CN112836723B - 一种循环流化床锅炉炉内脱硫工况参数优化方法 - Google Patents

Abstract

本发明公开了一种循环流化床锅炉炉内脱硫工况参数优化方法，通过对影响循环流化床锅炉脱硫过程的运行可调参数的历史运行数据采集存储，采用OPTICS聚类算法进行多指标同步聚类，选取脱硫效率最高的一类样本作为炉内脱硫过程优化的基准样本；采用高斯混合模型估计各工况参数的概率密度分布情况；通过设置不同的显著性水平，确定各工况参数的协同优化运行区间。在本发明能够为循环流化床锅炉，协同各参数的优化运行，优化炉内脱硫过程，深入挖掘CFB锅炉炉内脱硫潜力，为实现高效的炉内脱硫效果提供指导。

Description

一种循环流化床锅炉炉内脱硫工况参数优化方法

技术领域

本发明专利属于循环流化床机组运行优化技术领域，尤其是涉及一种循环流化床锅炉炉内脱硫工况参数优化方法。

背景技术

循环流化床(Circulating Fluidized Bed,CFB)锅炉，以其可燃用低热值、难燃煤种、热负荷稳定的特点，已得到大规模商业化的应用，在低品位燃料高效清洁燃烧利用领域及电力调峰发挥了重要作用。CFB锅炉一般时将经破碎的石灰石随着燃煤送入流化床的密相区，实现在燃烧中脱硫的目的。相比于燃烧后在烟道布置脱硫设备的烟气脱硫方式，炉内喷射石灰石脱硫的方法，具有设备投资少、运行成本低、系统简单等优点，在我国得到规模化的应用。

通过炉内喷射石灰石脱硫的反应复杂，整个过程收到锅炉负荷、石灰石粒径、反应温度、钙硫摩尔比和过量空气系数等多种因素的影响。然而，随着我国节能减排工作的进一步深入，环保排放标准日渐严苛，因此，如何保证CFB锅炉在多种负荷工况下，可以有效协调各种影响因素，深入挖掘CFB锅炉炉内脱硫潜力，实现高效的炉内脱硫效果，达到排放要求是一个亟待解决的问题。

现在对CFB锅炉炉内脱硫优化的研究大多依靠实验或者模拟燃烧的方法，而在CFB锅炉实际运行时，受内、外部边界条件(负荷、煤质、工况)影响，燃烧过程负责。将实验值或模型计算值作为影响炉内脱硫过程的参数优化值，不可避免地会出现与实际运行状态有较大的偏差，因此，在工程应用中受到一定的限制。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，一种循环流化床锅炉炉内脱硫工况参数优化方法。

本发明解决其技术问题所采用的技术方案是：一种循环流化床锅炉炉内脱硫工况参数优化方法，包括：

步骤1、采集并存储与循环流化床锅炉炉内脱硫过程相关的运行可调参数：对影响循环流化床锅炉效率的参数的历史运行数据进行同步采集，包括负荷、床温、钙硫摩尔比、氧量、石灰石粒径和反应前后炉内SO₂浓度，建立历史数据库；

步骤2、确定循环流化床锅炉炉内脱硫过程的基准态：采用OPTICS(Orderingpoints to identify the clustering structure)聚类算法对采集到的工况参数的历史数据进行多指标同步聚类，选取脱硫效率最高的一类样本作为决策样本，作为循环流化床锅炉炉内脱硫过程优化的基准样本；

步骤3、估计得到的基准样本的概率分布情况：采用高斯混合模型，分别估计各影响循环流化床锅炉效率的参数的分布规律；

步骤4、确定影响循环流化床锅炉炉内脱硫过程的工况参数的优化运行区间：根据得到的参数概率分布情况，通过设置一定的显著性水平，确定各工况参数的优化运行区间。

其中，在确定循环流化床锅炉炉内脱硫过程的基准态的步骤中，包括：

步骤201、根据循环流化床锅炉负荷的大小，对历史运行数据进行工况划分；

步骤202、由公式

计算循环流化床锅炉炉内脱硫效率，其中，c_i和c_o分别表示脱硫前后的SO₂浓度；

步骤203、基于OPTICS聚类算法对历史数据进行多指标同步聚类；

步骤204、以脱硫效率最高为目标，选取各工况下基准态样本，作为循环流化床锅炉炉内脱硫效率优化的基准样本。

其中，在估计得到的基准样本的概率分布情况的步骤中，包括：

步骤301、多元高斯混合模型的概率分布形式为：

其中，X＝[x₁,x₂,…,x_n]^T，X是影响循环流化床锅炉炉内脱硫效率的工况参数的历史运行数据向量；K是高斯混合模型子模型个数；ω_k是子模型的权重，且ω_k≥0，

