CN112784474A - 一种基于单位煤粉耗氧量的锅炉燃煤相对热值计算方法 - Google Patents

一种基于单位煤粉耗氧量的锅炉燃煤相对热值计算方法 Download PDF

Info

Publication number
CN112784474A
CN112784474A CN202011498507.6A CN202011498507A CN112784474A CN 112784474 A CN112784474 A CN 112784474A CN 202011498507 A CN202011498507 A CN 202011498507A CN 112784474 A CN112784474 A CN 112784474A
Authority
CN
China
Prior art keywords
coal
oxygen consumption
time period
unit
coal powder
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.)
Granted
Application number
CN202011498507.6A
Other languages
English (en)
Other versions
CN112784474B (zh
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 CN202011498507.6A priority Critical patent/CN112784474B/zh
Publication of CN112784474A publication Critical patent/CN112784474A/zh
Application granted granted Critical
Publication of CN112784474B publication Critical patent/CN112784474B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Regulation And Control Of Combustion (AREA)
  • Control Of Steam Boilers And Waste-Gas Boilers (AREA)

Abstract

本发明公开了一种基于单位煤粉耗氧量的锅炉燃煤相对热值计算方法，包括：1)确定基准时间段，设定基准时间段内煤粉相对热值为1；2)获取基准时间段内的锅炉相关生产数据，建立关于单位煤粉耗氧量的数学模型；并用该数学模型预测数据单位煤粉耗氧量；3)计算预测单位煤粉耗氧量与实际单位煤粉耗氧量之间误差；4)条件过滤剔除异常数据引起的误差；5)用计算时间段内给煤粉量对误差加权求均值，输出煤粉相对热值。可在线实时监测燃煤热值，对锅炉运行时的配煤燃烧及负荷调节具有重要指导意义。

