CN113780728A - 工业锅炉能效排放的离线检测方法、系统、介质、设备 - Google Patents

工业锅炉能效排放的离线检测方法、系统、介质、设备 Download PDF

Info

Publication number
CN113780728A
CN113780728A CN202110887780.6A CN202110887780A CN113780728A CN 113780728 A CN113780728 A CN 113780728A CN 202110887780 A CN202110887780 A CN 202110887780A CN 113780728 A CN113780728 A CN 113780728A
Authority
CN
China
Prior art keywords
index
boiler
energy efficiency
evaluation
emission
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
CN202110887780.6A
Other languages
English (en)
Inventor
钱建新
柳青
汪味路
陈洁
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.)
Huzhou Special Equipment Testing And Research Institute Huzhou Elevator Emergency Rescue Command Center
China Jiliang University
Original Assignee
Huzhou Special Equipment Testing And Research Institute Huzhou Elevator Emergency Rescue Command Center
China Jiliang University
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 Huzhou Special Equipment Testing And Research Institute Huzhou Elevator Emergency Rescue Command Center, China Jiliang University filed Critical Huzhou Special Equipment Testing And Research Institute Huzhou Elevator Emergency Rescue Command Center
Priority to CN202110887780.6A priority Critical patent/CN113780728A/zh
Publication of CN113780728A publication Critical patent/CN113780728A/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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Regulation And Control Of Combustion (AREA)
  • Control Of Steam Boilers And Waste-Gas Boilers (AREA)

Abstract

本发明属于锅炉能效排放评价技术领域，公开了一种工业锅炉能效排放的离线检测方法、系统、介质、设备，建立包括锅炉运行状态检测、改造技术应用、作业人员和流程管理因素在内的多维度评价指标体系，然后采用反向传播BP神经网络、层次分析法AHP和模糊多属性TOPSIS方法，评判指标权重，然后根据实际状况进行打分，综合指标权重和指标评分，得到工业锅炉能效排放的量化综合评价值，最后对所建立的模型进行实例验证。本发明综合考虑直接或间接影响锅炉能效排放的工业锅炉运行系统要素，并以某市的中小型工业锅炉群为对象，建立了包含15个二级指标和4个一级指标的能效排放综合评价指标体系。

