CN117742152A - 锅炉运行控制方法、装置和系统 - Google Patents
锅炉运行控制方法、装置和系统 Download PDFInfo
- Publication number
- CN117742152A CN117742152A CN202311819399.1A CN202311819399A CN117742152A CN 117742152 A CN117742152 A CN 117742152A CN 202311819399 A CN202311819399 A CN 202311819399A CN 117742152 A CN117742152 A CN 117742152A
- Authority
- CN
- China
- Prior art keywords
- boiler
- parameters
- flameout
- layer
- risk
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005457 optimization Methods 0.000 claims abstract description 58
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims description 28
- 238000012544 monitoring process Methods 0.000 claims description 19
- 238000002485 combustion reaction Methods 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000011176 pooling Methods 0.000 claims description 7
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 9
- 238000004590 computer program Methods 0.000 description 6
- 239000000428 dust Substances 0.000 description 6
- 239000000446 fuel Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010298 pulverizing process Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 239000003245 coal Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000003344 environmental pollutant Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012717 electrostatic precipitator Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 206010022000 influenza Diseases 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000012716 precipitator Substances 0.000 description 1
- 238000003303 reheating Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Abstract
本发明提供一种锅炉运行控制方法、装置和系统,属于锅炉控制领域。该方法包括:实时获取锅炉运行过程中的运行参数;将运行参数输入至预先训练好的运行优化模型中,得到预测参数;当基于预测参数,确定锅炉存在熄火风险时,开启助燃设备。本发明能够保证燃煤锅炉在低负荷、变负荷工况下稳定运行,避免出现熄火现象。
Description
技术领域
本发明涉及锅炉控制技术领域,尤其涉及一种锅炉运行控制方法、装置和系统。
背景技术
随着新能源发电系统的快速发展,对于燃煤锅炉的调峰调频灵活性提出了更高的要求。燃煤锅炉面临着在低负荷、变负荷工况下安全、稳定运行的严峻挑战。