φ(X|θ_k)是第k个子模型的多维单一高斯概率密度函数，

其中，μ_k和∑_k分别表示第k个子模型的均值和协方差矩阵；

步骤302、选取最大似然估计算法，求解公式

的最小值，估计高斯混合模型的μ_k、∑_k和ω_k；

步骤303、将每一影响循环流化床锅炉炉内脱硫效率的工况参数的历史运行数据向量X分别带入到K个高斯分布函数中，求其概率密度分布。

其中，在确定影响循环流化床锅炉炉内脱硫过程的工况参数的优化运行区间的步骤中，包括：

步骤401、根据得到的各工况参数的概率密度分布，设置显著性水平α＝0.25，得到各参数的对应值，作为参数优化区间的上确界；

步骤402、设置显著性水平置α＝0.05，得到各参数的对应值，作为参数优化区间的下确界。

其中，采集与循环流化床锅炉炉内脱硫过程相关的运行可调参数的步骤中，循环流化床锅炉的负荷、床温、钙硫摩尔比、氧量、石灰石粒径和反应前后炉内SO₂浓度信号的数值每分钟采集并存储一个值，并按照时、日、月、年进行分级循环存储。

其中，在基于OPTICS聚类算法对历史数据进行多指标同步聚类的步骤中，包括：

步骤2031、设X＝[x₁,x₂,…,x_n]^T，X是影响循环流化床锅炉炉内脱硫效率的工况参数的历史运行数据向量，置领域半径ε和最少点数阈值MinPts；

步骤2032、创建核心对象的有序集合P和结果输出集合Q；

步骤2033、判断x_k是否核心对象，并计算其邻域点的可达距离和核心距离，将集合P按可达距离的升序排列；

步骤2034：输出带有核心距离和可达距离的数据序列Q；

步骤2035：根据得到的数据输出序列Q，设置合适的半径β，将数据集聚为三类。

区别于现有技术，本发明的循环流化床锅炉炉内脱硫工况参数优化方法,通过对影响循环流化床锅炉脱硫过程的运行可调参数的历史运行数据采集存储，采用OPTICS聚类算法进行多指标同步聚类，选取脱硫效率最高的一类样本作为炉内脱硫过程优化的基准样本；采用高斯混合模型估计各工况参数的概率密度分布情况；通过设置不同的显著性水平，确定各工况参数的协同优化运行区间。在本发明能够为循环流化床锅炉，协同各参数的优化运行，优化炉内脱硫过程，深入挖掘CFB锅炉炉内脱硫潜力，为实现高效的炉内脱硫效果提供指导。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1为本发明提供的一种循环流化床锅炉炉内脱硫工况参数优化方法的流程示意图。

图2为本发明提供的一种循环流化床锅炉炉内脱硫工况参数优化方法的基准态确定方法流程图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

图1是循环流化床锅炉炉内脱硫工况参数优化方法总流程图。循环流化床锅炉炉内脱硫工况参数优化方法包括下列步骤：

步骤1、采集并存储与循环流化床锅炉炉内脱硫过程相关的运行可调参数：对影响循环流化床锅炉效率的参数的历史运行数据进行同步采集，包括负荷、床温、钙硫摩尔比、氧量、石灰石粒径和反应前后炉内SO₂浓度，建立历史数据库。

本发明采集的影响炉内脱硫过程的参数负荷、床温、钙硫摩尔比、氧量、石灰石粒径和反应前后炉内SO₂浓度等信号，是通过OPC通讯方式从分散控制系统(DCS)引入到数据采集和分析系统中。在能够满足分析需要并尽可能节省存储空间的原则下，负荷、床温、钙硫摩尔比、氧量、石灰石粒径和反应前后炉内SO₂浓度等信号的数值每分钟采集并存储一个值。