Description

一种基于单位煤粉耗氧量的锅炉燃煤相对热值计算方法
技术领域
本发明属于能源生产技术领域，具体涉及一种基于单位煤粉耗氧量的 锅炉燃煤相对热值计算方法。
背景技术
煤粉作为锅炉运行生产过程中的主要燃料，其热值不仅是衡量煤质的 重要指标，也是重要的工程技术指标和经济指标，准确测定煤粉的热值， 是估算锅炉理论燃烧温度和锅炉运行时的配煤燃烧及负荷调节的重要依据， 对锅炉安全生产和经济运行具有重要意义
目前对煤粉热值的检测主要通过离线取样化验的方法获得单位质量的 煤粉完全燃烧时所产生的热量，煤质的工业分析存在着较大的取样误差及 严重的分析时间滞后。如何实现煤粉热值的在线实时检测，并依此计算锅 炉的热效率，进而优化调整锅炉运行工况，是相关技术人员一直关心的问 题。
发明内容
本发明的目的在于，提供一种基于单位煤粉耗氧量的锅炉燃煤相对热 值计算方法，该方法利用煤粉燃烧耗氧规律，实现了入炉煤热值的软测量。
为了实现上述任务，本发明采取如下的技术解决方案：
一种基于单位煤粉耗氧量的锅炉燃煤相对热值计算方法，其特征在于， 包括：
步骤一，确定基准时间段，设定基准时间段内煤粉相对热值为1；
步骤二，获取基准时间段内的锅炉相关生产数据，建立关于单位煤粉 耗氧量的数学模型；并用该数学模型预测数据单位煤粉耗氧量；
步骤三，计算预测单位煤粉耗氧量与实际单位煤粉耗氧量之间误差；
步骤四，条件过滤剔除异常数据引起的误差；
步骤五，用计算时间段内给煤粉量对误差加权求均值，输出煤粉相对 热值。
根据本发明，步骤一所述确定基准时间段的方法为：选择煤粉热值波 动较为平稳的时间段作为基准，以减小模型拟合误差，在波动平稳的基础 上所选时间段越长，有效性越高。
进一步地，步骤二所述建立关于单位煤粉耗氧量的数学模型的方法为：
1)基准时间段内的锅炉相关生产数据包含炉膛温度T、过量空气系数 Ac、耗氧速率Os和单位煤粉耗氧量Ou；其中：过量空气系数Ac、耗氧速 率Os、单位煤粉耗氧量Ou的计算方法是：
Figure BDA0002842910350000021
Os＝(21-O2)*W；
Figure BDA0002842910350000022
式中，O2为排烟氧含量，W为给风量，C为给煤量；
以过量空气系数Ac、炉膛温度T为自变量，单位煤粉耗氧量Ou为因变 量，利用机器学习三次多项式算法建立回归模型model；
所述回归方程的表达式为：
Figure BDA0002842910350000023
其中：θi(i＝1,2…9)为回归系数，x1,x2为自变量，y为因变量。
优选地，步骤三所述预测单位煤粉耗氧量与实际单位煤粉耗氧量之间 误差计算公式为：
Figure BDA0002842910350000024
其中：y_true为实际单位煤粉耗氧量，y_predict为模型预测值。
进一步优选地，步骤四所述条件过滤剔除异常数据引起的误差方法为， 考虑数据及模型本身引起的误差，设置过滤阈值ε，ε介于0.5～1之间， 且|Er|≤ε。
步骤五所述用计算时间段内给煤粉量对误差加权求均值的计算方法为：
1)在燃烧状况及程度相近的情况下，可认为引起模型误差的主要原因 为煤粉品质的变化；
2)对过滤后的数据，将给粉量作为权重对误差加权求均值，最终结果 可看作煤粉热值的变化ΔH；
3)在计算时间段内，基于基准煤粉品质，其煤粉相对热值为1+ΔH。
本发明的基于单位煤粉耗氧量的锅炉燃煤相对热值计算方法，是一种 新的软测量方法，燃煤热值的计算过程中所需的参数均可从已有的DCS等 系统的实时数据中读取，且可集成在已有的DCS等系统中，不需要额外增 加分析或测量设备，无额外的设备和维护成本。而且可在线实时监测燃煤 热值，对锅炉运行时的配煤燃烧及负荷调节具有重要指导意义。
附图说明
图1是本发明的基于单位煤粉耗氧量的锅炉燃煤相对热值计算方法的 流程图；
图2是锅炉a测量时间段内实际单位煤粉耗氧量与预测单位煤粉耗氧 量分布图；
图3是锅炉b测量时间段内实际单位煤粉耗氧量与预测单位煤粉耗氧 量分布图。
下面结合附图和实施例对本发明作进一步地详细说明。
具体实施方式
需要说明的是，在以下的实施例中，燃煤热值的计算过程中所需的锅 炉相关生产数据，即包括且不限于炉膛温度T、过量空气系数Ac、耗氧速 率Os和单位煤粉耗氧量Ou等参数，均可从已有DCS系统的实时数据中读取， 且可集成在已有DCS系统中，不需要额外增加分析或测量设备，因此无需 额外的设备和维护成本。