Description

工业锅炉能效排放的离线检测方法、系统、介质、设备
技术领域
本发明属于锅炉能效排放评价技术领域，尤其涉及一种工业锅炉能效排放的离线检测方法、系统、介质、设备。
背景技术
目前，工业锅炉是现代社会化大生产中重要的供能设备，也是造成大气污染的主要污染源之一，对锅炉的能效排放进行监测和管理是环保治理的必然要求。小容量工业锅炉大多不完全具备热效率参数和排放参数的在线监测/检测功能；而且由于锅炉运行系统的不稳定，锅炉运行过程中的运维管理和人员作业规范，也极大地影响了工业锅炉的能效排放优化水平。
同时，由于工业锅炉类型众多，所在地区和行业的不同使锅炉的设施管理和运行维护状况存在差异。因此，针对中小型工业锅炉以上特点，亟需一种工业锅炉能效排放多维度评价模型以及工业锅炉能效排放的离线检测方法。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有的小容量工业锅炉大多不完全具备热效率参数和排放参数的在线监测/检测功能。导致无法及时、全面地掌握中小型锅炉的能效排放状态和运行维护状态。
(2)由于锅炉运行系统的不稳定，锅炉运行过程中的运维管理和人员作业规范，极大地影响了工业锅炉的能效排放优化水平。运维管理不完善和人员作业不仅会增加锅炉热损失和排放物，还会导致安全隐患。
(3)由于工业锅炉类型众多，所在地区和行业的不同使锅炉的设施管理和运行维护状况存在差异。使得在同样的锅炉整体能效排放水平难以上升，热能浪费严重，排放多。
解决以上问题及缺陷的难度为：由于中小型工业锅炉位置分散且大多不具备在线检/监测的能力，能效排放的综合管理水平不高，缺乏有效、便捷的管理工具和管理方式，无法及时掌握锅炉的实际运行状况，无法进行有效监管。
解决以上问题及缺陷的意义为：能够综合锅炉运行状态检测结果数据、锅炉改造技术应用、作业人员和流程管理等多个方面对工业锅炉运行系统进行多属性综合分析，有助于掌握工业锅炉系统的运行状态，提升企业对工业锅炉的管理水平，在国家节能减排的要求下实现节能与减排的双赢。同时便于政府监管部门、安全节能服务机构等部门获取锅炉的运行状态信息，实现有效监管。
发明内容
针对现有技术存在的问题，本发明提供了一种工业锅炉能效排放的离线检测方法、系统、介质、设备，尤其涉及一种基于检测数据的中小型工业燃气锅炉能效排放综合评价模型及其构建方法。
本发明是这样实现的，一种工业锅炉能效排放的离线检测方法，所述工业锅炉能效排放的离线检测方法包括：
首先建立锅炉运行状态检测、改造技术应用、作业人员和流程管理因素的多维度评价指标体系，然后采用反向传播BP神经网络、层次分析法AHP和模糊多属性TOPSIS方法，评判指标权重并根据实际状况进行打分，得到工业锅炉能效排放的量化综合评价值，最后对所建立的模型进行实例验证。
进一步，所述工业锅炉能效排放的离线检测方法包括以下步骤：
步骤一，综合考虑直接或间接影响锅炉能效排放的工业锅炉运行系统要素，建立能效排放综合评价指标体系；
步骤二，根据指标间的关系与指标特性，建立评价模型；
步骤三，基于评价模型，采用BP神经网络与AHP层次分析法分别确定能效排放指标和其余评价指标的权重；
步骤四，根据不同指标的特性，采用模糊TOPSIS等方法分别对定性和定量指标打分，并综合指标权重和指标打分得到综合评分。
进一步，步骤一中，所述直接或间接影响锅炉能效排放的工业锅炉运行系统要素，包括能效排放检测、锅炉运行状态、现场作业管理以及本体设施状况。
进一步，步骤一中，构建所述能效排放综合评价指标体系时，依据《TSG G0003-2010工业锅炉能效测试与评价规则》、《TSG G002-2010锅炉节能技术监督管理规程》、《GB13271-2014锅炉大气污染物排放标准》、《DB31/T 72-2020工业锅炉运行检测与控制装置的配置》以及《GB/T10180-2017工业锅炉热工性能试验规程》，结合该地区锅炉点检时的常用在测指标，建立锅炉系统运行能效指标和排放指标；基于设施管理和运行维护状况的特色性和地域化，通过访谈和现场调研确立现场管理和设施评价指标。