深度调负荷能力是燃煤锅炉适应新形势的必需要求,但是快速、深度的负荷调整,会对燃煤锅炉的安全性和稳定性产生影响。燃煤锅炉处于低负荷、变负荷工况运行时,需及时调整运行策略,以维持稳定运行,避免出现熄火现象。而现有技术中在对燃煤锅炉进行优化控制时,大都采用遗传算法等启发式算法进行优化求解,以得到最优的锅炉运行控制策略。但采用启发式算法进行优化求解时,需要进行大量的迭代运算,求解耗时过长,无法达到及时调整运行控制策略的目的。也就是说,现有的优化控制方法无法保证燃煤锅炉在低负荷、变负荷工况下稳定运行。
发明内容
本发明实施例提供了一种锅炉运行控制方法、装置和系统,以解决现有技术中燃煤锅炉无法在低负荷、变负荷工况下维持稳定运行的问题。
第一方面,本发明实施例提供了一种锅炉运行控制方法,包括:
实时获取锅炉运行过程中的运行参数;
将所述运行参数输入至预先训练好的运行优化模型中,得到预测参数;
当基于所述预测参数,确定所述锅炉存在熄火风险时,开启助燃设备。
在一种可能的实现方式中,所述运行优化模型包括:依次连接的输入层、卷积层、池化层、舍弃层、映射层、寻优层、连接层、分配层、压平层和输出层。
在一种可能的实现方式中,所述运行优化模型的数学表达式为:
其中,Sn表示第n个预测参数,s(X,q)表示失衡预警的权衡函数,X表示输入向量,q表示索引向量,xi表示第i个运行参数。
在一种可能的实现方式中,在当基于所述预测参数,确定所述锅炉存在熄火风险时,开启助燃设备之前,还包括:
基于所述预测参数,检测所述锅炉是否存在熄火风险。
在一种可能的实现方式中,所述基于所述预测参数,检测所述锅炉是否存在熄火风险,包括:
获取与熄火风险相关的预测参数;
当所述与熄火风险相关的预测参数低于预设危险值时,确定所述锅炉存在熄火风险;
否则,确定所述锅炉不存在熄火风险。
在一种可能的实现方式中,在基于所述预测参数,检测所述锅炉是否存在熄火风险之后,还包括:
当所述锅炉不存在熄火风险时,按照所述预测参数控制所述锅炉运行。
在一种可能的实现方式中,在将所述运行参数输入至预先训练好的运行优化模型中,得到预测参数之前,还包括:
获取所述锅炉的历史运行数据;
对所述历史运行数据进行预处理,得到训练数据集;
将所述训练数据集输入至初始运行优化模型进行模型训练,直到所述初始运行优化模型收敛时,得到训练好的运行优化模型。
在一种可能的实现方式中,对所述历史运行数据进行预处理,得到训练数据集,包括:
剔除所述历史运行数据中的无效数据,并补全所述历史运行数据中的缺失数据,得到所述训练数据集。
第二方面,本发明实施例提供了一种锅炉运行控制装置,包括:
获取模块,用于获取锅炉运行过程中的运行参数;
预测模块,用于将所述运行参数输入至预先训练好的运行优化模型中,得到预测参数;
控制模块,用于当基于所述预测参数,确定所述锅炉存在熄火风险时,开启助燃设备。
第三方面,本发明实施例提供了一种锅炉运行控制系统,包括:监控单元和中央控制单元;
所述监控单元,用于实时监测采集锅炉运行过程中的运行参数,并将所述运行参数传输至所述中央控制单元;
所述中央控制单元,用于执行上述权利要求1-8任一项所述的锅炉运行控制方法。
本发明实施例提供一种锅炉运行控制方法、装置和系统,通过预先构建并训练运行优化模型,用于实时输出预测参数,以指导锅炉稳定运行。无需在线进行大量的迭代运算,可以提升求解效率,利于在线运行,以便于可以根据运行参数实时更新预测参数,并基于预测参数实时判断熄火风险,以保障锅炉在低负荷下平稳运行,避免出现熄火现象。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中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是本发明一实施例提供的锅炉运行控制系统的结构示意图;
图2是本发明另一实施例提供的锅炉运行控制系统的结构示意图;
图3是本发明一实施例提供的锅炉运行控制方法的实现流程图;
图4是本发明一实施例提供的运行优化模型的结构示意图;
图5是本发明另一实施例提供的锅炉运行控制方法的实现流程图;
图6是本发明一实施例提供的优化前后的负荷比例示意图;
图7是本发明一实施例提供的优化前后的污染物排放浓度示意图;
图8是本发明一实施例提供的锅炉运行优化装置的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
图1为本发明实施例提供的锅炉运行控制系统的结构示意图。如图1所示,锅炉运行控制系统包括:监控单元11和中央控制单元12。
监控单元11,用于实时监测采集锅炉运行过程中的运行参数,并将运行参数传输至中央控制单元12;
中央控制单元12,用于执行本发明实施例提供的锅炉运行控制方法。