本实施例给出一种基于单位煤粉耗氧量的锅炉燃煤相对热值计算方法， 包括如下步骤：
步骤1，确定基准时间段，设定基准时间段内煤粉相对热值为1；
步骤2，获取相关数据，建立关于单位煤粉耗氧量的数学模型；并利用 所建立数学模型预测测量数据单位煤粉耗氧量；
步骤3，计算预测单位煤粉耗氧量与实际单位煤粉耗氧量之间误差；
步骤4，条件过滤剔除异常数据引起的误差；
步骤5，用计算时间段内给煤粉量对误差加权求均值，输出煤粉相对热 值。
本实施例中，步骤1所述确定基准时间段的方法为：
选择煤粉热值波动较为平稳的时间段作为基准，以减小模型拟合误差， 在波动平稳的基础上所选时间段越长，方法有效性越高。
步骤2所述建立关于单位煤粉耗氧量的数学模型的方法为：
1)以基准时间段内的锅炉相关生产数据，数据包含但不限于炉膛温度 T、空气系数Ac、耗氧速率Os和单位煤粉耗氧量Ou；
如下表1.1、表1.2给出了发明人从已有DCS系统中截取的基准时间段 所获取建模相关数据：
表1.1：锅炉a基准时间段内建模数据
Figure BDA0002842910350000041
Figure BDA0002842910350000051
表1.2：锅炉b基准时间段内建模数据
Figure BDA0002842910350000052
其中的过量空气系数Ac、耗氧速率Os、单位煤粉耗氧量Ou计算方法 为：
Figure BDA0002842910350000053
Os＝(21-O2)*W；
Figure BDA0002842910350000054
其中：O2为排烟氧含量，W为给风量，C为给煤量；
2)以过量空气系数、炉膛温度等为自变量，单位煤粉耗氧量为因变量， 利用机器学习三次多项式算法建立回归模型model；
多项式回归方程可表述为：
Figure BDA0002842910350000061
其中：θi(i＝1,2…9)为回归系数，x1,x2为自变量，y为因变量；
本实施例中，步骤3所述预测单位煤粉耗氧量与实际单位煤粉耗氧量 之间误差Er计算公式为：
Figure BDA0002842910350000062
其中：y_true为实际单位煤粉耗氧量，y_predict为模型预测值。
图2、图3给出了实际单位煤粉耗氧量与预测单位煤粉耗氧量趋势；如 下表2.1、表2.2为基准时间段单位煤粉耗氧量预测值及误差数据：
表2.1：锅炉a测量时间段内单位煤粉耗氧量及误差数据
Figure BDA0002842910350000063
Figure BDA0002842910350000071
表2.2：锅炉b测量时间段内单位煤粉耗氧量及误差数据
时间序列 实际值(y_true) 预测值(y_predict) 误差(E<sub>r</sub>)
1 169623.8 166482.5 0.018868
2 171551.4 165676.1 0.035463
3 174053.6 165019.6 0.054745
4 173541.6 164348.8 0.055934
5 173879.7 163901.2 0.060881
6 172843.6 163635.6 0.056272
7 168478.7 163471.7 0.030629
8 167613.8 163335.9 0.02619
9 171482.1 163206.2 0.050708
10 180131.7 163190.3 0.103814
11 171938.9 163072.5 0.054371
12 177031.5 163088.9 0.085491
13 176095.9 162813.3 0.081582
本实施例中，步骤4所述条件过滤的方法为：
考虑数据及模型本身引起的误差，设置过滤阈值ε，ε介于0.5～1之 间，且|Er|≤ε。
所述步骤5用计算时间段内给煤粉量对误差加权求均值的计算方法为：
1)在燃烧状况及程度相近的情况下，可认为引起模型误差的主要原因 为煤粉品质的变化；
2)对过滤后的数据，将给粉量作为权重对误差加权求均值，最终结果 可看作煤粉热值的变化ΔH；
3)在计算时间段内，基于基准煤粉品质，其煤粉相对热值为1+ΔH。
综上，本实施例给出的基于单位煤粉耗氧量的锅炉燃煤相对热值计算 方法，可在线实时监测燃煤热值，对锅炉运行时的配煤燃烧及负荷调节具 有重要指导意义。