进一步，步骤一中，所述能效排放综合评价指标体系，包含15个二级指标和4个一级指标；所述一级指标，包括运行能效指标C1、排放指标C2、现场管理指标C3以及设施状况指标C4。
其中，所述运行能效指标C1，包括排烟温度C11、排烟处过量空气系数C12、排烟处一氧化碳含量C13、烟气含氧量C14、锅炉负荷C15以及燃料消耗量C16；
所述排放指标C2，包括排烟二氧化硫浓度/含量C21、排烟氮氧化物浓度/含量C22以及烟气黑度C23；
所述现场管理指标C3，包括操作人员作业管理规范程度C31和节能-排放管理制度C32；
所述设施状况指标C4，包括锅炉本体及范围内管道密封及保温情况C41、水处理设备投运及加药情况C42、锅炉内检时内部水垢情况C43以及节能及环保设备投运情况C44。
进一步，步骤二中，所述建立的BP神经网络输入层为6个节点，隐藏层节点数为10个，输出层为1个节点，即热效率；网络激活函数采用sigmoid函数，利用Levenberg-Marquardt算法，误差反向传播，选用平方差函数更新权重，将训练次数作为程序结束条件；
使用以往的锅炉运行指标数据样本对BP神经网络进行训练，将得到的输入层权重作为c11～c18的指标权重；对其他的一级指标和二级指标，采用9级标度的层次分析法AHP，通过构造两两判断矩阵，分别评价各一级指标权重WCii＝1，2，3，4)和二级指标权重wcij(i＝2，3，4；j＝1，2，3，4)。
进一步，步骤四中，所述根据不同类型指标的特性采用不同的方法进行得分评价，包括：
(1)评定运行能效评价指标C1的评价值时，采用综合二级指标权重与归一化的指标检测值的方式得到指标评价值；其中，指标的取值范围根据所需评价的锅炉类型和实际运行工况自行制定。
Figure BDA0003194649070000041
(2)评定排放指标C2的评价值时，按照国家标准(《GB13271-2014锅炉大气污染物排放标准》)中对于燃气锅炉大气污染物排放限值，取线性得分，排放量越低得分越高。
Figure BDA0003194649070000042
(3)对现场管理指标C3和锅炉设施状态指标C4进行评价时，由于客观环境的复杂性和评价者的主观性很难给评价对象赋予一个精确的数值评价，采用模糊多属性TOPSIS方法进行二级指标得分评价；采用5值语言术语集S＝{S5＝很好，S4＝较好，S3＝一般，S2＝较差，S1＝很差}对c31～c32与c41～c44的现场状况进行评价。
其中，
Figure BDA0003194649070000043
和
Figure BDA0003194649070000044
分别代表二级指标评价值的正负理想解；
Figure BDA0003194649070000045
i＝1，2，...，m和
Figure BDA0003194649070000046
i＝1，2，...，m，分别代表现场管理指标C3和锅炉设施状态指标C4中的二级指标与正负理想解的距离，EC3或EC4的评价值通过下式得到：
Figure BDA0003194649070000047
通过一级指标权重综合各评价得分，得到锅炉运行状态的最后评价值；EC∈[0，1]，数值越接近1锅炉的评估结果越好。
Figure BDA0003194649070000051
本发明的另一目的在于提供一种应用所述的工业锅炉能效排放的离线检测方法的工业锅炉能效排放的离线检测系统，所述工业锅炉能效排放的离线检测系统包括：
评价指标体系建立模块，用于综合考虑直接或间接影响锅炉能效排放的工业锅炉运行系统要素，建立锅炉运行状态检测、改造技术应用、作业人员和流程管理因素的多维度评价指标体系；
评价模型构建模块，用于构建评价模型；
量化综合评价模块，用于采用反向传播BP神经网络、层次分析法AHP和模糊多属性TOPSIS方法，评判指标权重，然后根据实际状况进行打分，得到工业锅炉能效排放的量化综合评价值；
实例验证模块，用于对所建立的模型进行实例验证。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
