[發明專利]一種在線優化“德士古氣化爐”運行工況的方法

無效

• 申請號: 201110459211.8
• 申請日: 2011-12-30
• 公開（公告）號: CN102399594A
• 公開（公告）日: 2012-04-04
• 發明（設計）人: 宋淑群;曹翠文;張凌波;顧幸生;孫漾;崔晨;張亞坤
• 申請（專利權）人: 華東理工大學;兗礦國宏化工有限責任公司
• 主分類號: C10J3/48
• 分類號: C10J3/48;C10J3/72;G05B13/02
• 代理公司: 上海順華專利代理有限責任公司 31203
• 代理人: 陳淑章

1.一種在線優化“德士古氣化爐”運行工況的方法，包括如下步驟：

(1)選取采用“急冷工藝”的德士古水煤漿加壓氣化工藝流程中，入“德士古氣化爐”的變量參數：水分(“M”)；灰分(“A”)；揮發分(“Va”)；固定碳含量(“C”)；灰熔點(“ST”)，煤漿濃度(“Cc”)；煤漿流量(“Fc”)；煤漿壓力(“Pc”)；煤漿溫度(“Tc”)；氧氣流量(“Fo”)；中心槍氧氣流量(“Foc”)；氧氣壓力(“Po”)；氧氣溫度(“To”)；急冷水流量(“Fw”)；急冷水溫度(“Tw”)；及出“德士古氣化爐”的變量參數：出爐合成氣流量(“Fg”)；合成氣中CO的含量(“CO”)；和合成氣中H₂含量(“H₂”)；共18個變量參數為“德士古氣化爐”工況在線優化方法的輔助變量；

其中“M”、“A”、“Va”、“C”、“ST”和“Cc”為人工分析變量參數，其余為在線測量變量參數；采集以上18個輔助變量1個月的過程數據，應用3σ準則和一階數字濾波技術對在線測量變量數據進行錯誤數據的剔除和數據平滑后，從中選取穩態工況下的對應時間的數據組成歷史數據，且歷史數據樣本不少于300組；

(2)以氣化系統的“有效氣產率”為評判標準將歷史數據樣本中的歷史工況分為“優”、“良”、“中”、“差”4個等級，利用K均值聚類方法將歷史數據樣本中的有效氣產率數據集分為4個等級，獲得4個聚類中心，并根據聚類中心的值劃分“優”、“良”、“中”、“差”4種工況；

(3)采用3個結構相同的BP神經網絡分別建立“Fg”、“CO”和“H₂”的BP神經網絡模型；即，對由步驟(1)中獲得的歷史數據樣本中的18個輔助變量進行歸一化，并對前15個輔助變量進行主元分析，然后，將8個主元變量作為3個BP神經網絡的輸入變量，“Fg”、“CO”和“H₂”分別作為3個BP神經網絡的輸出變量組成訓練樣本，分別對3個BP神經網絡模型進行訓練；

(4)計算當前氣化系統實際的“有效氣產率”，按步驟(2)中所述方法評價系統當前工況的等級，并根據工況等級判斷結果進行相應操作；

如需要進行優化計算，則采用粒子群優化算法求解優化的控制變量參數：“Fo”、“Foc”、和“Fw”，進而實現“德士古氣化爐”運行工況在線優化；

(5)按表1的檢測頻率“滾動”獲取、更新、保存最近1個月的步驟(1)中所述的18個輔助變量過程數據：

表1

當步驟(3)中建立的某個BP神經網絡模型的計算結果和對應的變量測量結果的誤差超過限制時，按步驟(2)中所述方法獲得新的優化區域，同時對步驟(3)中超過限制的BP神經網絡模型重新進行訓練，以保證優化區域及模型不斷適應系統特性的變化和生產工況的遷移。

2.如權利要求1所述的方法，其特征在于，其中步驟(3)中所建立的BP網絡均含有輸入層、隱含層和輸出層的三層網絡結構，輸入層有8個節點，隱含層有8個節點，輸出層有1個節點。

3.如權利要求1或2所述的方法，其特征在于，在步驟(4)中計算當前氣化系統實際的“有效氣產率”前，還包括判斷當前裝置是否處于正常或穩定狀態的步驟，具體包括如下步驟：

①各個測量變量均有有效的測量值，且近5分鐘時間段內的變化范圍在該變量允許的變化范圍內；

②“Fc”和“Fo”在5分鐘時間段內的波動范圍均在±5％以內；

如果裝置當前運行狀態不正常或不穩定，則優化系統自動切除，不對當前工況進行優化。

4.如權利要求1或2所述的方法，其特征在于，在步驟(5)中，分別判斷步驟(3)中建立的“Fg”、“CO”和“H₂”的BP神經網絡模型計算結果與當前測量值的相對誤差是否超限：即連續10次相對誤差超過±2％；如果有任何一個模型結果超此限，則系統按步驟(1)中所述方法，根據系統保存的過去1個月的歷史數據重新獲取歷史數據樣本，并按步驟(2)中所述方法，對歷史數據樣本中的歷史工況進行K均值聚類，獲得新的優化區域，同時，按步驟(3)中所述方法，對歷史數據樣本進行歸一化和主元分析后，對超限的BP網絡模型重新進行訓練，以獲得新的模型參數。