一种火电厂的燃煤机组燃烧优化控制方法与流程

本发明涉及火力发电，具体为一种火电厂的燃煤机组燃烧优化控制方法。

背景技术：

1、随着大容量、高参数燃煤发电机组的迅速发展与大气污染物排放标准的日益严格，以及先进测量与控制技术在应用领域的快速突破，对电站锅炉燃烧测量与闭环优化控制技术的深入发展提出了紧迫的需求。燃煤锅炉的炉内燃烧控制具有相当的复杂性，尤其是对煤种适应性方面要求较高，在燃烧不同煤种的过程中锅炉特性会存在很大的差异，如燃煤的发热量、着火距离、炉内温度分布特性、结焦特性等，都将不同程度地影响到炉内配风、过量空气系数、减温水分布等控制输出的合理性，从而影响机组的燃烧控制水平，并进一步影响机组的运行经济性与污染物排放率，因此，针对对各燃烧器燃用煤种的及时准确辨识并根据辨识结果进行实时燃烧优化，为燃煤锅炉在深度调峰、多煤种等叠加因素下锅炉稳定、经济燃烧提供保障。

2、对于智能燃烧优化控制系统，现有技术中已经提出的方法如下：公开号为cn116241905a的发明专利申请公开的一种基于多目标寻优的燃烧优化控制系统，其原理是大量试验数据基础上，建立锅炉燃烧优化模型，采用智能粒子群寻优算法,通过计算目标函数获得锅炉燃烧模型中的各个最优的输入变量数据,从而优化燃烧控制系统，因锅炉煤种复杂多变，该方法无法根据不同入炉煤质信息实现精细化控制。公开号为cn116753538a的发明专利申请公开的一种用于燃煤电站的智慧燃烧优化控制系统及办法，包括预热温度确定系统、煤粉优化发电预热系统和锅炉煤炭循环系统；预热温度确定系统，用于对输送至燃煤电站锅炉附近的待加热煤粉煤种的识别和区分，匹配储存的数据,确定该煤种的预热温度；煤粉优化发电预热系统,按照预热温度确定系统所设定的温度，该方法根据煤种预热温度控制余热系统设定温度实现燃烧优化控制。公开号为cn116123561a的发明专利申请公开的一种用于锅炉燃烧的温度优化控制方法及系统，通过图像采集装置进行目标锅炉的图像采集,根据图像采集结果和设计尺寸参数构建三维拟合模型,通过三维拟合模型设定炉壁测温点进行红外声波测温装置布设,并通过红外声波测温装置进行温度数据采集,获得温度数据采集集合,获得目标锅炉的实时控制参数。该专利需要增设图像采集设备，获取炉膛实时温度场，现场设备安装费用较高，且因为锅炉炉膛工作环境恶劣(高温、气流扰动大)，设备可靠性不高。公开号为cn115753886a的一种电站锅炉入炉煤质实时测算方法利用锅炉正平衡和反平衡相结合计算总热量，根据燃煤收到基水分、灰分和发热量之间的线性关系，实现对入炉煤质测量，但煤质随煤种变化收到基水分、灰分和发热量差异较大，无法通过线性关系获得准确的各成分关系。

技术实现思路

1、本发明所要解决的技术问题在于：解决燃煤机组燃烧入炉煤质燃烧控制精度低的问题。

2、为解决上述技术问题，本发明提供如下技术方案：

3、一种火电厂的燃煤机组燃烧优化控制方法，包括：

4、s10，获取包括磨煤机上的煤记录及对应的煤质信息以及磨煤机的历史运行数据的历史数据集；

5、s20，根据磨煤机热平衡原理，结合历史数据集，获取煤质实时水分；

6、s30，基于多层前馈神经网络，使用历史数据集，建立煤质发热量回归模型，获取煤质发热量；

7、s40，根据煤质发热量和煤质实时水分，获取煤质灰分；

8、s50，基于多层前馈神经网络，使用历史数据集，建立煤质挥发分回归模型，获取煤质挥发分；

9、s60，获取对燃煤机组历史数据集进行稳态处理，将稳态处理后的数据，结合煤质实时水分、煤质发热量、煤质灰分以及煤质挥发分作为入炉煤质信息；

10、s70，使用入炉煤质信息，基于多层前馈神经网络，建立预测scr入口nox浓度、再热器a、b侧减温水、空预器入口排烟温度、水冷壁、末级再热器最高壁温、末级过热器、再热器出口蒸汽温度的煤质预测模型；

