[發(fā)明專利]一種基于粒子群算法的鍋爐燃燒優(yōu)化方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201610019004.3
• 申請(qǐng)日: 2016-01-13
• 公開（公告）號(hào): CN105605610A
• 公開（公告）日: 2016-05-25
• 發(fā)明（設(shè)計(jì)）人: 張衛(wèi)東;張義卓;陳建良;孫博;傅桂元
• 申請(qǐng)（專利權(quán)）人: 上海交通大學(xué)
• 主分類號(hào): F23N5/00
• 分類號(hào): F23N5/00
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 應(yīng)小波

技術(shù)領(lǐng)域

本發(fā)明屬于智能工業(yè)領(lǐng)域，尤其是涉及一種基于粒子群算法的鍋爐燃燒優(yōu)化 方法。

背景技術(shù)

在中國，國家四分之三的電力來自于火力發(fā)電，即煤炭燃燒。由于大多數(shù)鍋爐 是舊式鍋爐，導(dǎo)致燃燒效率低而且排放大。隨著國家對(duì)環(huán)境保護(hù)問題的關(guān)注，節(jié)能 減排是當(dāng)下鍋爐燃燒的主要目標(biāo)，考慮到成本問題，在不更新鍋爐的情況下，利用 鍋爐燃燒優(yōu)化的方法節(jié)能減排被證明是一種有效的方法。但是現(xiàn)有的方法對(duì)提高鍋 爐燃燒效率和降低碳氧化合物排放的效果并不是很理想，還存在優(yōu)化時(shí)間長、優(yōu)化 效果差等問題。為解決這一問題，本發(fā)明提出了一種基于粒子群算法的鍋爐燃燒優(yōu) 化方法，能夠?qū)﹀仩t燃燒快速優(yōu)化，而且具有更高的準(zhǔn)確性和更強(qiáng)的泛化能力，以 達(dá)到提高鍋爐燃燒效率和降低氮氧化合物排放的需求。同時(shí)本方法采用基于最小二 乘支持向量機(jī)的方法建立鍋爐燃燒模型，克服了鍋爐燃燒模型精確度不足的問題， 尤其適用于復(fù)雜的模型建立。

對(duì)現(xiàn)有的文獻(xiàn)檢索發(fā)現(xiàn)，鍋爐燃燒優(yōu)化方法都是利用遺傳算法來提高鍋爐燃燒 效率和降低氮氧化合物排放，遺傳算法雖然具有搜索能力強(qiáng)和擴(kuò)展性強(qiáng)的優(yōu)點(diǎn)，但 算法復(fù)雜、優(yōu)化時(shí)間長而且容易陷入局部最優(yōu)解。Ken在Proceedingsofthe31^stInternationalTechnicalConferenceonCoalUtilization&FuelSystems上面發(fā)表的 NoxEmissionsAchievedona500MWCyclone-FiredBoiler，以500WM的鍋爐為研 究對(duì)象，利用遺傳算法優(yōu)化Nox的排放，不僅優(yōu)化時(shí)間長，而且優(yōu)化效果不明顯； Dharmarakan以666MW的鍋爐為對(duì)象，利用遺傳算法來改善Nox排放，效果只有 8％。所以，提出新的粒子群算法來優(yōu)化鍋爐燃燒。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于粒子群 算法的鍋爐燃燒優(yōu)化方法。

本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn)：

一種基于粒子群算法的鍋爐燃燒優(yōu)化方法，其特征在于，包括以下步驟：

1)鍋爐燃燒數(shù)據(jù)預(yù)處理；

2)建模參數(shù)確認(rèn)；

3)鍋爐燃燒模型建立；

4)鍋爐燃燒效率計(jì)算；

5)基于粒子群算法對(duì)鍋爐燃燒進(jìn)行優(yōu)化，通過改變?nèi)剂蠀?shù)和配風(fēng)參數(shù)來改 變?nèi)紵屎团欧帕浚瑢?duì)鍋爐燃燒進(jìn)行優(yōu)化。

所述的鍋爐燃燒數(shù)據(jù)預(yù)處理具體為：在不同的鍋爐燃燒功率下提取間隔時(shí)間超 過30min的鍋爐燃燒數(shù)據(jù)，再通過歸一化函數(shù)對(duì)數(shù)據(jù)進(jìn)行歸一化處理。

所述的建模參數(shù)確認(rèn)具體為：利用基于最小二乘的支持向量機(jī)方法建立鍋爐燃 燒模型前，應(yīng)先確定核函數(shù)及其寬度Gamma和懲罰因子c，通過改變各參數(shù)變量 發(fā)掘參數(shù)影響因素，先改變其中一個(gè)參數(shù)，順次改變其他參數(shù)，從而得到最優(yōu)效果。

所述的鍋爐燃燒模型建立具體為：根據(jù)步驟1)和步驟2)得到的數(shù)據(jù)和建模 參數(shù)，確定燃燒模型結(jié)構(gòu)，可知輸入變量和輸出變量的個(gè)數(shù)，利用最小二乘支持向 量機(jī)的方法對(duì)輸出變量煙氣溫度T_py、飛灰濃度C_fh和Nox排放量進(jìn)行測(cè)量，由于 優(yōu)化的目標(biāo)是鍋爐的燃燒效率，利用簡化公式計(jì)算出鍋爐的燃燒效率并建立預(yù)測(cè)模 型

所述的鍋爐燃燒效率計(jì)算具體為：由于鍋爐燃燒效率計(jì)算的復(fù)雜性，通過找到 燃燒效率與四個(gè)因素變量之間的關(guān)系，得到鍋爐燃燒的簡化算法，其中四個(gè)因素變 量分別與過氧量α、煙氣溫度T_py、主燃煤量D和環(huán)境溫度T_a。

所述的鍋爐燃燒優(yōu)化具體為：首先輸入變量對(duì)輸出變量進(jìn)行訓(xùn)練和預(yù)測(cè)，然后 通過粒子群算法進(jìn)行優(yōu)化，得到相應(yīng)的控制參數(shù)，反饋回輸入變量，進(jìn)而得到更好 地鍋爐燃燒效果。

與傳統(tǒng)的應(yīng)用遺傳算法進(jìn)行鍋爐燃燒優(yōu)化方法進(jìn)行比較，通過粒子群算法優(yōu) 化鍋爐燃燒，可以獲得更高的鍋爐燃燒效率和更低的Nox排放量，還擁有收斂速 度快，泛化能力強(qiáng)等特點(diǎn)。

附圖說明

圖1為本發(fā)明方法流程圖。

圖2為本發(fā)明鍋爐燃燒模型。

圖3為本發(fā)明效率簡化運(yùn)算流程圖。

圖4為本發(fā)明燃燒優(yōu)化流程圖。

具體實(shí)施方式