[發明專利]一種基于人工智能的大型燃煤電站CO2

有效

• 申請號: 202110646133.6
• 申請日: 2021-06-10
• 公開（公告）號: CN113341716B
• 公開（公告）日: 2023-08-04
• 發明（設計）人: 李明亮;廖霈之
• 申請（專利權）人: 江蘇舜高智能科技有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京集智東方知識產權代理有限公司 11578
• 代理人: 申玲紅

1.一種基于人工智能的大型燃煤電站CO₂捕集系統優化調度方法，其特征在于：包括如下步驟：

步驟一、選取主蒸汽壓力(y₁)、中間點焓值(y₂)、汽輪機功率(y₃)、捕集率(y₄)、再沸器溫度(y₅)和CO₂產量(y₆)為大型燃煤電站CO₂捕集系統的被控變量y_(k)，選取燃料量指令(u₁)、給水流量(u₂)、主蒸汽閥門開度(u₃)、貧液流量(u₄)及抽汽流量(u₅)為相對應的控制變量u_(k)；

步驟二、設置采樣周期T_s＝30秒，在開環情況下，同時改變燃料量指令(u₁)、給水流量、主蒸汽閥門開度、貧液流量及再沸器抽汽流量，獲取不同發電量、捕集率運行工況下系統的穩態輸入、輸出數據；

步驟三、對輸入、輸出數據進行歸一化處理，利用MATLAB中的pretrainDBN(*)和trainDBN(*)函數構建含有三層受限玻爾茲曼機(Restricted?Boltzmann?Machines,RBM)的燃煤電站CO₂捕集系統DBN穩態模型，

其中，燃煤電站CO₂捕集系統DBN穩態模型函數形式為：y(k)＝f_DBN(u(k))，f_DBN(·)為DBN模型的函數形式；

步驟四、考慮機組發電量、CO₂排放、運行成本以及系統約束因素，構建能反映燃煤電站CO₂捕集系統運行成本的目標函數及目標函數對應的權值系數，

其中，燃煤電站CO₂捕集系統運行成本的目標函數為

該燃煤電站CO₂捕集系統運行成本的目標函數滿足一系列約束；

步驟五、設置優化時域N_i＝12；

步驟六、設置BO求解器相關參數，包括采集函數、初始評估點個數、循環周期參數；

步驟七、利用BO求解器求解目標函數，在系統約束條件下求解滿足目標函數最小的優化控制變量u*_(k)；

步驟八、利用燃煤電站CO₂捕集系統DBN穩態模型，求解輸入為控制變量u*_(k)的最優輸出變量給定值y_ref(k)；

步驟九、輸出最優給定值y_ref(k)，實現燃煤電站CO₂捕集系統的優化調度，其后在每個優化時域，重復執行步驟七到步驟九；

步驟四中：該燃煤電站CO₂捕集系統運行成本的目標函數滿足一系列約束為：

y_j＝f_DBN(u_j),j＝1,2,...,5??????(2)

u_min≤u_j≤u_max,j＝1,2,…,5???????(3)

y_1,i≤y_1，max,i＝1,2,…,N_i??????(4)

y_4,min≤y_4,i≤y_4,max,i＝1,2,…,N_i??????(5)

y_5,min≤y_5,i≤y_5,max,i＝1,2,…,N_i???(6)

其中，y₁為主蒸汽壓力，y₂為中間點焓值，y₃為汽輪機功率，y₄為捕集率(y₄)，y₅為再沸器溫度；u₁為選取燃料量指令；u₂為給水流量(u₂)，u₃為主蒸汽閥門開度(u₃)，u₄為貧液流量(u₄)，u₅為抽汽流量(u₅)；

N_i表示優化時域；α_1,i至α_4,i分別為性能指標對應的權值系數；u_min和u_max分別為輸入變量的幅值下限約束和幅值上限約束；y_1，max為主蒸汽壓力(y₁)的上限約束；y_4,mi_n和y_4,max分別為捕集率(y₄)的下限和上限約束；y_5,mi_n和y_5,max分別為再沸器溫度(y₅)的下限和上限約束；y_6,min和y_6,max分別為CO₂產量(y₆)在優化時域內總量的下限和上限約束；

J_1,i至J_4,i分別是大型燃煤電站CO₂捕集系統中與機組運行安全性和運行經濟性相關的目標函數，其具體表達式如下：

J_1,i＝|y_3,i-E_uld|???????????(8)

J_2,i＝u_1,i???????????????(9)

J_3,i＝(1-y_4,i)??????????(10)

J_4,i＝y_4,i????????????????(11)

式中，J_1,i表示火電機組負荷跟蹤誤差，J_2,i代表機組運行過程中消耗的燃料量，J_3,i表示排放CO₂的懲罰，J_4,i代表PCC系統運行和維護的費用，E_uld為AGC負荷指令。