H1n,…,Hjn,…HPn}，j＝1,2,…,P，P为新样本点的数量；
ΔT＝w1*H1+…+wn*Hn+…+wN*HN (1)
wn为线性回归模型拟合系数，n＝1,2…N，其物理意义为第n个给粉机为单位变频器转速所能提供的瞬时入炉煤量；ΔT为瞬时入炉煤量，Hn为第n个给粉机变频器的转速。
经过本实施例的样本数据训练得到的模型为：
ΔT＝0.00266H1+0.00266H1+0.00238H3+0.00238H4 (2)
上述模型中，ΔT为瞬时入炉煤量，H1、H2、H3、H4分别为给粉机1、给粉机2、给粉机3、给粉机4的实时变频器转速。
实施例2
本实施例公开了一种锅炉给粉机瞬时入炉煤量计算模型构建系统，该系统包括数据采集模块、数据处理模块和模型训练模块，其中，数据采集模块用于获取锅炉运行中不同时刻煤粉仓的重量数据和给粉机变频器转速数据；数据处理模块用于对数据采集模块的数据进行处理，使其执行实施例1中步骤2至步骤4的过程，输出多个新样本点；模型训练模块用于采用数据处理模块输出的数据进行线性拟合，输出一个线性回归模型。
实施例3
本实施例给出一种锅炉给粉机瞬时入炉煤量计算方法，具体为：采集当前四个给粉机变频器转速数据，即H1、H2、H3、H4，将这些数据输入到实施例1得到的模型(2)中，即可得到当前时刻的如炉煤量。
实施例4
本实施例公开了一种锅炉给粉机瞬时入炉煤量计算系统，该系统包括：实时数据采集模块和瞬时入炉煤量计算模块；其中，实时数据采集模块用于读取N个给粉机变频器转速，本实施例中读取4个给粉机变频器的转速；瞬时入炉煤量计算模块用于调取实施例3中所述的模型(2)，并将实时数据采集模块中的变频器转速输入到该线性回归模型中，输出瞬时入炉煤量。

Claims (6)

1.锅炉给粉机瞬时入炉煤量计算模型构建方法，其特征在于，包括：
步骤1，获取锅炉运行中不同时刻煤粉仓的重量数据和给粉机变频器转速数据；
步骤2，从煤粉仓重量数据与给粉机变频器转速数据中，分别沿时间轴截取多个样本序列段；每个样本序列段中至少包含有两个采样点；
步骤3，对步骤2中所述样本序列段分别做聚合处理生成样本点，每个样本点为Si(Hi1,Hi2,...,Hin,...,HiN,ΔTi)，其中，Hin表示第n个给粉机变频器在第i个样本序列段内的转速之和，ΔTi表示第i个样本序列段内起始时间点与结束时间点对应的煤粉仓重量的差值；i＝1,2,...,I，I≥2；
步骤4，选取m个步骤3的样本点合并求和形成新样本点，每个新样本点为Sj(Hj1,Hj2,…,Hjn,…,HjN,ΔTj)，Hjn表示由m个样本点形成的第j个新样本点中第n个给粉机变频器的转速之和，ΔTj表示由m个样本点形成的第j个新样本点中煤粉仓重量差值之和，1≤m≤5；
步骤5：以变频器转速数据Hjn为自变量，ΔTj为因变量进行拟合，得到线性回归模型(1)，
ΔT＝w1*H1+…+wn*Hn+…+wN*HN (1)
其中，wn为线性回归模型拟合系数，n＝1,2…N，ΔT为瞬时入炉煤量，Hn为第n个给粉机变频器的转速。
2.如权利要求1所述的锅炉给粉机瞬时入炉煤量计算模型构建方法，其特征在于，所述步骤2截取样本序列段的方法为：每个样本序列中对应的煤粉仓重量数据沿时间轴处于连续下降阶段；每个样本序列段的采样时间大于等于1小时，所述采样频率为10s～300s。
3.如权利要求1所述的锅炉给粉机瞬时入炉煤量计算模型构建方法，其特征在于，所述步骤4中选取样本点的方法为：沿时间轴依次随机选取m个步骤3样本点合并求和形成新样本点，每次选取的样本点数量为m个。
4.锅炉给粉机瞬时入炉煤量计算模型构建系统，其特征在于，包括：数据采集模块，用于获取锅炉运行中不同时刻煤粉仓的重量数据和给粉机变频器转速数据；
数据处理模块，用于对数据采集模块的数据进行处理，使其执行权利要求1中步骤2至步骤4的过程；
模型训练模块，用于采用数据处理模块输出的数据进行线性拟合，获得线性回归模型。
5.锅炉给粉机瞬时入炉煤量计算方法，其特征在于，包括：获取N个给粉机变频器转速，输入到步骤5的回归模型(1)中，得到瞬时入炉煤量。
6.锅炉给粉机瞬时入炉煤量计算系统，其特征在于，包括：
实时数据采集模块，用于读取N个给粉机变频器转速；
瞬时入炉煤量计算模块，用于调取权利要求1至3任一项所获得的线性回归模型，并将实时数据采集模块中的变频器转速输入到该线性回归模型中，输出瞬时入炉煤量。
CN202011485873.8A 2020-12-16 2020-12-16 锅炉给粉机瞬时入炉煤量计算模型构建、计算方法及系统 Pending CN112598536A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011485873.8A CN112598536A (zh) 2020-12-16 2020-12-16 锅炉给粉机瞬时入炉煤量计算模型构建、计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011485873.8A CN112598536A (zh) 2020-12-16 2020-12-16 锅炉给粉机瞬时入炉煤量计算模型构建、计算方法及系统

