[發明專利]一種工業燃氣鍋爐多目標多約束燃燒優化方法

有效

• 申請號: 201610021248.5
• 申請日: 2016-01-13
• 公開（公告）號: CN105674326B
• 公開（公告）日: 2017-12-01
• 發明（設計）人: 宋光武;焦偉紅;潘濤;金大建;卓建坤;宋少鵬;馮復興;姚強
• 申請（專利權）人: 北京市環境保護科學研究院;北京環科環保技術公司;清華大學
• 主分類號: F23N5/00
• 分類號: F23N5/00
• 代理公司: 北京中濟緯天專利代理有限公司11429
• 代理人: 張曉霞

技術領域

本發明涉及鍋爐，特別涉及一種工業燃氣鍋爐多目標多約束燃燒優化方法。

背景技術

燃料分級和煙氣再循環是燃氣鍋爐NOx燃燒控制的常用方法。目前，一二次燃料比例、煙氣循環量及過剩空氣系數等運行參數的確定仍是人工調試，費時耗力，通常難以找到最佳運行工況且無法實現多目標優化。目前涉及多目標燃燒優化的方法限于鍋爐效率和NOx排放兩個優化目標，多數適用于燃煤鍋爐，鮮有燃氣鍋爐的燃燒優化方法。就國內情況而言，燃氣鍋爐采取低氮技術大多通過低氮改造實現，在原有鍋爐上更換燃燒器或加煙氣再循環，不改造爐膛，火焰外形與爐膛尺寸的匹配就至關重要，如果火焰過長，則會出現火焰直接沖刷受熱面，造成未燃盡碳或氣體的急冷而在受熱面上積炭；若火焰過短，則會出現火焰充滿度差，影響受熱面的有效利用。

發明內容

針對現有技術的缺陷，本發明提供了一種工業燃氣鍋爐多目標多約束燃燒優化方法。

一種工業燃氣鍋爐多目標多約束燃燒優化方法，包括如下步驟：S100：采集燃氣鍋爐運行中的可調參數和表征燃燒狀態的特征指標作為基礎數據，所述可調參數包括總燃料量、二次燃料比例、氧含量和煙氣循環率，所述特征指標包括NOx濃度值、CO濃度值和火焰長度值；S200：以基礎數據作為訓練數據，建立燃氣鍋爐燃燒的數學模型，所述數學模型包括；NOx的SVM模型、CO的SVM模型和火焰長度的SVM模型；

S300：確定目標函數和約束條件，所述目標函數為：min:NOx+a(CO-CO’)+b(L-L’)；所述約束條件為：四個可調參數的調節范圍；

其中，CO’為鍋爐運行允許的最大值，CO為采集的濃度值，a、b為加權系數，當CO＞CO’時，a取10³，當CO≤CO’時，a＝0；L’是爐膛允許的最大火焰長度，L為采集到的火焰長度，當L＞L’時，b取10³，當L≤L’時，b＝0；

S400：根據所建立的數學模型、目標函數和約束條件，通過遺傳算法搜索出各負荷下可調參數的最佳組合。

可選的，所述煙氣循環率β由下式計算：

其中：β是煙氣循環率，γ_O′是風道含氧量，V_煙是理論煙氣量，γ_O是煙氣含氧量，V_空是理論空氣量，V'_煙是實際煙氣量。

可選的，所述NOx濃度值是將煙氣分析儀測得的NOx濃度值折算至氧含量為3.5％時的值，折算公式：

其中氧含量為煙氣分析儀測得的煙氣氧含量。

可選的，所述步驟S200具體包括：S201：數據預處理，將所有基礎數據做歸一化處理；S202：選取訓練集，以總燃料量、二次燃料比例、氧含量和煙氣循環率為輸入，對應的NOx濃度值、CO濃度值和火焰長度的值為輸出，通過matlab加載工具箱libsvm-faruto訓練NOx的SVM模型、CO的SVM模型和火焰長度的SVM模型，其中工具箱libsvm-faruto中核函數參數g和懲罰因子c，采用工具箱默認值；S203：通過試算法調整核函數參數g和懲罰因子c。

可選的，所述步驟S203包括：以訓練集以外數據作為測試集，用所建模型預測測試集的輸入所對應的輸出作為預測值，對比預測值與實際值，計算預測值與實際值的相關系數、平均誤差和最大誤差；若相關系數、平均誤差和最大誤差大于相應設定閾值時，則通過試算法調整g和c，通過網格尋優方法確定g、c的較優范圍，在此范圍內任選5-10組g、c組合，返回步驟S202，直至模型預測效果滿足需要

本發明的有益效果是：通過優化運行參數配比，可以適當調整火焰長度，提高鍋爐低氮技術的匹配度，同時實現了燃氣鍋爐的高效、節能、低污染運行。

附圖說明

圖1是本發明工業燃氣鍋爐系統的結構示意圖；

圖2是本發明燃燒優化方法的流程圖；

圖3是步驟S200的流程圖；

圖4是步驟S400的優化流程圖。

具體實施方式

為使本發明的上述目的、特征和優點能夠更加明顯易懂，下面結合附圖對本發明的具體實施方式做詳細的說明，使本發明的上述及其它目的、特征和優勢將更加清晰。在全部附圖中相同的附圖標記指示相同的部分。并未刻意按比例繪制附圖，重點在于示出本發明的主旨。