首先建立锅炉运行状态检测、改造技术应用、作业人员和流程管理因素的多维度评价指标体系，然后采用反向传播BP神经网络、层次分析法AHP和模糊多属性TOPSIS方法，评判指标权重并根据实际状况进行打分，得到工业锅炉能效排放的量化综合评价值，最后对所建立的模型进行实例验证。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的工业锅炉能效排放的离线检测系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的工业锅炉能效排放的离线检测方法，首先建立了锅炉运行状态检测、改造技术应用、作业人员和流程管理等因素的多维度评价指标体系，然后采用反向传播BP神经网络、层次分析法AHP、模糊多属性TOPSIS方法，评判指标权重并根据实际状况进行打分，最后得到工业锅炉能效排放的量化综合评价值。最后对所建立的模型进行了实例验证。同时，本发明综合考虑能效排放检测、锅炉运行状态、现场作业管理、及本体设施状况等直接或间接影响锅炉能效排放的工业锅炉运行系统要素，以某市的中小型工业锅炉群为对象，建立了包含15个二级指标和4个一级指标的能效排放综合评价指标体系。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的工业锅炉能效排放的离线检测方法流程图。
图2是本发明实施例提供的工业锅炉能效排放的离线检测系统结构框图；
图中：1、评价指标体系建立模块；2、评价模型构建模块；3、量化综合评价模块；4、实例验证模块。
图3是本发明实施例提供的工业锅炉能效排放综合评价流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种工业锅炉能效排放的离线检测方法、系统、介质、设备，下面结合附图对本发明作详细的描述。本发明的评价模型在使用时可以通过如现有的工厂管理软件整合或者建立手机APP的方式。根据企业或者政府部门的管理及监管要求，结合锅炉对象群特点构建或微调评价指标体系，通过所针对的锅炉群的历史运行数据以及相关人群的评价数据计算获得权重。在检测得到锅炉的当前能效排放数据后，再对锅炉现场的设施状况、运维管理和作业规范做出判断，最后依据评价模型得到评价值。
如图1所示，本发明实施例提供的工业锅炉能效排放的离线检测方法包括以下步骤：
S101，综合考虑直接或间接影响锅炉能效排放的工业锅炉运行系统要素，建立能效排放综合评价指标体系；
S102，根据指标间的关系与指标特性，建立评价模型；
S103，基于评价模型，采用BP神经网络与AHP层次分析法分别确定能效排放指标和其余评价指标的权重；
S104，根据不同指标的特性，采用模糊TOPSIS等方法分别对定性和定量指标打分，并综合指标权重和指标打分得到综合评分。
如图2所示，本发明实施例提供的工业锅炉能效排放的离线检测系统包括：
评价指标体系建立模块1，用于综合考虑直接或间接影响锅炉能效排放的工业锅炉运行系统要素，建立锅炉运行状态检测、改造技术应用、作业人员和流程管理因素的多维度评价指标体系；
评价模型构建模块2，根据指标间的关系与指标特性，建立评价模型；
量化综合评价模块3，用于采用反向传播神经网络、层次分析法AHP和模糊多属性TOPSIS方法，评判指标权重并根据实际状况进行打分，得到工业锅炉能效排放的量化综合评价值；
实例验证模块4，用于对所建立的模型进行实例验证。
下面结合实施例对本发明的技术方案作进一步描述。
针对中小型工业锅炉以上特点，本发明提出一种工业锅炉能效排放多维度评价模型，首先建立了锅炉运行状态检测、改造技术应用、作业人员和流程管理等因素的多维度评价指标体系，然后采用反向传播BP神经网络、层次分析法AHP、模糊多属性TOPSIS方法，评判指标权重并根据实际状况进行打分，得到工业锅炉能效排放的量化综合评价值，最后对所建立的模型进行了实例验证。
1、综合评价指标体系和评价模型
由于工业锅炉类型众多，所在地区和行业的不同使锅炉的设施管理和运行维护状况存在差异，因此，本发明综合考虑能效排放检测、锅炉运行状态、现场作业管理、及本体设施状况等直接或间接影响锅炉能效排放的工业锅炉运行系统要素，以某市的中小型工业锅炉群为对象，建立了包含15个二级指标和4个一级指标的能效排放综合评价指标体系。
