CN201368471Y - 闭环燃烧优化控制系统 - Google Patents

闭环燃烧优化控制系统 Download PDF

Info

Publication number
CN201368471Y
CN201368471Y CNU2008202383751U CN200820238375U CN201368471Y CN 201368471 Y CN201368471 Y CN 201368471Y CN U2008202383751 U CNU2008202383751 U CN U2008202383751U CN 200820238375 U CN200820238375 U CN 200820238375U CN 201368471 Y CN201368471 Y CN 201368471Y
Authority
CN
China
Prior art keywords
unit
data
model
optimization
burning optimization
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.)
Expired - Fee Related
Application number
CNU2008202383751U
Other languages
English (en)
Inventor
牛国平
陈宝康
宋玉宝
陈敏
赵俊武
王晓冰
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.)
Suzhou Huarui Nengtai Power Generation Technology Co Ltd
Original Assignee
Suzhou Huarui Nengtai Power Generation 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 Suzhou Huarui Nengtai Power Generation Technology Co Ltd filed Critical Suzhou Huarui Nengtai Power Generation Technology Co Ltd
Priority to CNU2008202383751U priority Critical patent/CN201368471Y/zh
Application granted granted Critical
Publication of CN201368471Y publication Critical patent/CN201368471Y/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Feedback Control In General (AREA)

Abstract

本实用新型公开一种闭环燃烧优化控制系统，包括有分布式控制系统(1)，分布式控制系统(1)连接用以对原始运行数据进行可靠性校验的数据校验与重构单元(2)，数据校验与重构单元(2)连接用以将经可靠性校验的数据转化成燃烧优化单元能够识别的形式的数据归一化处理单元(3)，数据归一化处理单元(3)连接用以将归一化处理后的运行数据输入燃烧优化模型，得出优化结果的燃烧优化单元(4)，燃烧优化单元(4)将所述优化结果以控制参数的偏置的形式，返回到分布式控制系统(1)。它还包括实现燃烧优化模型在线更新的辅助线程系统。本实用新型将燃烧控制由传统经验控制变为实时精确人工智能控制，保持锅炉长期稳定运行在最佳状态。