步骤2、确定循环流化床锅炉炉内脱硫过程的基准态：采用OPTICS(Orderingpoints to identify the clustering structure)聚类算法对采集到的工况参数的历史数据进行多指标同步聚类，选取脱硫效率最高的一类样本作为决策样本，作为循环流化床锅炉炉内脱硫过程优化的基准样本。

本发明中，采用OPTICS聚类算法确定炉内脱硫过程的基准态，利用了历史数据的相似性，定位历史可比工况下的脱硫工况参数特点，具有快速、自适应性、高度复现性和可动态调整优化等特点，适用于循环流化床锅炉在不同工况和边界条件下运行时，炉内脱硫参数的优化调整。

图2是循环流化床锅炉炉内脱硫工况基准态确定方法流程图，所述步骤2包括：

步骤201、根据循环流化床锅炉负荷的大小，对历史运行数据进行工况划分；

步骤202、由公式

计算循环硫化床锅炉炉内脱硫效率，其中，c_i和c_o分别表示脱硫前后的SO₂浓度；

步骤203、基于OPTICS聚类算法对历史数据进行多指标同步聚类；

步骤204、以脱硫效率最高为目标，选取各工况下基准态样本，作为CFB炉内脱硫效率优化的基准样本。

本发明中，所述步骤203中的基于OPTICS聚类算法对历史数据进行多指标同步聚类包括：

步骤2031、设X＝[x₁,x₂,…,x_n]^T，X是影响循环流化床锅炉炉内脱硫效率的工况参数的历史运行数据向量，置领域半径ε和最少点数阈值MinPts；

步骤2032、创建核心对象的有序集合P和结果输出集合Q；

步骤2033、判断x_k是否核心对象，并计算其邻域点的可达距离和核心距离，将集合P按可达距离的升序排列；

步骤2034：输出带有核心距离和可达距离的数据序列Q；

步骤2035：根据得到的数据输出序列Q，设置合适的半径β，将数据集聚为三类。

步骤3、估计得到的基准样本的概率分布情况：采用高斯混合模型，分别估计各影响循环流化床锅炉效率的参数的分布规律。

本发明中，通过估计由历史数据聚类得到的基准态的概率分布，实现由小样本估计各参数的分布规律，兼顾了系统运行边界的多变性和炉内脱硫过程的的动态复杂性，使确定的优化区间更具有普适性。

所述步骤3包括：

步骤301、多元高斯混合模型的概率分布形式为：

其中，X＝[x₁,x₂,…,x_n]^T，X是影响循环流化床锅炉炉内脱硫效率的工况参数的历史运行数据向量；K是高斯混合模型子模型个数；ω_k是子模型的权重，且ω_k≥0，

φ(X|θ_k)是第k个子模型的多维单一高斯概率密度函数，

其中，μ_k和∑_k分别表示第k个子模型的均值和协方差矩阵；

步骤302、选取最大似然估计算法，求解公式

的最小值，估计高斯混合模型的μ_k、∑_k和ω_k；

步骤303、将每一影响循环流化床锅炉炉内脱硫效率的工况参数的历史运行数据向量X分别带入到K个高斯分布函数中，求其概率密度分布。

步骤4、确定影响CFB锅炉炉内脱硫过程的工况参数的优化运行区间：根据得到的参数概率分布情况，通过设置一定的显著性水平，确定各工况参数的优化运行区间。

本发明中，采用设置不同的显著性水平，确定各参数的优化运行区间。优化运行区间代替单个值，消除了由于不确定因素和随机干扰(如传感器的测量误差)对参数的影响，提高参数优化的准确性与可靠性。包括：

步骤401、根据得到的各工况参数的概率密度分布，设置显著性水平α＝0.25，得到各参数的对应值，作为参数优化区间的上确界；

步骤402、设置显著性水平置α＝0.05，得到各参数的对应值，作为参数优化区间的下确界。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (5)