构建指标体系时，依据《TSG G0003-2010工业锅炉能效测试与评价规则》、《TSGG002-2010锅炉节能技术监督管理规程》、《GB13271-2014锅炉大气污染物排放标准》、《DB31/T 72-2020工业锅炉运行检测与控制装置的配置》、《GB/T10180-2017工业锅炉热工性能试验规程》等，结合该地区锅炉点检时的常用在测指标，建立锅炉系统运行能效指标和排放指标。考虑到设施管理和运行维护状况的特色性和地域化，通过访谈和现场调研确立现场管理和设施评价指标。最终建立的指标体系如表1所示。
表1工业锅炉能效排放综合评价二级指标体系
Figure BDA0003194649070000081
Figure BDA0003194649070000091
2、评价模型
2.1评价流程(见图3)
2.2指标权重评价
评价指标体系中不同因素指标的重要程度是不同的。为了合理评价各指标的相对权重关系并量化，采用两类方法分别确定定性和定量指标的权重。
由于运行能效评价中的二级指标c11～c18与锅炉运行效率存在非线性关系，难以做定量化处理，因此本发明采用BP神经网络进行指标间的关系建模。建立的BP神经网络输入层为6个节点，隐藏层节点数为10个，输出层为1个节点(热效率)，网络激活函数采用sigmoid函数，利用Levenberg-Marquardt算法，误差反向传播，选用平方差函数更新权重，将训练次数作为程序结束条件。使用以往的锅炉运行指标数据样本对BP神经网络进行训练，将得到的输入层权重作为c11～c16的指标权重。对其他的一级指标和二级指标，本发明采用9级标度的层次分析法AHP(Analytic Hierarchy Process)，通过构造两两判断矩阵，分别评价各一级指标权重WCi(i＝1，2，3，4)和二级指标权重wcij(i＝2，3，4；j＝1，2，3，4)。
表2重要性标度含义表
Figure BDA0003194649070000092
2.3指标评分
对表1中的指标体系进行得分评价时，存在定性与定量指标相结合、检验数据与管理规程相结合、依据国家标准评价与检验/管理人员主观定性评价相结合的情况，因此本发明中根据不同类型指标的特性采用不同的方法进行得分评价。
(1)评定运行能效评价指标C1的评价值时，采用综合二级指标权重与归一化的指标检测值的方式得到指标评价值。指标的取值范围根据所需评价的锅炉类型和实际运行工况自行制定。
Figure BDA0003194649070000101
(2)评定排放指标C2的评价值时，按照国家标准(《GB13271-2014锅炉大气污染物排放标准》)中对于燃气锅炉大气污染物排放限值，取线性得分，排放量越低得分越高。
Figure BDA0003194649070000102
表3新建锅炉大气污染物排放限值
单位：mg/m3(烟气黑度除外)
Figure BDA0003194649070000103
(3)对现场管理指标C3和锅炉设施状态指标C4进行评价时，由于客观环境的复杂性和评价者的主观性很难给评价对象赋予一个精确的数值评价，本发明采用模糊多属性TOPSIS方法进行二级指标得分评价。为增加客观性，首先采用5值语言术语集S＝{S5＝很好，S4＝较好，S3＝一般，S2＝较差，S1＝很差}对c31～c32与c41～c44的现场状况进行评价，每级评价值对应的三角模糊数如表所列。
表4 Linguistic scale to evaluate
Figure BDA0003194649070000104
Figure BDA0003194649070000111
Figure BDA0003194649070000112
和
Figure BDA0003194649070000113
分别代表二级指标评价值的正负理想解。
Figure BDA0003194649070000114
i＝1，2，...，m和
Figure BDA0003194649070000115
i＝1，2，...，m。分别代表现场管理指标C3和锅炉设施状态指标C4中的二级指标与正负理想解的距离，EC3或EC4的评价值可通过下式得到：
