CN112784474B - 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
CN112784474B
CN112784474B CN202011498507.6A CN202011498507A CN112784474B CN 112784474 B CN112784474 B CN 112784474B CN 202011498507 A CN202011498507 A CN 202011498507A CN 112784474 B CN112784474 B CN 112784474B
Authority
CN
China
Prior art keywords
oxygen consumption
coal
unit
pulverized coal
time period
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
Application number
CN202011498507.6A
Other languages
English (en)
Other versions
CN112784474A (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

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：
Os＝(21-O2)*W；
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：
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：
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
表1.2：锅炉b基准时间段内建模数据
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：
Os＝(21-O2)*W；
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：
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：
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
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(Er)
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 (4)

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；
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：
；
Os=（21-O2）* W；
；
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：
y=θ0+θ1 x 1+θ2 x 2+θ3 x 1 2+θ4 x 2 2+θ5 x 1 x 2+θ6 x 1 3+θ7 x 2 3+θ8 x 1 2 x 2+θ9 x 1 x 2 2
其中：θi为回归系数，i=1,2，…，9；x 1， x 2为自变量，y为因变量；
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；
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，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。
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.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：
其中：y_true为实际单位煤粉耗氧量，y_predict为模型预测值。
4.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|E r|≤ε。
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 CN112784474A (zh) 2021-05-11
CN112784474B true 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)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116189805B (zh) * 2023-04-19 2023-07-21 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
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

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
A process model for underground coal gasification – Part-III: Parametric studies and UCG process performance;Ganesh Samdani等;Fuel;第234卷;392-405 *
基于PCA和支持向量机的电站入炉煤量软测量技术;刘翠翠;郭为民;苏杰;唐耀华;;自动化与仪器仪表(10);213-214 *
基于数据驱动的煤化工气化炉配煤优化研究;袁晨博;中国优秀硕士论文集 工程科技Ⅰ辑(第03期);全文 *
燃煤电站锅炉总风量跟随负荷控制理念分析;周怀春等;洁净煤技术;第25卷(第2期);全文 *

Also Published As

Publication number Publication date
CN112784474A (zh) 2021-05-11

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
CN105797576B (zh) 一种燃煤机组脱硝喷氨控制方法
CN104615114B (zh) 一种循环流化床的炉内脱硫优化控制方法
CN109655488B (zh) 基于混合煤气预热燃烧的煤气热值软测量方法
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
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
CN110793058B (zh) 一种锅炉水冷壁高温腐蚀预测及寿命评估方法
CN110003923B (zh) 一种用于测量干熄炉内焦炭烧损的装置及测量方法
CN112782220A (zh) 一种电站入炉煤热值的测量方法及系统
CN111151367A (zh) 磨煤机和其一次风量的分析方法
CN113033873A (zh) 基于入炉煤质测量的脱硫系统入口硫氧化物含量预测方法
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
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
CN112989694A (zh) 受热面灰污区段化监测系统及方法
CN117032099A (zh) 一种干熄焦闭环控制方法
CN116756704A (zh) 一种利用风粉测量参数预测入炉煤量的方法
CN116756969A (zh) 一种磨煤机的煤粉出力在线计算方法和系统
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
CN115183570A (zh) 一种矿粉立磨系统及自动控制方法
CN109580711B (zh) 高炉煤气与转炉煤气混烧条件下的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