锅炉运行控制系统通过实时监测采集锅炉运行过程中的运行参数,并基于运行参数来优化锅炉运行,以避免锅炉在低负荷、变负荷工况下出现熄火现象,保证锅炉稳定运行。
参见图2,监控单元包括:锅炉段监控模块111和排放段监控模块112。锅炉段监控模块111用于监测采集制粉系统、燃烧系统和汽水系统的运行参数。排放段监控模块112用于监测采集SCR脱硝系统、ESP静电除尘系统、WFGD湿法脱硫系统、WESP湿式电除尘系统和烟囱的运行参数。
锅炉段监控模块包含精密静电感应仪和高温红外成像仪。精密静电感应仪分别设置于制粉系统和汽水系统内,通过非接触式电极传感器分别监测采集制粉系统以及汽水系统的运行参数。制粉系统和汽水系统的运行参数包括但不限于:燃料流速、流量、浓度分布以及一二次风配比等。高温红外成像仪设置于燃烧系统内,通过高温光学感光元件对燃烧火焰图像进行实时采集和处理,从而获得燃烧火焰的温度、亮度以及不均匀度等运行参数。
其中,制粉系统包括:煤仓、生物质仓、给料机、磨料机、燃料分离器、燃料输送管和送风机。燃烧系统包括:燃烧器、燃烧室和等离子助燃设备。汽水系统包括:省煤器、汽包、下降管、水冷壁、引出管、高温过热器、低温过热器和再热器。
排放段监控模块分别与SCR脱硝系统、ESP静电除尘系统、WFGD湿法脱硫系统、WESP湿式电除尘系统和烟囱建立连接,以便分别监测采集SCR脱硝系统的输入端和输出端、ESP静电除尘系统的输入端和输出端、WFGD湿法脱硫系统的输入端和输出端、WESP湿式电除尘系统的输入端和输出端以及烟囱的输入端和输出端的风量、风温、氮氧化物浓度、SO2浓度以及PM浓度等运行参数。
通过分别采集监测采集锅炉段和排放段的运行参数,并将运行参数传输至中央控制单元。由中央控制单元基于运行参数进行优化调整,输出预测参数。并基于预测参数控制锅炉运行。
基于上述锅炉运行控制系统,本发明实施例还提供了一种锅炉运行控制方法。图3为本发明实施例提供的锅炉运行控制方法的实现流程图,详述如下:
步骤301,获取锅炉运行过程中的运行参数。
根据上述,运行参数包括但不限于:制粉系统中的燃料流速、流量、浓度分布和一二次风配比等参数,燃烧系统中的燃烧火焰的温度、亮度以及不均匀度等参数,以及SCR脱硝系统、ESP静电除尘系统、WFGD湿法脱硫系统、WESP湿式电除尘系统和烟囱的输入端和输出端的风量、风温、氮氧化物浓度、SO2浓度以及PM浓度等参数。
步骤302,将运行参数输入至预先训练好的运行优化模型中,得到预测参数。
将实时监测得到的运行参数输入至运行优化模型中,运行优化模型对应输出预测参数。按照预测参数对应调整锅炉运行过程中的运行参数,可以实现优化调整锅炉运行的目的。
在一些实施例中,参见图4,运行优化模型包括:依次连接的输入层、卷积层、池化层、舍弃层、映射层、寻优层、连接层、分配层、压平层和输出层。
其中,输入层用于接收输入数据,并将其传递至卷积层。卷积层用于对输入数据进行特征提取,得到特征数据。池化层用于对特征数据进行降维,得到降维数据。舍弃层用于筛选降维数据中的无效数据,并舍弃无效数据,得到有效数据。映射层用于建立有效数据的映射对应关系,得到映射数据。寻优层用于对映射数据进行优化整合,得到整合数据。整合数据经由连接层进入分配层,并由分配层按照权重进行分配优化计算,得到优化计算结果。压平层用于对优化计算结果进行压平处理,得到一维向量。最终通过输出层输出该一维向量。该一维向量即为预测参数。
在一些实施例中,运行优化模型的数学表达式为:
其中,Sn表示第n个预测参数,s(X,q)表示失衡预警的权衡函数,X表示输入向量,q表示索引向量,xi表示第i个运行参数。
输入向量指的是对输入的运行参数进行处理后的结果。针对输入的运行参数,按照预设的时间步长依次提取该运行参数所对应的时序历史运行参数。并获取影响该运行参数的多个影响因素,以及该运行参数所对应的目标参数。目标参数为预设的期望运行参数。上述时序历史运行参数、影响因素以及目标参数共同构成输入向量。其中,时序历史运行参数可以作为输入向量中的纵向量。上述影响因素和目标参数共同构成输入向量中的横向量。
示例性地,运行参数可以是燃烧火焰的温度。燃烧火焰的温度的影响因素包括但不限于:燃料流量、一次风温度、一次风流速、二次风温度和二次风流速等。
对于时序历史运行数据的数量以及影响因素的数量,本发明实施例不作具体限定,可由用户自行设定。示例性地,时序历史运行数据的数量可以为32。影响因素的数量可以为9。即,本发明实施例中的输入向量为32×10维。
在一些实施例中,参见图5,步骤302之前还包括:
步骤304,获取锅炉的历史运行数据.