Figure BDA0003194649070000116
最后，通过一级指标权重综合各评价得分，得到锅炉运行状态的最后评价值。EC∈[0，1]，数值越接近1锅炉的评估结果越好。
Figure BDA0003194649070000117
应用实例：
针对模型中的评价指标体系，得到一组锅炉现场运行状态数据，使用所建立的模型进行评价，得到评价值为0.86。
指标 实际参数
c11排烟温度 117.4
c12过量空气系数 1.38
c13 CO含量 31.6
c14烟气含氧量 6.25
c15锅炉负荷 80.00％
c16燃料消耗量 246.76
c21 SO2含量 1.9
c22 NOx浓度 79.9
c23烟气黑度 0.1
c31作业管理规范程度 G
c32节能排放管理制度 G
c41管道密封及保温情况 G
c42投运及加药情况 H
c43内部水垢 EX
c44节能及环保设备投运 L
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种工业锅炉能效排放的离线检测方法，其特征在于，所述工业锅炉能效排放的离线检测方法包括：首先建立包括锅炉运行状态检测、改造技术应用、作业人员和流程管理因素的多维度评价指标体系；然后采用反向传播BP神经网络、层次分析法AHP、模糊多属性TOPSIS等方法，评判指标权重并根据实际状况进行打分，综合指标权重和指标得分得到工业锅炉能效排放的量化综合评价值；最后对所建立的模型进行实例验证。
2.如权利要求1所述的工业锅炉能效排放的离线检测方法，其特征在于，所述工业锅炉能效排放的离线检测方法包括以下步骤：
步骤一，综合考虑直接或间接影响锅炉能效排放的工业锅炉运行系统要素，建立能效排放综合评价指标体系；
步骤二，根据指标间的关系与指标特性，建立评价模型；
步骤三，基于评价模型，采用BP神经网络与AHP层次分析法分别确定能效排放指标和其余评价指标的权重；
步骤四，根据不同指标的特性，采用模糊TOPSIS等方法分别对定性和定量指标打分，并综合指标权重和指标打分得到综合评分。
3.如权利要求2所述的工业锅炉能效排放的离线检测方法，其特征在于，步骤一中，所述直接或间接影响锅炉能效排放的工业锅炉运行系统要素，包括能效排放检测、锅炉运行状态、现场作业管理以及本体设施状况。
4.如权利要求2所述的工业锅炉能效排放的离线检测方法，其特征在于，步骤一中，构建所述能效排放综合评价指标体系时，结合该地区锅炉点检时的常用在测指标，建立锅炉系统运行能效指标和排放指标；基于设施管理和运行维护状况的特色性和地域性，通过访谈和现场调研确立现场管理和设施评价指标。
5.如权利要求2所述的工业锅炉能效排放的离线检测方法，其特征在于，步骤一中，所述能效排放综合评价指标体系，包含15个二级指标和4个一级指标；所述一级指标，包括运行能效指标C1、排放指标C2、现场管理指标C3以及设施状况指标C4；
其中，所述运行能效指标C1，包括排烟温度C11、排烟处过量空气系数C12、排烟处一氧化碳含量C13、烟气含氧量C14、锅炉负荷C15以及燃料消耗量C16；
所述排放指标C2，包括排烟二氧化硫浓度/含量C21、排烟氮氧化物浓度/含量C22以及烟气黑度C23；
所述现场管理指标C3，包括操作人员作业管理规范程度C31和节能-排放管理制度C32；
所述设施状况指标C4，包括锅炉本体及范围内管道密封及保温情况C41、水处理设备投运及加药情况C42、锅炉内检时内部水垢情况C43以及节能及环保设备投运情况C44。
6.如权利要求2所述的工业锅炉能效排放的离线检测方法，其特征在于，步骤三中，所述建立的BP神经网络输入层为6个节点，隐藏层节点数为10个，输出层为1个节点，即热效率；网络激活函数采用sigmoid函数，利用Levenberg-Marquardt算法，误差反向传播，选用平方差函数更新权重，将训练次数作为程序结束条件；
使用以往的锅炉运行指标数据样本对BP神经网络进行训练，将得到的输入层权重作为c11～c16的指标权重；对其他的一级指标和二级指标，采用9级标度的层次分析法AHP，通过构造两两判断矩阵，分别评价各一级指标权重WCi(i＝1，2，3，4)和二级指标权重wcij(i＝2，3，4；j＝1，2，3，4)。