Claims (6)

1.一种基于单位煤粉耗氧量的锅炉燃煤相对热值计算方法，其特征在于，包括：
步骤一，确定基准时间段，设定基准时间段内煤粉相对热值为1；
步骤二，获取基准时间段内的锅炉相关生产数据，建立关于单位煤粉耗氧量的数学模型；并用该数学模型预测数据单位煤粉耗氧量；
步骤三，计算预测单位煤粉耗氧量与实际单位煤粉耗氧量之间误差；
步骤四，条件过滤剔除异常数据引起的误差；
步骤五，用计算时间段内给煤粉量对误差加权求均值，输出煤粉相对热值。
2.如权利要求1所述的方法，其特征在于，步骤一所述确定基准时间段的方法为：
选择煤粉热值波动较为平稳的时间段作为基准，以减小模型拟合误差，在波动平稳的基础上所选时间段越长，有效性越高。
3.所述如权利要求1所述的方法，其特征在于，步骤二所述建立关于单位煤粉耗氧量的数学模型的方法为：
1)基准时间段内的锅炉相关生产数据包含炉膛温度T、过量空气系数Ac、耗氧速率Os和单位煤粉耗氧量Ou；其中：过量空气系数Ac、耗氧速率Os、单位煤粉耗氧量Ou的计算方法是：
Figure FDA0002842910340000011
Os＝(21-O2)*W；
Figure FDA0002842910340000012
式中，O2为排烟氧含量，W为给风量，C为给煤量；
以过量空气系数Ac、炉膛温度T为自变量，单位煤粉耗氧量Ou为因变量，利用机器学习三次多项式算法建立回归模型model；
所述多项式回归方程为：
Figure FDA0002842910340000021
其中：θi(i＝1,2…9)为回归系数，x1,x2为自变量，y为因变量。
4.所述如权利要求1所述的方法，其特征在于，步骤三所述预测单位煤粉耗氧量与实际单位煤粉耗氧量之间误差计算公式为：
Figure FDA0002842910340000022
其中：y_true为实际单位煤粉耗氧量，y_predict为模型预测值。
5.如权利要求1所述的方法，其特征在于，步骤四所述条件过滤剔除异常数据引起的误差方法为，考虑数据及模型本身引起的误差，设置过滤阈值ε，ε介于0.5～1之间，且|Er|≤ε。
6.如权利要求1所述的方法，其特征在于，步骤五所述用计算时间段内给煤粉量对误差加权求均值的计算方法为：
1)在燃烧状况及程度相近的情况下，可认为引起模型误差的主要原因为煤粉品质的变化；
2)对过滤后的数据，将给粉量作为权重对误差加权求均值，最终结果可看作煤粉热值的变化ΔH；
3)在计算时间段内，基于基准煤粉品质，其煤粉相对热值为1+ΔH。
CN202011498507.6A 2020-12-17 2020-12-17 一种基于单位煤粉耗氧量的锅炉燃煤相对热值计算方法 Active CN112784474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011498507.6A CN112784474B (zh) 2020-12-17 2020-12-17 一种基于单位煤粉耗氧量的锅炉燃煤相对热值计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011498507.6A CN112784474B (zh) 2020-12-17 2020-12-17 一种基于单位煤粉耗氧量的锅炉燃煤相对热值计算方法

Publications (2)

Publication Number Publication Date
CN112784474A true CN112784474A (zh) 2021-05-11
CN112784474B CN112784474B (zh) 2023-12-01

Family

ID=75751151

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011498507.6A Active CN112784474B (zh) 2020-12-17 2020-12-17 一种基于单位煤粉耗氧量的锅炉燃煤相对热值计算方法

Country Status (1)

Country Link
CN (1) CN112784474B (zh)

Cited By (3)

* 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
CN116189805A (zh) * 2023-04-19 2023-05-30 北京全应科技有限公司 一种基于氧量预测的煤质变化监测方法
CN117350075A (zh) * 2023-10-31 2024-01-05 上海全应科技有限公司 一种cfb锅炉燃煤热值的软测量方法和电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040024179A (ko) * 2002-09-13 2004-03-20 주식회사 포스코 미분탄 제조설비 제어장치
WO2005083447A1 (fr) * 2004-02-27 2005-09-09 Zhen Wang Procede et dispositif de controle en ligne pour un appareil de conversion de combustible fossile
WO2009046628A1 (fr) * 2007-09-27 2009-04-16 Zhen Wang Procédé de contrôle en ligne, en temps réel, du rendement d'une chaudière à charbon
CN110675039A (zh) * 2019-09-09 2020-01-10 武汉华中思能科技有限公司 一种燃煤电厂实时燃煤成本输出方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040024179A (ko) * 2002-09-13 2004-03-20 주식회사 포스코 미분탄 제조설비 제어장치
WO2005083447A1 (fr) * 2004-02-27 2005-09-09 Zhen Wang Procede et dispositif de controle en ligne pour un appareil de conversion de combustible fossile
WO2009046628A1 (fr) * 2007-09-27 2009-04-16 Zhen Wang Procédé de contrôle en ligne, en temps réel, du rendement d'une chaudière à charbon
CN110675039A (zh) * 2019-09-09 2020-01-10 武汉华中思能科技有限公司 一种燃煤电厂实时燃煤成本输出方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
GANESH SAMDANI等: "A process model for underground coal gasification – Part-III: Parametric studies and UCG process performance", FUEL, vol. 234, pages 392 - 405, XP085492928, DOI: 10.1016/j.fuel.2018.07.011 *
刘翠翠;郭为民;苏杰;唐耀华;: "基于PCA和支持向量机的电站入炉煤量软测量技术", 自动化与仪器仪表, no. 10, pages 213 - 214 *
周怀春等: "燃煤电站锅炉总风量跟随负荷控制理念分析", 洁净煤技术, vol. 25, no. 2 *
袁晨博: "基于数据驱动的煤化工气化炉配煤优化研究", 中国优秀硕士论文集 工程科技Ⅰ辑, no. 03 *