Description

闭环燃烧优化控制系统
技术领域
本实用新型涉及火力发电厂燃煤锅炉的优化控制系统，尤其是涉及一种闭环燃烧优化控制系统。
背景技术
电站煤粉锅炉的燃烧问题涉及到风煤比、磨煤机组合方式、燃烧器摆角等数十个控制参数，且随时受到煤质、环境温度、设备性能等边界条件变化的影响，是一个复杂而又有些混沌的多变量控制过程。近年来，电力用煤趋紧，煤价大幅上涨，煤质变化频繁，进一步增大了燃烧优化控制的难度和必要性。传统的燃烧调整优化试验和基于专家经验的优化系统，仅仅凭借有限的试验数据和历史经验，已经越来越无法满足燃煤锅炉燃烧优化控制的要求。因此，必须借助先进的数学手段和计算机软、硬件技术来代替传统的经验调整。
随着计算机软硬件技术和自动控制技术的快速发展，以及各种先进的机器学习算法、参数寻优算法等人工智能技术的不断完善，研究与开发具有自学习能力、能够适应煤质等边界条件频繁变化的闭环燃烧优化系统已成为可能。
实用新型内容
本实用新型的目的是：提供一种闭环燃烧优化控制系统，将燃烧控制由传统的经验控制变为实时精确人工智能控制，可综合实现提高锅炉效率、降低NOx排放浓度以及协调汽温控制等优化目标，且能够自适应煤质和环境等其他边界条件的变化，保持锅炉长期稳定运行在最佳状态下，实现真正意义上的实时燃烧优化。
本实用新型的技术方案是：一种闭环燃烧优化控制系统，它包括有分布式控制系统、数据校验与重构单元、数据归一化处理单元、燃烧优化单元所构成的闭环系统；所述分布式控制系统连接用以对原始运行数据进行可靠性校验的数据校验与重构单元，数据校验与重构单元连接用以将经可靠性校验的数据转化成燃烧优化单元能够识别的形式的数据归一化处理单元，数据归一化处理单元连接用以将归一化处理后的运行数据输入燃烧优化模型，得出优化结果的燃烧优化单元，燃烧优化单元连接分布式控制系统，用以将所述优化结果以控制参数的偏置的形式返回到分布式控制系统。
它还包括有为适应设备老化、外部环境和煤质变化而实现燃烧优化模型在线更新的辅助线程系统。
所述辅助线程系统包括有与所述分布式控制系统连接的用以判断机组运行状态是否稳定的机组运行状态判断单元，机组运行状态判断单元连接数据校验与重构单元，数据校验与重构单元连接数据归一化处理单元，数据归一化处理单元连接用以将归一化处理后的新样本替代样本库中距离当前时间最久远的样本，实现样本库更新的样本库更新单元，样本库更新单元连接依据所述新样本库训练出的用以替换燃烧优化单元中原有优化模型的新优化模型的模型在线训练单元，模型在线训练单元连接燃烧优化单元。
上述涉及的一些结构单元的进一步说明：
分布式控制系统，一种设备自动运行控制系统，是目前火力发电厂的标准配置。
数据校验与重构单元，负责原始运行数据的可靠性校验。对于错误数据，不重要的舍弃，重要的依据参数的时序性、关联性等重构。
数据归一化处理单元，将运行数据转化成燃烧优化单元能够识别的形式。
燃烧优化单元，将归一化处理后的运行数据送入到燃烧优化模型，得出优化结果，优化结果以“控制参数的偏置”的形式，返回到分布式控制系统。
机组运行状态判断单元，通过一段时间内(如30分钟)发电机有功功率的变化率，判断机组的运行状态(稳定或不稳定)。
样本库更新单元，将归一化处理后的一段时间(如30分钟)运行数据的平均值(即一个新的样本)存入样本库，并舍弃样本库中距离当前时间最久远的样本，保持样本总数量的不变，从而组成新的样本库，以用于模型在线训练。
模型在线训练单元，利用新的样本库对燃烧优化模型进行在线训练，得到最新的燃烧优化模型。
本实用新型的优点是：
1.本实用新型的闭环燃烧优化控制系统，通过先进的小生境遗传算法实现控制参数的优化，将燃烧控制由传统的经验控制变为实时精确人工智能控制，可综合实现提高锅炉效率、降低NOx排放浓度以及协调汽温控制等优化目标，且能够自适应煤质和环境等其他边界条件的变化，保持锅炉长期稳定运行在最佳状态下。
2.本实用新型的闭环燃烧优化控制系统，采用了支持向量机(SVM，Support Vector Machine)作为建立锅炉整体燃烧数学模型的工具，以高效的小生境遗传算法(GA，Genetic Algrithm)为参数寻优工具，依据OPC、TCP/IP、Modubus等各种工业通讯协议，实现与DCS的双向通讯，从而构建完整的燃煤锅炉闭环燃烧优化控制系统。
附图说明
下面结合附图和实施例对本实用新型作进一步的描述：
图1为本实用新型的结构示意图。
其中：1分布式控制系统；2数据校验与重构单元；3数据归一化处理单元；4燃烧优化单元；5机组运行状态判断单元；6样本库更新单元；7模型在线训练单元。
具体实施方式
实施例：如图1所示，一种闭环燃烧优化控制系统，它包括有分布式控制系统1、数据校验与重构单元2、数据归一化处理单元3、燃烧优化单元4所构成的闭环系统；以及还包括有为适应设备老化、外部环境和煤质变化而实现燃烧优化模型在线更新的辅助线程系统。
分布式控制系统1连接用以对原始运行数据进行可靠性校验的数据校验与重构单元2；数据校验与重构单元2连接用以将经可靠性校验的数据转化成燃烧优化单元能够识别的形式的数据归一化处理单元3；数据归一化处理单元3连接用以将归一化处理后的运行数据输入燃烧优化模型，得出优化结果的燃烧优化单元4；燃烧优化单元4将所述优化结果以控制参数的偏置的形式，返回到分布式控制系统1。
辅助线程系统包括有与所述分布式控制系统1连接的用以判断机组运行状态是否稳定的机组运行状态判断单元5，机组运行状态判断单元5连接数据校验与重构单元2，数据校验与重构单元2连接数据归一化处理单元3，数据归一化处理单元3连接用以将归一化处理后的新样本替代样本库中距离当前时间最久远的样本，实现样本库更新的样本库更新单元6，样本库更新单元6连接依据所述新样本库训练出的用以替换燃烧优化单元中原有优化模型的新优化模型的模型在线训练单元7，模型在线训练单元7连接燃烧优化单元4。
本实施例的闭环燃烧优化系统共有两条线程。
主线程的逻辑关系如图1中实线所示。主线程每20秒进行一次。首先，从分布式控制系统1读取“前20秒内原始运行数据的平均值”，经过数据校验与重构单元2进行数据的可靠性校验及重要错误数据重构后，得到“可靠的运行数据”，然后将“可靠的运行数据”送入数据归一化处理单元3，输出燃烧优化单元4能够识别的数据，最终的优化结果以“控制参数的偏置”的形式返回到分布式控制系统1，通过分布式控制系统1自身的执行机构来调节送、引风机挡板开度、给煤机出力等参数，以实现燃煤锅炉的闭环燃烧优化。
辅助线程的逻辑关系如图1中虚线所示。辅助线程的作用是实现燃烧优化模型的在线更新，以适应设备老化、外部环境和煤质的变化。
本实施例中辅助线程每30分钟进行一次。来自分布式控制系统1的“前30分钟的原始运行数据”序列首先进入机组运行状态判断单元5，判断机组当时的运行状态。如果机组处于非稳定运行状态，则退出辅助线程，等待下一个周期的来临(30分钟以后)；如果机组处于稳定运行状态，将“前30分钟原始运行数据的平均值”经数据校验与重构单元2与数据归一化处理单元3处理后，送入样本库更新单元6，以替代样本库中距离当前时间最久远的样本，实现样本库的更新。模型在线训练单元依据“新的样本库”，训练出“新的优化模型”，送入燃烧优化单元4，替代原有的优化模型，实现优化模型的在线学习与更新。
辅助线程在燃烧优化系统投用期间，按照固定的时间间隔对锅炉运行状态进行自动判别，当主要参数的波动小于某个范围，则认为锅炉处于稳定运行阶段，保存相关参数到数据库中，作为新的样本。当新的样本积累到一定数量，系统自动使用新样本对优化模型进行修正训练，使得系统能够适应煤质、环境、负荷等外部条件的变化，从而准确映射输入参数和输出参数之间的关系。
应当指出，对于经充分说明的本实用新型来说，还可具有多种变换及改型的实施方案，并不局限于上述实施方式的具体实施例。上述实施例仅仅作为本实用新型的说明，而不是对本实用新型的限制。总之，本实用新型的保护范围应包括那些对于本领域普通技术人员来说显而易见的变换或替代以及改型。