1.一种循环流化床锅炉炉内脱硫工况参数优化方法，其特征在于，所述方法包括下列步骤：

步骤1、采集并存储与循环流化床锅炉炉内脱硫过程相关的运行可调参数：对影响循环流化床锅炉效率的参数的历史运行数据进行同步采集，包括负荷、床温、钙硫摩尔比、氧量、石灰石粒径和反应前后炉内SO₂浓度，建立历史数据库；

步骤2、确定循环流化床锅炉炉内脱硫过程的基准态：采用OPTICS(Ordering pointsto identify the clustering structure)聚类算法对采集到的工况参数的历史数据进行多指标同步聚类，选取脱硫效率最高的一类样本作为决策样本，作为循环流化床锅炉炉内脱硫过程优化的基准样本；

步骤3、估计得到的基准样本的概率分布情况：采用高斯混合模型，分别估计各影响循环流化床锅炉效率的参数的分布规律；

步骤4、确定影响循环流化床锅炉炉内脱硫过程的工况参数的优化运行区间：根据得到的参数概率分布情况，通过设置一定的显著性水平，确定各工况参数的优化运行区间；

在确定影响循环流化床锅炉炉内脱硫过程的工况参数的优化运行区间的步骤中，包括：

步骤401、根据得到的各工况参数的概率密度分布，设置显著性水平α＝0.25，得到各参数的对应值，作为参数优化区间的上确界；

步骤402、设置显著性水平α＝0.05，得到各参数的对应值，作为参数优化区间的下确界。

2.根据权利要求1所述的循环流化床锅炉炉内脱硫工况参数优化方法，其特征在于，在确定循环流化床锅炉炉内脱硫过程的基准态的步骤中，包括：

步骤201、根据循环流化床锅炉负荷的大小，对历史运行数据进行工况划分；

步骤202、由公式

计算循环流化床锅炉炉内脱硫效率，其中，c_i和c_o分别表示脱硫前后的SO₂浓度；

步骤203、基于OPTICS聚类算法对历史数据进行多指标同步聚类；

步骤204、以脱硫效率最高为目标，选取各工况下基准态样本，作为循环流化床锅炉炉内脱硫效率优化的基准样本。

3.根据权利要求1所述的循环流化床锅炉炉内脱硫工况参数优化方法，其特征在于，在估计得到的基准样本的概率分布情况的步骤中，包括：

步骤301、多元高斯混合模型的概率分布形式为：

其中，X＝[x₁,x₂,…,x_n]^T，X是影响循环流化床锅炉炉内脱硫效率的工况参数的历史运行数据向量；K是高斯混合模型子模型个数；ω_k是子模型的权重，且ω_k≥0，

φ(X|θ_k)是第k个子模型的多维单一高斯概率密度函数，

其中，μ_k和∑_k分别表示第k个子模型的均值和协方差矩阵；

步骤302、选取最大似然估计算法，求解公式

的最小值，估计高斯混合模型的μ_k、∑_k和ω_k；

步骤303、将每一影响循环流化床锅炉炉内脱硫效率的工况参数的历史运行数据向量X分别带入到K个高斯分布函数中，求其概率密度分布。

4.根据权利要求1所述的循环流化床锅炉炉内脱硫工况参数优化方法，其特征在于，采集与循环流化床锅炉炉内脱硫过程相关的运行可调参数的步骤中，循环流化床锅炉的负荷、床温、钙硫摩尔比、氧量、石灰石粒径和反应前后炉内SO₂浓度信号的数值每分钟采集并存储一个值，并按照时、日、月、年进行分级循环存储。

5.根据权利要求2所述的循环流化床锅炉炉内脱硫工况参数优化方法，其特征在于，在基于OPTICS聚类算法对历史数据进行多指标同步聚类的步骤中，包括：

步骤2031、设X＝[x₁,x₂,…,x_n]^T，X是影响循环流化床锅炉炉内脱硫效率的工况参数的历史运行数据向量，置领域半径ε和最少点数阈值MinPts；

步骤2032、创建核心对象的有序集合P和结果输出集合Q；

步骤2033、判断x_k是否核心对象，并计算其邻域点的可达距离和核心距离，将集合P按可达距离的升序排列；

步骤2034：输出带有核心距离和可达距离的数据序列Q；

步骤2035：根据得到的数据输出序列Q，设置合适的半径β，将数据集聚为三类。

Images