[發明專利]建立鍋爐燃燒過程模型的方法和裝置

有效

• 申請號: 201510016937.2
• 申請日: 2015-01-14
• 公開（公告）號: CN104595924B
• 公開（公告）日: 2017-01-18
• 發明（設計）人: 張勇勝;邢紅濤;葉翔;安國銀;閆慧博;魏剛;安康
• 申請（專利權）人: 河北省電力建設調整試驗所
• 主分類號: F23N5/00
• 分類號: F23N5/00;G05B19/418
• 代理公司: 北京國昊天誠知識產權代理有限公司11315
• 代理人: 劉戈

技術領域

本發明涉及能源電力技術領域，具體涉及一種建立鍋爐燃燒過程模型的方法和裝置。

背景技術

鍋爐是一種能量轉換設備，鍋爐中產生的熱水或蒸汽可直接為工業生產和人民生活提供所需熱能；也可通過蒸汽動力裝置將鍋爐中產生的熱水或蒸汽轉換為機械能，或再通過發電機將機械能轉換為電能。鍋爐中的燃燒過程以及相關的調整策略，不僅決定了鍋爐的出力，同時對鍋爐的效率和排放有顯著的影響。如何快速、精確地建立鍋爐燃燒過程的模型，通過該模型對鍋爐燃燒過程進行優化調整，提高鍋爐效率并有效降低污染物排放，是目前能源電力行業非常關注的問題。

然而，由于鍋爐中的燃燒過程是復雜的物理、化學反應過程，目前沒有有效的方法，可以建立一個能夠精確反映燃燒過程中劇烈的參數變化的鍋爐燃燒過程模型。

發明內容

為了解決上述技術的問題，并改善燃燒模型建立過程中需要處理大量實施數據造成的計算效率等問題，本發明提供了一種建立鍋爐燃燒過程模型的方法和裝置，通過多個云服務器組對鍋爐燃燒歷史樣本數據運行二次遺傳編程GP算法，得到鍋爐燃燒過程模型，鍋爐燃燒歷史樣本數據的數量很大，遺傳編程GP算法是高效的智能算法，可以提高鍋爐燃燒過程模型的精確度，并建立一個能夠精確反映燃燒過程中劇烈的參數變化的鍋爐燃燒過程模型。

為了解決上述問題，本發明公開了一種建立鍋爐燃燒過程模型的方法，所述方法包括：

獲取鍋爐燃燒歷史樣本數據；

根據鍋爐燃燒過程的特性，從所述鍋爐燃燒歷史樣本數據中提取N組樣本數據；其中，所述N為自然數；

為每組所述樣本數據設置一個對應的云服務器組和一個對應的第一遺傳編程GP算法；

將每組所述樣本數據分別作為每個所述第一遺傳編程GP算法的輸入變量，將鍋爐效率、氮氧化物NOx排放量分別作為每個所述第一遺傳編程GP算法的輸出變量，通過每個所述云服務器組分別運行每個所述第一遺傳編程GP算法，得到N組特征模型；

將所述N組樣本數據作為預設的第二遺傳編程GP算法的輸入變量，將所述鍋爐效率、所述氮氧化物NOx排放量分別作為所述第二遺傳編程GP算法的輸出變量，將所述N組特征模型作為所述第二遺傳編程GP算法的初始種群中的個體，運行所述第二遺傳編程GP算法，得到鍋爐燃燒過程模型。

進一步地，所述N取值為6，所述N組樣本數據分別為：一次風系統樣本數據、二次風系統樣本數據、風煙系統樣本數據、運行參數樣本數據、燃燒器二次風門系統樣本數據和磨煤機系統樣本數據；

相應地，所述N組特征模型分別為：一次風系統模型、二次風系統模型、風煙系統模型、運行參數模型、燃燒器二次風門系統模型和磨煤機系統模型。

進一步地，將每組所述樣本數據分別作為每個所述第一遺傳編程GP算法的輸入變量，將鍋爐效率、氮氧化物NOx排放量分別作為每個所述第一遺傳編程GP算法的輸出變量，通過每個所述云服務器組分別運行每個所述第一遺傳編程GP算法，得到N組特征模型，包括：

將每組所述樣本數據分別作為每個所述第一遺傳編程GP算法的輸入變量；

根據每個所述第一遺傳編程GP算法的輸入變量的個數、每個所述第一遺傳編程GP算法的種群中包括的預設個體數量M，隨機產生每個所述第一遺傳編程GP算法的初始種群，其中，每個所述初始種群中包括隨機產生的M個個體，每個個體是一個由輸入變量表示的計算輸出變量的表達式；

從所述鍋爐燃燒歷史樣本數據中提取鍋爐效率真值、氮氧化物NOx排放量真值；

根據所述鍋爐效率真值、所述氮氧化物NOx排放量真值，分別計算每個所述初始種群中的每個個體的適應度；

根據每個所述初始種群中的每個個體的適應度、預設的遺傳算子概率，從每個所述初始種群中選擇個體進行遺傳計算，得到每個所述初始種群對應的新種群；

判斷是否滿足遺傳編程終止條件；

如果不滿足遺傳編程終止條件，則將每個所述新種群作為每個所述初始種群，然后執行根據所述鍋爐效率真值、所述氮氧化物NOx排放量真值，分別計算每個所述初始種群中的每個個體的適應度的步驟；

如果滿足遺傳編程終止條件，則將所述鍋爐效率、所述氮氧化物NOx排放量分別作為每個所述第一遺傳編程GP算法的輸出變量，從每個所述新種群中選擇滿足預設條件的最優個體作為每個所述第一遺傳編程GP算法的特征模型。