Publications (1)

Publication Number Publication Date
CN112598536A true CN112598536A (zh) 2021-04-02

Family

ID=75196386

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011485873.8A Pending CN112598536A (zh) 2020-12-16 2020-12-16 锅炉给粉机瞬时入炉煤量计算模型构建、计算方法及系统

Country Status (1)

Country Link
CN (1) CN112598536A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114104770A (zh) * 2021-10-09 2022-03-01 煤科院节能技术有限公司 一种控制粉体供料器供料速率的方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06139023A (ja) * 1992-10-23 1994-05-20 Nippon Koden Corp サンプリング方法及び回路
CN109442465A (zh) * 2018-09-30 2019-03-08 上海全应科技有限公司 煤粉锅炉瞬时给粉量的拟合样本选取及计量方法
CN110212592A (zh) * 2019-05-31 2019-09-06 山东科技大学 基于分段线性表达的火电机组负荷调节最大速率估计方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06139023A (ja) * 1992-10-23 1994-05-20 Nippon Koden Corp サンプリング方法及び回路
CN109442465A (zh) * 2018-09-30 2019-03-08 上海全应科技有限公司 煤粉锅炉瞬时给粉量的拟合样本选取及计量方法
CN110212592A (zh) * 2019-05-31 2019-09-06 山东科技大学 基于分段线性表达的火电机组负荷调节最大速率估计方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李健等: "基于聚类算法的双进双出磨煤机入炉煤量软测量方法", 《热力发电》, vol. 49, no. 11, 25 November 2020 (2020-11-25) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114104770A (zh) * 2021-10-09 2022-03-01 煤科院节能技术有限公司 一种控制粉体供料器供料速率的方法及系统

Similar Documents

Publication Publication Date Title
CN103390904B (zh) 可再生能源并网发电分析方法
CN107394809B (zh) 基于风速时间周期特征的风电并网系统风险评估方法
CN103473621A (zh) 风电场短期功率预测方法
CN111024921B (zh) 入炉煤质监测系统和方法
CN105863946A (zh) 水电站优化运行控制方法和系统
CN105678396A (zh) 光伏电站超短时功率预测装置
CN109785187B (zh) 一种发电机组供电煤耗检测数据校正方法
CN103996079B (zh) 一种基于条件概率的风电功率加权预测方法
CN105825002B (zh) 一种基于动态灰关联分析法的风电场动态等值建模方法
CN106786567B (zh) 一种基于pmu类噪声数据的在线负荷建模方法
CN112968441A (zh) 一种应用于大规模风电基地的电网规划方法
CN112598536A (zh) 锅炉给粉机瞬时入炉煤量计算模型构建、计算方法及系统
CN109783934A (zh) 一种基于h-adcp的断面平均流速拟合率定方法
CN113610296B (zh) 一种区域内用电负荷峰值预测方法及电网投资规划方法
CN110866324A (zh) 一种混凝土生产系统故障效应分析方法
CN114819385A (zh) 风电功率预测方法、装置、电子设备及存储介质
CN103674145B (zh) 一种燃煤机组入炉燃煤质量流量的实时计量方法
CN114066069A (zh) 一种组合权重的副产煤气发生量预测方法
CN109934493B (zh) 一种快速确定火力发电机组煤耗特性曲线的方法
CN112052996B (zh) 基于卷积神经网络技术的小水电集群功率预测方法
CN109190845A (zh) 一种两阶段动态优化短期风电功率预测方法
CN101995845A (zh) 基于fpga的自调匀整控制系统及控制方法
CN102175286A (zh) 涡轮流量计信号处理方法
CN109193791A (zh) 一种基于改进shapley值的风电汇聚趋势性分状态量化方法
CN110094299B (zh) 风电机组的偏航对风自矫正方法和设备

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