步骤305,对历史运行数据进行预处理,得到训练数据集。
在一些实施例中,步骤305可以包括:
剔除历史运行数据中的无效数据,并补全历史运行数据中的缺失数据,得到训练数据集。
考虑到历史运行数据可能会出现数据无效或数据缺失的情况,为避免因数据质量问题而影响后续模型训练结果,可以预先提出无效数据,并补全缺失数据,以提升训练数据集的数据质量。
步骤306,将训练数据集输入至初始运行优化模型进行模型训练,直到初始运行优化模型收敛时,得到训练好的运行优化模型。
对锅炉的历史运行数据进行预处理,得到训练数据集,用于对初始运行优化模型进行模型训练,直到初始运行优化模型收敛,得到训练好的运行优化模型。
对初始运行优化模型进行模型训练的过程,就是不断调整权衡函数和索引向量的过程。当权衡函数和索引向量趋于稳定时,确定模型收敛,得到训练好的运行优化模型。
步骤303,当基于预测参数,确定锅炉存在熄火风险时,开启助燃设备。
在一些实施例中,参见图5,在步骤303之前,还包括:
步骤307,基于预测参数,检测锅炉是否存在熄火风险。
考虑到锅炉长期处于变负荷、低负荷下运行时,随时面临熄火风险。本发明实施例采用运行优化模型实时输出预测参数,并基于预测参数检测锅炉是否存在熄火风险。
在一些实施例中,步骤307可以包括:
获取与熄火风险相关的预测参数;
当与熄火风险相关的预测参数低于预设危险值时,确定锅炉存在熄火风险;
否则,确定锅炉不存在熄火风险。
其中,与熄火风险相关的预测参数包括但不限于:燃烧火焰的温度、锅炉压力、燃料流量以及一二次流量等。
在一些实施例中,在步骤307之后,还可以包括:
步骤308,当锅炉不存在熄火风险时,按照预测参数控制锅炉运行。
当锅炉存在熄火风险时,及时开启助燃设备,以避免锅炉熄火停运。当不存在熄火风险时,按照运行优化模型所输出的预测参数控制锅炉运行,以优化锅炉运行工况,使得锅炉处于平稳、安全和经济的运行工况下。
下面结合具体案例对上述实施例进行解释说明。
案例为某350MW机组锅炉设计制造的亚临界参数自然循环锅炉,该燃煤锅炉为亚临界、中间一次再热、自然循环、燃煤汽包锅炉,单炉膛Π型布置,四角切圆燃烧,尾部双烟道,固态排渣,平衡通风,锅炉为紧身封闭,全钢架悬吊结构。
以案例锅炉在过去3年的历史运行数据为基础,进行预处理后得到初始数据集。将中央控制单元从锅炉段监控模块和排放段监控模块接收到的运行参数进行预处理后得到优化数据集。将处理好的初始数据集输入运行优化模型进行模型参数初始化,通过模型预训练得到优化模型参数。当模型能够收敛时,结束训练并将优化模型参数进行保存;若模型不能收敛,则再次进行预训练,直至模型收敛为止。
在锅炉运行控制系统的运行过程中,中央控制单元优化数据集输入至优化后的运行优化模型,并结合优化数据集对锅炉是否会熄火进行判断,若锅炉有熄火的风险,则立即开启等离子体助燃设备助燃以维持锅炉的超低负荷稳定运行;若锅炉不会有熄火的风险,则会输出预测参数。
其中,表1为案例中运行优化模型的具体结构参数。按照预设时间步长,确定32个时序历史运行数据点对预测参数进行预测,原始时序数据为32×10。其中,纵向上是以32个时序历史运行数据,横向上是9个影响因素加上1个目标数据,先经过输入层的接收输入数据并将其传递至卷积层、再分别由卷积层进行特征提取、池化层进行降维处理,通过舍弃层对无效数据进行舍弃后,将数据转化为32×100的向量输入映射层,由映射层建立映射对应关系后再由寻优层对数据进行优化整合,然后通过连接层进入分配层按照权重进行分配优化计算,再经过压平层处理为一维向量,最后通过输出层以每32个时间步长为一组输出预测参数。
表1案例中运行优化模型的具体结构参数
针对该案例,根据本发明实施例提供的锅炉运行控制系统对某350MW机组燃煤锅炉进行优化控制前后在不同负荷下的给煤量变化情况如图6所示。可以发现,在20~50%的负荷下,随着机组负荷的降低,给煤量也会随之减少,基于本发明提供的运行控制系统进行优化后,燃煤机组的给煤量要少于优化前,平均减少了大约2t/h。因此,在燃烧优化之后,燃煤机组不仅可以保持在变负荷、低负荷下的稳定燃烧,经济性也得到了提高。
此外,根据本发明实施例提供的锅炉运行控制系统对某350MW机组燃煤锅炉进行优化控制前后在不同负荷下的污染物排放浓度变化情况如图7所示。可以得知,在20~50%的负荷下,随着机组负荷的降低,氮氧化物NOx浓度逐渐降低,而SO2浓度逐渐升高;与此同时,在燃烧优化之后,NOx和SO2浓度都有较明显的降低,这进一步提高了污染物设施的脱除性能。而PM浓度由于浓度太低其变化情况不明显。案例结果表明本发明能够使燃煤锅炉在在20~50%的宽区间、低负荷下,长时间地稳定、安全、经济、高效运行。