7.如权利要求2所述的工业锅炉能效排放的离线检测方法，其特征在于，步骤四中，所述根据不同类型指标的特性采用不同的方法进行得分评价，包括：
(1)评定运行能效评价指标C1的评价值时，采用综合二级指标权重与归一化的指标检测值的方式得到指标评价值；其中，指标的取值范围根据所需评价的锅炉类型和实际运行工况自行制定；
Figure FDA0003194649060000031
(2)评定排放指标C2的评价值时，按照国家标准(《GB13271-2014锅炉大气污染物排放标准》)中对于燃气锅炉大气污染物排放限值，取线性得分，排放量越低得分越高；
Figure FDA0003194649060000032
(3)对现场管理指标C3和锅炉设施状态指标C4进行评价时，由于客观环境的复杂性和评价者的主观性很难给评价对象赋予一个精确的数值评价，采用模糊多属性TOPSIS方法进行二级指标得分评价；采用5值语言术语集S＝{S5＝很好，S4＝较好，S3＝一般，S2＝较差，S1＝很差}对c31～c32与c41～c44的现场状况进行评价；
其中，
Figure FDA0003194649060000033
和
Figure FDA0003194649060000034
分别代表二级指标评价值的正负理想解；
Figure FDA0003194649060000035
和
Figure FDA0003194649060000036
i＝1，2，...，m，分别代表现场管理指标C3和锅炉设施状态指标C4中的二级指标与正负理想解的距离，EC3或EC4的评价值通过下式得到：
Figure FDA0003194649060000037
通过一级指标权重综合各评价得分，得到锅炉运行状态的最后评价值；EC∈[0，1]，数值越接近1锅炉的评估结果越好；
Figure FDA0003194649060000038
8.一种实施权利要求1～7任意一项所述的工业锅炉能效排放的离线检测方法的工业锅炉能效排放的离线检测系统，其特征在于，所述工业锅炉能效排放的离线检测系统包括：
评价指标体系建立模块，用于综合考虑直接或间接影响锅炉能效排放的工业锅炉运行系统要素，建立锅炉运行状态检测、改造技术应用、作业人员和流程管理因素的多维度评价指标体系；
评价模型构建模块，用于构建评价模型；
量化综合评价模块，用于采用反向传播BP神经网络、层次分析法AHP和模糊多属性TOPSIS方法，评判指标权重并根据实际状况进行打分，得到工业锅炉能效排放的量化综合评价值；
实例验证模块，用于对所建立的模型进行实例验证。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
首先建立锅炉运行状态检测、改造技术应用、作业人员和流程管理因素的多维度评价指标体系，然后采用反向传播BP神经网络、层次分析法AHP和模糊多属性TOPSIS方法，评判指标权重并根据实际状况进行打分，得到工业锅炉能效排放的量化综合评价值，最后对所建立的模型进行实例验证。
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求8所述的工业锅炉能效排放的离线检测系统。
CN202110887780.6A 2021-08-03 2021-08-03 工业锅炉能效排放的离线检测方法、系统、介质、设备 Pending CN113780728A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110887780.6A CN113780728A (zh) 2021-08-03 2021-08-03 工业锅炉能效排放的离线检测方法、系统、介质、设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110887780.6A CN113780728A (zh) 2021-08-03 2021-08-03 工业锅炉能效排放的离线检测方法、系统、介质、设备

