[發明專利]基于配風方式優化的四角切圓鍋爐燃燒優化控制方法

有效

• 申請號: 201911147027.2
• 申請日: 2019-11-21
• 公開（公告）號: CN110986085B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 李益國;黃埔;劉西陲;沈炯;潘蕾;吳嘯;張俊禮
• 申請（專利權）人: 東南大學
• 主分類號: G06F30/17
• 分類號: G06F30/17
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 姜慧勤

本發明公開了基于配風方式優化的四角切圓鍋爐燃燒優化控制方法，首先離線建模：篩選歷史數據并進行數據擬合，建立支持向量回歸機（SVR）初始模型；之后進行在線計算：利用精確在線支持向量回歸機方法（AOSVR）對模型進行更新，根據更新后模型和所設置約束求解非線性規劃，得到優化控制量。針對四角切圓鍋爐控制變量較多的問題，本發明基于整體調整配風方式的思路，通過數據擬合的簡化方法用形狀參數代替控制量，整體優化控制量的分配方式，從而避免出現機器學習中“維數災難”的問題，在保證精度的同時提高運算速度。結合該簡化方法的優化控制策略能夠在保證鍋爐安全穩定運行的前提下，提高鍋爐效率或降低氮氧化物排放。

技術領域

本發明涉及基于配風方式優化的四角切圓鍋爐燃燒優化控制方法，屬于熱工自動控制技術領域。

背景技術

近年來，隨著環保要求的逐漸提高，電廠需要在保證燃燒效率和安全性的同時，盡可能降低污染物的排放。因此對鍋爐燃燒過程進行優化日益成為研究的熱點。目前實現燃燒優化主要采用基于數據的建模方法，即首先建立鍋爐燃燒的非線性模型，然后構造與鍋爐效率和氮氧化物(NOx)排放相關的性能指標，并利用尋優算法對運行參數進行優化計算。因此，建立精確、高效的非線性模型是實現燃燒優化控制的基礎。

目前針對鍋爐燃燒系統的建模大多采用數據驅動的機器學習方法，而這類方法普遍存在維數災的問題。現有工作在燃燒系統建模時習慣將所有狀態參數和可控變量都作為模型的輸入變量，然而對于四角切圓鍋爐而言，由于燃燒器和配風層數眾多，往往造成所建模型存在20-30個輸入變量，陷入“維數災難問題”。隨著數據集維度的增加，所需要的樣本數量呈指數型增長，且數據的稀疏性也會變高，導致算法計算速度變慢、精度下降，給后期模型的在線更新和燃燒優化問題的在線求解造成了很大困難。

另一方面，現有工作一般不對模型進行在線更新，而鍋爐燃燒系統受煤質變化等干擾因素影響較大，必須在模型失配嚴重時進行更新以保證模型的精度。

發明內容

本發明所要解決的技術問題是：提供基于配風方式優化的四角切圓鍋爐燃燒優化控制方法，將控制量的形狀參數代入模型，對控制量的分配方式進行整體調節。該方法可以在同等精度下減小模型輸入量個數，提高運算速度，且兼具模型更新功能，具備自適應能力；優化方法能夠提高鍋爐效率或降低NOx排放。

本發明為解決上述技術問題采用以下技術方案：

基于配風方式優化的四角切圓鍋爐燃燒優化控制方法，包括如下步驟：

步驟1，根據四角切圓鍋爐結構，確定以下參數：燃盡風配置層數F1，周界風配置層數F2，二次風配置層數F3，給煤機臺數T；

步驟2，利用廠級監控信息系統采集并篩選各個典型工況時刻下的運行數據，數據類別包括6類輸入量以及3類輸出量，其中，6類輸入量為各層燃盡風門開度、各層周界風門開度、各層二次風門開度、各臺給煤機給煤量、省煤器出口氧量定值、機組負荷，3類輸出量為鍋爐效率、再熱汽溫、脫硝系統入口NOx濃度；針對6類輸入量的前4類輸入量，對每類輸入量進行二階最小二乘擬合，在每一時刻得到三個擬合系數；

步驟3，分別針對鍋爐效率、再熱汽溫、脫硝系統入口NOx濃度建立三個支持向量回歸機模型，將步驟2得到的三個擬合系數代替輸入量作為模型輸入，對模型進行訓練，得到初始支持向量回歸機模型；模型輸入和輸出分別如下：

Input_eff＝[FX_sofa(z),FX_sur(z),FX_sec(z),FX_fuel(z),X_o2(z),X_load(z),Y_eff(z)]

Output_eff＝[Y_eff(z+1)]