相比于现有技术,本发明实施例通过预先构建并训练运行优化模型,用于实时输出预测参数,以指导锅炉稳定运行。无需在线进行大量的迭代运算,可以提升求解效率,利于在线运行,以便于可以根据运行参数实时更新预测参数,并基于预测参数实时判断熄火风险,以保障锅炉在低负荷下平稳运行,避免出现熄火现象。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图8示出了本发明实施例提供的锅炉运行优化装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图8所示,锅炉运行优化装置8包括:获取模块81、预测模块82和控制模块83。
获取模块81,用于实时获取锅炉运行过程中的运行参数;
预测模块82,用于将运行参数输入至预先训练好的运行优化模型中,得到预测参数;
控制模块83,用于当基于预测参数,确定锅炉存在熄火风险时,开启助燃设备。
在一种可能的实现方式中,运行优化模型包括:依次连接的输入层、卷积层、池化层、舍弃层、映射层、寻优层、连接层、分配层、压平层和输出层。
在一种可能的实现方式中,运行优化模型的数学表达式为:
其中,Sn表示第n个预测参数,s(X,q)表示失衡预警的权衡函数,X表示输入向量,q表示索引向量,xi表示第i个运行参数。
在一种可能的实现方式中,控制模块83,用于基于预测参数,检测锅炉是否存在熄火风险。
在一种可能的实现方式中,控制模块83,具体用于:
获取与熄火风险相关的预测参数;
当与熄火风险相关的预测参数低于预设危险值时,确定锅炉存在熄火风险;
否则,确定锅炉不存在熄火风险。
在一种可能的实现方式中,控制模块83,用于当锅炉不存在熄火风险时,按照预测参数控制锅炉运行。
在一种可能的实现方式中,预测模块82,具体用于:
获取锅炉的历史运行数据;
对历史运行数据进行预处理,得到训练数据集;
将训练数据集输入至初始运行优化模型进行模型训练,直到初始运行优化模型收敛时,得到训练好的运行优化模型。
在一种可能的实现方式中,预测模块82,用于剔除历史运行数据中的无效数据,并补全历史运行数据中的缺失数据,得到训练数据集。
相比于现有技术,本发明实施例中预测模块82通过预先训练运行优化模型,用于实时输出预测参数,以指导锅炉稳定运行。无需在线进行大量的迭代运算,可以提升求解效率,利于在线运行,以便于可以根据运行参数实时更新预测参数,并由控制模块83基于预测参数实时判断熄火风险,以保障锅炉在低负荷下平稳运行。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模板、单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所述模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个锅炉运行控制方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种锅炉运行控制方法,其特征在于,包括:
实时获取锅炉运行过程中的运行参数;
将所述运行参数输入至预先训练好的运行优化模型中,得到预测参数;
当基于所述预测参数,确定所述锅炉存在熄火风险时,开启助燃设备。
2.根据权利要求1所述的锅炉运行控制方法,其特征在于,所述运行优化模型包括:依次连接的输入层、卷积层、池化层、舍弃层、映射层、寻优层、连接层、分配层、压平层和输出层。
3.根据权利要求2所述的锅炉运行控制方法,其特征在于,所述运行优化模型的数学表达式为:
其中,Sn表示第n个预测参数,s(X,q)表示失衡预警的权衡函数,X表示输入向量,q表示索引向量,xi表示第i个运行参数。
4.根据权利要求1所述的锅炉运行控制方法,其特征在于,在当基于所述预测参数,确定所述锅炉存在熄火风险时,开启助燃设备之前,还包括:
基于所述预测参数,检测所述锅炉是否存在熄火风险。
5.根据权利要求4所述的锅炉运行控制方法,其特征在于,所述基于所述预测参数,检测所述锅炉是否存在熄火风险,包括:
获取与熄火风险相关的预测参数;
当所述与熄火风险相关的预测参数低于预设危险值时,确定所述锅炉存在熄火风险;
否则,确定所述锅炉不存在熄火风险。
6.根据权利要求4或5所述的锅炉运行控制方法,其特征在于,在基于所述预测参数,检测所述锅炉是否存在熄火风险之后,还包括:
当所述锅炉不存在熄火风险时,按照所述预测参数控制所述锅炉运行。
7.根据权利要求1至5任一项所述的锅炉运行控制方法,其特征在于,在将所述运行参数输入至预先训练好的运行优化模型中,得到预测参数之前,还包括:
获取所述锅炉的历史运行数据;
对所述历史运行数据进行预处理,得到训练数据集;
将所述训练数据集输入至初始运行优化模型进行模型训练,直到所述初始运行优化模型收敛时,得到训练好的运行优化模型。
8.根据权利要求7所述的锅炉运行控制方法,其特征在于,对所述历史运行数据进行预处理,得到训练数据集,包括:
剔除所述历史运行数据中的无效数据,并补全所述历史运行数据中的缺失数据,得到所述训练数据集。