Publications (1)

Publication Number Publication Date
CN113780728A true CN113780728A (zh) 2021-12-10

Family

ID=78836694

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110887780.6A Pending CN113780728A (zh) 2021-08-03 2021-08-03 工业锅炉能效排放的离线检测方法、系统、介质、设备

Country Status (1)

Country Link
CN (1) CN113780728A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114506756A (zh) * 2022-01-20 2022-05-17 中国计量大学 一种目标系统功能安全定级方法、装置、设备、存储介质
CN114580965A (zh) * 2022-03-18 2022-06-03 大唐环境产业集团股份有限公司 一种智能脱硫系统值际小指标竞赛统计方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107103421A (zh) * 2017-04-21 2017-08-29 江苏省特种设备安全监督检验研究院南通分院 工业锅炉节能方案的综合评价体系及其构建方法
CN109977477A (zh) * 2019-02-28 2019-07-05 清华大学 基于改进模糊层次分析的电站锅炉过热器健康状态评估法
CN111260211A (zh) * 2020-01-14 2020-06-09 东南大学 一种基于ahp-改进的熵权法-topsis的智慧能源系统评价方法及装置
CN111428861A (zh) * 2020-03-16 2020-07-17 东南大学 一种基于多尺度多维邻近性的制造业企业境外投资选址决策方法
CN111695807A (zh) * 2020-06-11 2020-09-22 国网江苏省电力有限公司经济技术研究院 计及发电和用电侧能效的地区电网能效评估方法及系统
CN111949936A (zh) * 2020-06-23 2020-11-17 中国电力科学研究院有限公司 一种郊区综合能源系统的评价方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107103421A (zh) * 2017-04-21 2017-08-29 江苏省特种设备安全监督检验研究院南通分院 工业锅炉节能方案的综合评价体系及其构建方法
CN109977477A (zh) * 2019-02-28 2019-07-05 清华大学 基于改进模糊层次分析的电站锅炉过热器健康状态评估法
CN111260211A (zh) * 2020-01-14 2020-06-09 东南大学 一种基于ahp-改进的熵权法-topsis的智慧能源系统评价方法及装置
CN111428861A (zh) * 2020-03-16 2020-07-17 东南大学 一种基于多尺度多维邻近性的制造业企业境外投资选址决策方法
CN111695807A (zh) * 2020-06-11 2020-09-22 国网江苏省电力有限公司经济技术研究院 计及发电和用电侧能效的地区电网能效评估方法及系统
CN111949936A (zh) * 2020-06-23 2020-11-17 中国电力科学研究院有限公司 一种郊区综合能源系统的评价方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵越: ""燃煤工业锅炉系统节能评价指标体系的研究与应用"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, no. 4, pages 1 - 5 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114506756A (zh) * 2022-01-20 2022-05-17 中国计量大学 一种目标系统功能安全定级方法、装置、设备、存储介质
CN114506756B (zh) * 2022-01-20 2024-05-28 中国计量大学 一种目标系统功能安全定级方法、装置、设备、存储介质
CN114580965A (zh) * 2022-03-18 2022-06-03 大唐环境产业集团股份有限公司 一种智能脱硫系统值际小指标竞赛统计方法及系统

Similar Documents

Publication Publication Date Title
CN113780728A (zh) 工业锅炉能效排放的离线检测方法、系统、介质、设备
CN109886830B (zh) 一种基于用户投诉信息的供水管网污染源追踪定位方法
CN110716512A (zh) 一种基于燃煤电站运行数据的环保装备性能预测方法
CN114819773B (zh) 一种基于大数据的企业绿色生产管控方法及系统
CN113757634B (zh) 一种工业锅炉能效环保协同检测平台及方法
CN116593495B (zh) 烟气在线监测设备的运维智能控制系统及方法
CN113239991B (zh) 基于回归生成对抗网络的火焰图像氧浓度预测方法
US20230276000A1 (en) Methods and internet of things systems for managing data of call centers of smart gas
CN111651933A (zh) 基于统计推断的工业锅炉故障预警方法及系统
Xu et al. A novel online combustion optimization method for boiler combining dynamic modeling, multi-objective optimization and improved case-based reasoning
CN117079442A (zh) 基于数据分析的化工园区危化气体泄漏扩散监测系统
CN111597510A (zh) 一种输变电运检数据质量评估方法及系统
CN113295826B (zh) 一种基于车联网的机动车尾气排放测试管理系统及智能诊断方法
CN110766248B (zh) 基于shel和区间直觉模糊评价的车间人因可靠性评估方法
CN117607629A (zh) 一种基于气象信息的电缆终端绝缘缺陷检测方法
CN116777391A (zh) 一种焊接工艺管理系统及焊接工艺规程生成方法及系统
CN115879726A (zh) 一种企业用电量与排放量数据相互优化筛选方法
CN112241800A (zh) 一种焦炉VOCs污染物排放量的计算方法
CN116150920A (zh) 一种燃气输气管网传输路径分析方法和系统
Wang et al. Arithmetic operations for LR mixed fuzzy random variables via mean chance measure with applications
Li et al. Research on Welding Quality Traceability Model of Offshore Platform Block Construction Process.
Qian et al. Research on a comprehensive evaluation model of small and medium industrial gas boiler based on energy efficiency and emission data
CN118172076B (zh) 燃煤发电的减污降碳协同分析方法和装置
Chen [Retracted] Improved Design of Engineering Cost Model Based on Improved Genetic Algorithm
CN114840941B (zh) 一种考虑多部位失效相关的轮盘裂纹扩展可靠性分析方法

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