11、s80，以煤质预测模型输出的scr入口nox浓度、再热器a、b侧减温水、空预器入口排烟温度、水冷壁、末级过热器、末级再热器最高壁温、再热器出口蒸汽温度为评价函数，设置各参数权重；

12、s90，对比各参数的预测数据与各参数的历史最优数据，确定各参数当前工况综合评价指标，使用遗传优化算法优化运行氧量、各二次风、燃尽风门开度大小，在遗传算法优化时，在各参数的历史数据中筛选当前负荷区间、上煤方式的历史最优工况作为遗传算法初始种群，进行优化运算，获取当前工况最优优化运行参数，输出进行控制。

13、在本发明的一实施例中，通过以下公式，获取煤质实时水分：

14、

15、其中，

16、式中，mm为给煤机给煤量，t/h；mf为磨煤机入口一次风量，t/h；t1为磨煤机入口一次风温度，℃；t2为磨煤机出口风粉混合物温度，℃；k为可磨系数；w为磨煤机功率，kw；c1为磨煤机入口干燥剂比热，kj/kg*℃；c2为磨煤机出口干燥剂比热，kj/kg*℃；clk为冷空气的比热，kj/kg*℃；mar为煤收到基水分，crd为煤的干燥机比热，kj/kg*℃；tlk为漏入冷空气的温度，℃；tr为煤进入系统的温度，℃；δm为蒸发水分消耗的热量qz和每kg原煤在磨煤机中蒸发掉的水量，klf为磨煤机的漏风系数；r90为煤粉细度，％；q5为分系统散热损失，kw；knm为磨煤机输入功率转化为热量的系数；mar为收到基水分；mmf为煤粉水分。

17、在本发明的一实施例中，煤质发热量回归模型的搭建方法，包括以下步骤：

18、s31，建立输入矩阵x[1]＝[n，m]，其中n表示历史数据集个数，m表示输入变量个数；

19、s32，随机初始化：权重矩阵w[1]＝[m,q]，误差b[1]＝[1,q]，a[1]＝x[1]w[1]+b[1]，其中q为第一隐含层节点数量；a[1]为第一层神经网络的计算结果矩阵；

20、s33，获取第一隐含层的输出z[1]＝sigmod(a[1])；

21、s34，将第一隐含层的输出z[1]作为第二隐含层输入参数，以此类推，获取第f隐含层的输出z[4]，输出变量为1，以第f隐含层的输出z[4]作为输入变量，重复s33计算输出层输出目标变量的预测值使用l2范数损失函数计算预测值与目标变量实际值y的损失；

22、s35，根据l2范数损失函数s更新各隐含层w[i]、b[i]；

23、s36，完成更新后，重复s33至s35，迭代n次，计算预测值与目标变量实际值y的均方根误差mse。

24、在本发明的一实施例中，煤质挥发分回归模型、煤质预测模型的搭建方法与煤质发热量回归模型的搭建方法相同。

25、在本发明的一实施例中，煤质灰分通过以下公式获取：

26、

27、其中，aar为入炉煤收到基灰分，％，qnet，ar为入炉煤收到基低位发热量，kj/kg，mar为入炉煤收到基水分，％。

28、在本发明的一实施例中，对燃煤机组历史数据集进行稳态处理，包括：判断一分钟内两组工况的各磨煤机给煤量差值绝对值是否大于10t/h或各二次风开度变化是否大于20或各二次风箱入口电动调节挡板开度变化是否大于10或各sofa燃尽风开度变化大于20或各烟气再循环风机变频器速度给定值偏差大于10；当上述条件有一项满足，则认为工况处于波动状态，剔除与该工况间隔15分钟内数据。

29、在本发明的一实施例中，单一参数评价值＝|参数预测值-历史最优值|/历史最优值作为单一参数评价值。

30、在本发明的一实施例中，对各评价参数设置全助攻，其中，pj为单一参数评价值，hj为各参数权重，j表示为参数个数，j表示为最后一项参数。

31、在本发明的一实施例中，获取当前工况最优优化运行参数，输出进行控制，包括：

32、s91，对运行氧量、各二次风、各燃尽风门开度进行数值编码；

33、s92，根据总评价值，建立适应度函数；

34、s93，建立初始种群：在入炉煤质信息中筛选不同负荷区间、不同磨煤机组合方式的历史最优工况作为遗传算法初始种群；

35、s94，选取个体复制：将初始工况的单一工况按照一定比例将排列靠前的个体进行复制进化，舍去排列靠后的个体；

36、s95，交叉变异：染色体a和染色体b，在c点交叉，通过遗传算法，获取新个体a1和b1；

37、s96，个体评价：计算新个体的适应度，以判断经过遗传迭代后产生的新工况是否优于前工况，若满足设定的适应度则进行下一步操作，若不满足则重新进行步骤s94，进行第二轮迭代，直至满足设计要求或达到最大迭代次数；