9.一种锅炉运行控制装置,其特征在于,包括:
获取模块,用于获取锅炉运行过程中的运行参数;
预测模块,用于将所述运行参数输入至预先训练好的运行优化模型中,得到预测参数;
控制模块,用于当基于所述预测参数,确定所述锅炉存在熄火风险时,开启助燃设备。
10.一种锅炉运行控制系统,其特征在于,包括:监控单元和中央控制单元;
所述监控单元,用于实时监测采集锅炉运行过程中的运行参数,并将所述运行参数传输至所述中央控制单元;
所述中央控制单元,用于执行上述权利要求1-8任一项所述的锅炉运行控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311819399.1A CN117742152A (zh) | 2023-12-27 | 2023-12-27 | 锅炉运行控制方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311819399.1A CN117742152A (zh) | 2023-12-27 | 2023-12-27 | 锅炉运行控制方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117742152A true CN117742152A (zh) | 2024-03-22 |
Family
ID=90252638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311819399.1A Pending CN117742152A (zh) | 2023-12-27 | 2023-12-27 | 锅炉运行控制方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117742152A (zh) |
-
2023
- 2023-12-27 CN CN202311819399.1A patent/CN117742152A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110263395A (zh) | 基于数值模拟和数据分析的电厂脱硝运行优化方法及系统 | |
CN110681254B (zh) | 一种基于模型的半干法烟气处理控制系统 | |
CN110608444B (zh) | 一种基于模型的垃圾焚烧控制系统 | |
CN104696952B (zh) | 一种基于模型在线辨识的流化床锅炉引风量控制方法 | |
CN113440990A (zh) | 基于emd-lstm的出口so2浓度预测方法 | |
CN111598308B (zh) | 基于回归和二重pso算法解决浆液循环泵组合优化方法 | |
CN111242469B (zh) | 锅炉或窑炉超低排放与高效节能耦合运行的方法及系统 | |
CN117742152A (zh) | 锅炉运行控制方法、装置和系统 | |
CN111222625A (zh) | 用于生成燃烧优化用学习数据的装置及其方法 | |
CN108734419B (zh) | 一种基于知识迁移的高炉煤气调度系统建模方法 | |
CN107742000A (zh) | 锅炉燃烧含氧量建模方法 | |
CN111223529A (zh) | 燃烧优化装置及其方法 | |
CN109882883B (zh) | 一种基于人工智能优化锅炉燃煤效率的方法及装置 | |
CN110652856A (zh) | 一种基于模型的sncr控制系统 | |
CN113790456B (zh) | 一种燃煤锅炉最大污泥掺烧量的计算方法及系统 | |
CN115527078A (zh) | 数据预测方法、装置、设备以及模型训练方法 | |
CN115356998A (zh) | 基于人工智能的氮氧化物预测方法及相关装置 | |
CN113393059A (zh) | 循环流化床组中脱硫系统的出力分配的调整方法和装置 | |
CN210021695U (zh) | 一种循环流化床锅炉高效sncr脱硝系统 | |
CN111219733A (zh) | 用于对燃烧优化进行管理的装置及其方法 | |
CN211526443U (zh) | 垃圾焚烧炉的自动燃烧控制系统 | |
CN109708104A (zh) | 一种循环流化床锅炉高效sncr脱硝方法及系统 | |
CN111091251A (zh) | 一种基于大数据技术的锅炉操作优化方法及系统 | |
CN118011809A (zh) | 火电机组电除尘系统节能优化方法及优化系统 | |
KR102470121B1 (ko) | 쓰레기 소각로 및 그 제어 방법 |
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 |