Claims (3)

1.一种闭环燃烧优化控制系统，其特征在于：它包括有分布式控制系统(1)、数据校验与重构单元(2)、数据归一化处理单元(3)、燃烧优化单元(4)所构成的闭环系统；
所述分布式控制系统(1)连接用以对原始运行数据进行可靠性校验的数据校验与重构单元(2)，
数据校验与重构单元(2)连接用以将经可靠性校验的数据转化成燃烧优化单元(4)能够识别的形式的数据归一化处理单元(3)，
数据归一化处理单元(3)连接用以将归一化处理后的运行数据输入燃烧优化模型，得出优化结果的燃烧优化单元(4)，
燃烧优化单元(4)连接分布式控制系统(1)。
2.根据权利要求1所述的闭环燃烧优化控制系统，其特征在于：它还包括有为适应设备老化、外部环境和煤质变化而实现燃烧优化模型在线更新的辅助线程系统。
3.根据权利要求2所述的闭环燃烧优化控制系统，其特征在于：所述辅助线程系统包括有与所述分布式控制系统(1)连接的用以判断机组运行状态是否稳定的机组运行状态判断单元(5)，
机组运行状态判断单元(5)连接数据校验与重构单元(2)，
数据校验与重构单元(2)连接数据归一化处理单元(3)，
数据归一化处理单元(3)连接用以将归一化处理后的新样本替代样本库中距离当前时间最久远的样本，实现样本库更新的样本库更新单元(6)，
样本库更新单元(6)连接依据所述新样本库训练出的用以替换燃烧优化单元中原有优化模型的新优化模型的模型在线训练单元(7)，
模型在线训练单元(7)连接燃烧优化单元(4)。
CNU2008202383751U 2008-12-31 2008-12-31 闭环燃烧优化控制系统 Expired - Fee Related CN201368471Y (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CNU2008202383751U CN201368471Y (zh) 2008-12-31 2008-12-31 闭环燃烧优化控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CNU2008202383751U CN201368471Y (zh) 2008-12-31 2008-12-31 闭环燃烧优化控制系统

Publications (1)

Publication Number Publication Date
CN201368471Y true CN201368471Y (zh) 2009-12-23

Family

ID=41487364

Family Applications (1)

Application Number Title Priority Date Filing Date
CNU2008202383751U Expired - Fee Related CN201368471Y (zh) 2008-12-31 2008-12-31 闭环燃烧优化控制系统

Country Status (1)