Cited By (5)

* 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
CN114104770B (zh) * 2021-10-09 2024-06-04 北京天地融创科技股份有限公司 一种控制粉体供料器供料速率的方法及系统
CN116189805A (zh) * 2023-04-19 2023-05-30 北京全应科技有限公司 一种基于氧量预测的煤质变化监测方法
CN117350075A (zh) * 2023-10-31 2024-01-05 上海全应科技有限公司 一种cfb锅炉燃煤热值的软测量方法和电子设备
CN117350075B (zh) * 2023-10-31 2024-04-02 上海全应科技有限公司 一种cfb锅炉燃煤热值的软测量方法和电子设备

Also Published As

Publication number Publication date
CN112784474B (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
CN112784474B (zh) 一种基于单位煤粉耗氧量的锅炉燃煤相对热值计算方法
CN107561941B (zh) 一种火电机组脱硝系统的全工况达标排放控制方法
CN105160158B (zh) 锅炉二次风挡板特性试验数据的处理方法
CN110848733B (zh) 一种基于煤质在线监测的燃烧优化方法
CN102645523B (zh) 基于制粉系统热平衡的入炉煤收到基水分在线辨识方法
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
CN105971738B (zh) 一种燃气轮机组烟气流量在线监测的方法
CN103388834A (zh) 用于控制燃烧过程系统的方法和装置
CN109307437B (zh) 一种蓄热式工业加热炉的优化燃烧控制系统及其方法
CN112782220A (zh) 一种电站入炉煤热值的测量方法及系统
CN104316559B (zh) 一种能准确反映轧钢加热炉动态热平衡的测试方法
CN111396919A (zh) 一种基于煤质实时在线分析的单元机组控制系统及方法
CN111753389B (zh) 一种燃煤锅炉入炉原煤热值在线软测量方法和装置
CN113283052A (zh) 飞灰含碳量软测量方法及燃煤锅炉燃烧优化方法和系统
CN112316718A (zh) 一种w火焰锅炉脱硝喷氨控制系统及方法
CN114307627B (zh) 一种基于理论氨耗量的脱硝调节方法
CN111468709A (zh) 一种钢包烘烤器自动烘烤系统和方法
CN103593578A (zh) 焦炉加热燃烧过程烟道吸力反馈设定方法
CN114459613A (zh) 一种加热炉动态生产实时监测预警系统及使用方法
CN102095204B (zh) 基于烟道飞灰质量流量的锅炉吹灰控制装置
CN109613059B (zh) 基于燃烧系统运行参数的冶金煤气热值在线测算方法
CN106527382A (zh) 一种焦炉热效率在线监测方法
CN113836794B (zh) 一种软硬结合的飞灰含碳量在线监测方法
CN114910624A (zh) 一种煤质在线检测信息管理系统
CN109632881B (zh) 基于煤气预热系统换热参数的冶金煤气热值软测量方法

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