38、s97，输出结果：输出优化后的运行氧量、二次风门、燃尽风门开度；实现锅炉实时燃烧控制。

39、在本发明的一实施例中，适应度函数通过以下公式获取：

40、式中，f为适应度函数，e为总评价值。

41、与现有技术相比，本发明的有益效果是：本发明在不增加测点，不进行技术改造基础上提出了一种基于入炉煤质实时监测的燃煤机组燃烧优化控制方法，对各磨煤机入炉煤质实时监测可对燃烧优化控制起到指导作用，基于历史数据的燃烧优化寻优方法，更贴近运行实际且节省了大量计算时间。

技术特征：

1.一种火电厂的燃煤机组燃烧优化控制方法，其特征在于，包括：

2.根据权利要求1所述的火电厂的燃煤机组燃烧优化控制方法，其特征在于，通过以下公式，获取煤质实时水分：

3.根据权利要求1所述的火电厂的燃煤机组燃烧优化控制方法，其特征在于，煤质发热量回归模型的搭建方法，包括以下步骤：

4.根据权利要求2所述的火电厂的燃煤机组燃烧优化控制方法，其特征在于，煤质挥发分回归模型、煤质预测模型的搭建方法与煤质发热量回归模型的搭建方法相同。

5.根据权利要求1所述的火电厂的燃煤机组燃烧优化控制方法，其特征在于，煤质灰分通过以下公式获取：

6.根据权利要求1所述的火电厂的燃煤机组燃烧优化控制方法，其特征在于，对燃煤机组历史数据集进行稳态处理，包括：判断一分钟内两组工况的各磨煤机给煤量差值绝对值是否大于10t/h或各二次风开度变化是否大于20或各二次风箱入口电动调节挡板开度变化是否大于10或各sofa燃尽风开度变化大于20或各烟气再循环风机变频器速度给定值偏差大于10；当上述条件有一项满足，则认为工况处于波动状态，剔除与该工况间隔15分钟内数据。

7.根据权利要求1所述的火电厂的燃煤机组燃烧优化控制方法，其特征在于，单一参数评价值＝|参数预测值-历史最优值|/历史最优值作为单一参数评价值。

8.根据权利要求7所述的火电厂的燃煤机组燃烧优化控制方法，其特征在于，对各评价参数设置全助攻，其中，pj为单一参数评价值，hj为各参数权重，j表示为参数个数，j表示为最后一项参数。

9.根据权利要求1所述的火电厂的燃煤机组燃烧优化控制方法，其特征在于，获取当前工况最优优化运行参数，输出进行控制，包括：

10.根据权利要求9所述的火电厂的燃煤机组燃烧优化控制方法，其特征在于，适应度函数通过以下公式获取：

技术总结
本发明公开了一种火电厂的燃煤机组燃烧优化控制方法，包括获取包括磨煤机上的历史数据集；根据磨煤机热平衡原理结合历史数据集，获取煤质实时水分；基于BP神经网络，使用历史数据集建立煤质发热量回归模型和煤质挥发分回归模型；将煤质发热量回归模型的输出与水分计算结果计算煤质灰分；煤质挥发分回归模型获取煤质挥发分；获取对燃煤机组历史数据集进行稳态处理并结合煤质实时水分、煤质发热量、煤质灰分以及煤质挥发分作为入炉煤质信息；建立煤质预测模型，预测燃煤机组的各参数，以各参数预测结果计算评价函数，以当前工况历史最优值作为初始种群，进行遗传算法优化获取最优评价函数结果最优工况，输出进行实时控制。本发明能够提高控制精度。

技术研发人员：陈俊,韩磊,程时鹤,潘存华,张科
受保护的技术使用者：中国大唐集团科学技术研究总院有限公司华东电力试验研究院
技术研发日：
技术公布日：2024/9/23