Country Link
CN (1) CN201368471Y (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102032590A (zh) * 2010-12-31 2011-04-27 北京华电天仁电力控制技术有限公司 基于精确测量系统的锅炉燃烧优化控制系统和优化控制方法
CN102228858A (zh) * 2011-06-20 2011-11-02 浙江省电力试验研究院 磨煤机组控制方法和系统
CN108758685A (zh) * 2018-05-02 2018-11-06 湖北新华光信息材料有限公司 一种板状玻璃条料成型炉头处温度调控装置
RU2717868C1 (ru) * 2018-12-10 2020-03-26 Федеральное государственное бюджетное учреждение науки Институт теплофизики им. С.С. Кутателадзе Сибирского отделения Российской академии наук (ИТ СО РАН) Способ оптимизации капельно-факельного сжигания водоугольного топлива в вихревом потоке
CN114543100A (zh) * 2022-02-10 2022-05-27 华南理工大学 一种垃圾焚烧炉二次污染物炉内耦合脱除系统及控制方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102032590A (zh) * 2010-12-31 2011-04-27 北京华电天仁电力控制技术有限公司 基于精确测量系统的锅炉燃烧优化控制系统和优化控制方法
CN102228858A (zh) * 2011-06-20 2011-11-02 浙江省电力试验研究院 磨煤机组控制方法和系统
CN102228858B (zh) * 2011-06-20 2013-06-05 浙江省电力公司电力科学研究院 磨煤机组控制方法和系统
CN108758685A (zh) * 2018-05-02 2018-11-06 湖北新华光信息材料有限公司 一种板状玻璃条料成型炉头处温度调控装置
CN108758685B (zh) * 2018-05-02 2019-07-30 湖北新华光信息材料有限公司 一种板状玻璃条料成型炉头处温度调控装置
RU2717868C1 (ru) * 2018-12-10 2020-03-26 Федеральное государственное бюджетное учреждение науки Институт теплофизики им. С.С. Кутателадзе Сибирского отделения Российской академии наук (ИТ СО РАН) Способ оптимизации капельно-факельного сжигания водоугольного топлива в вихревом потоке
CN114543100A (zh) * 2022-02-10 2022-05-27 华南理工大学 一种垃圾焚烧炉二次污染物炉内耦合脱除系统及控制方法

Similar Documents

Publication Publication Date Title
CN113657031B (zh) 基于数字孪生的供热调度自动化实现方法、系统及平台
CN201368471Y (zh) 闭环燃烧优化控制系统
CA2510839C (en) Method and apparatus for providing economic analysis of power generation and distribution
US20120083933A1 (en) Method and system to predict power plant performance
CN106485352A (zh) 一种多类电源发电计划组合决策方法
CN104283222B (zh) 一种地区电网无功电压控制系统
CN104075341B (zh) 基于反馈的低氮燃烧控制方法和系统
Rohlfs et al. Assessment of clean-coal strategies: The questionable merits of carbon capture-readiness
CN112287540B (zh) 一种风电场接入电网的电磁暂态联合仿真方法
CN103489041A (zh) 一种短期风电功率预测方法
CN115511665A (zh) 用于智慧燃气的储配站燃气净化管理方法和物联网系统
Shuvo et al. Prediction of hourly total energy in combined cycle power plant using machine learning techniques
Vanhoudt et al. Status of the horizon 2020 storm project
Yang et al. Research on the reliability and capacity allocation of wind power-solar power-pumped storage hybrid power system
Ydersbond et al. Wind power in China and in the EU: Comparative analysis of key political drivers
Xiang et al. A deep reinforcement learning based control strategy for combined wind energy storage system
Li et al. Multiagent deep meta reinforcement learning for sea computing-based energy management of interconnected grids considering renewable energy sources in sustainable cities
Oswald et al. Achieving Optimal Operating Conditions in PI Controlled Biomass-fired Boilers: Undemanding way for improvement of small-scale boiler effectiveness
Martins et al. Mathematical modelling of Portuguese hydroelectric energy system
Vandewalle et al. The interaction of a high renewable energy/low carbon power system with the gas system through power to gas
Faschang Rapid control prototyping for networked smart grid systems based on an agile development process
CN116701815A (zh) 电力系统实时碳排放流追踪方法及装置
Warsokusumo et al. Real-time online monitoring for maintaining energy efficiency performance of power generation system
Razzaq Sustainable Energy Management Based on IoT Using Packet Tracer
CN102621958A (zh) 基于合同能源管理模式的工厂节能减排自动统计报告系统

Legal Events

Date Code Title Description
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20091223

Termination date: 20121231