[發明專利]一種鍋爐風煤比優化方法和系統

在審

• 申請號: 201710073547.8
• 申請日: 2017-02-10
• 公開（公告）號: CN106885228A
• 公開（公告）日: 2017-06-23
• 發明（設計）人: 陳關忠;杜長河;趙小鵬;王振崗;李秀福;孫琳琳;馬學東;辜曉川;馬文杰;林艷鳳;葛慶;王曉旻;蘇存
• 申請（專利權）人: 青島高校信息產業股份有限公司
• 主分類號: F22B35/00
• 分類號: F22B35/00;F23N5/20
• 代理公司: 青島聯智專利商標事務所有限公司37101
• 代理人: 王笑

1.一種鍋爐風煤比優化方法，其特征在于，包括：

獲取測點歷史運行數據；

基于所述歷史運行數據，訓練得到鍋爐有效熱效率與給煤量、送風量和主蒸汽流量之間的訓練關系模型；

基于所述訓練關系模型，在設定約束條件下獲得在鍋爐有效熱效率最大時對應的給煤量和送風量的最優比例。

2.根據權利要求1所述的鍋爐風煤比優化方法，其特征在于，所述測點包括給煤量、送風量、主蒸汽流量和鍋爐有效熱效率；

所述基于所述歷史運行數據，訓練得到鍋爐有效熱效率與給煤量、送風量和主蒸汽流量之間的訓練關系模型，具體為：

以所述給煤量的歷史運行數據、所述送風量的歷史運行數據和所述主蒸汽流量之間的歷史運行數據為訓練輸入，以鍋爐有效熱效率的歷史運行數據為訓練輸出，采用神經網絡訓練得到所述訓練關系模型。

3.根據權利要求2所述的鍋爐風煤比優化方法，其特征在于，所述測點還包括主蒸汽壓力、主蒸汽溫度和給水溫度；

則鍋爐有效熱效率的歷史運行數據的獲取方法包括：

基于所述主蒸汽壓力的歷史運行數據和所述主蒸汽溫度的歷史運行數據，采用最小二乘回歸方法得到飽和蒸汽焓值；

基于所述給水溫度的歷史運行數據，采用最小二乘回歸方法得到鍋爐給水焓值；

基于得到所述鍋爐有效熱效率的歷史運行數據；

其中，L為所述主蒸汽流量，H為所述飽和蒸汽焓值，GH為所述鍋爐給水焓值，M為所述給煤量，Q為煤炭收到基低位發熱量。

4.根據權利要求2所述的鍋爐風煤比優化方法，其特征在于，所述設定約束條件包括不等式約束條件和等式約束條件；

所述不等式約束條件為給煤量和送風量的上下限值，其中，所述給煤量和送風量的上限值為所述給煤量和所述送風量的歷史運行數據的最大值，所述給煤量和所述送風量的下限值為所述給煤量和所述送風量的歷史運行數據的最小值；

所述等式約束條件為所述主蒸汽流量的實時值。

5.根據權利要求1所述的鍋爐風煤比優化方法，其特征在于，在獲取測點歷史運行數據之后，所述方法還包括：

將所述測點歷史運行數據的單位換算為設定單位。

6.一種鍋爐風煤比優化系統，其特征在于，包括多個測點、歷史運行數據獲取模塊、訓練模塊和優化模塊；

所述歷史運行數據獲取模塊，用于獲取所述多個測點的歷史運行數據；

所述訓練模塊，用于基于所述歷史運行數據，訓練得到鍋爐有效熱效率與給煤量、送風量和主蒸汽流量之間的訓練關系模型；

所述優化模塊，用于基于所述訓練關系模型，在設定約束條件下獲得在鍋爐有效熱效率最大時對應的給煤量和送風量的最優比例。

7.根據權利要求6所述的鍋爐風煤比優化系統，其特征在于，所述測點包括給煤量、送風量、主蒸汽流量和鍋爐有效熱效率；

所述訓練模塊具體用于：以所述給煤量的歷史運行數據、所述送風量的歷史運行數據和所述主蒸汽流量之間的歷史運行數據為訓練輸入，以鍋爐有效熱效率的歷史運行數據為訓練輸出，采用神經網絡訓練得到所述訓練關系模型。

8.根據權利要求7所述的鍋爐風煤比優化系統，其特征在于，所述測點還包括主蒸汽壓力、主蒸汽溫度和給水溫度；

所述系統還包括鍋爐有效熱效率歷史運行數據獲取模塊，用于：基于所述主蒸汽壓力的歷史運行數據和所述主蒸汽溫度的歷史運行數據，采用最小二乘回歸方法得到飽和蒸汽焓值；

基于所述給水溫度的歷史運行數據，采用最小二乘回歸方法得到鍋爐給水焓值；

基于得到所述鍋爐有效熱效率的歷史運行數據；

其中，L為所述主蒸汽流量，H為所述飽和蒸汽焓值，GH為所述鍋爐給水焓值，M為所述給煤量，Q為煤炭收到基低位發熱量。

9.根據權利要求7所述的鍋爐風煤比優化系統，其特征在于，所述優化模塊包括約束條件設定單元，用于設定不等式約束條件和等式約束條件；

所述不等式約束條件為給煤量和送風量的上下限值，其中，所述給煤量和送風量的上限值為所述給煤量和所述送風量的歷史運行數據的最大值，所述給煤量和所述送風量的下限值為所述給煤量和所述送風量的歷史運行數據的最小值；

所述等式約束條件為所述主蒸汽流量的實時值。

10.根據權利要求6所述的鍋爐風煤比優化方法，其特征在于，所述系統還包括單位換算模塊，用于在所述歷史運行數據獲取模塊獲取測點歷史運行數據之后，將所述測點歷史運行數據的單位換算為設定單位。