本發(fā)明涉及火力發(fā)電，具體為一種火電廠的燃煤機(jī)組燃燒優(yōu)化控制方法。

背景技術(shù)：

1、隨著大容量、高參數(shù)燃煤發(fā)電機(jī)組的迅速發(fā)展與大氣污染物排放標(biāo)準(zhǔn)的日益嚴(yán)格，以及先進(jìn)測量與控制技術(shù)在應(yīng)用領(lǐng)域的快速突破，對電站鍋爐燃燒測量與閉環(huán)優(yōu)化控制技術(shù)的深入發(fā)展提出了緊迫的需求。燃煤鍋爐的爐內(nèi)燃燒控制具有相當(dāng)?shù)膹?fù)雜性，尤其是對煤種適應(yīng)性方面要求較高，在燃燒不同煤種的過程中鍋爐特性會存在很大的差異，如燃煤的發(fā)熱量、著火距離、爐內(nèi)溫度分布特性、結(jié)焦特性等，都將不同程度地影響到爐內(nèi)配風(fēng)、過量空氣系數(shù)、減溫水分布等控制輸出的合理性，從而影響機(jī)組的燃燒控制水平，并進(jìn)一步影響機(jī)組的運(yùn)行經(jīng)濟(jì)性與污染物排放率，因此，針對對各燃燒器燃用煤種的及時準(zhǔn)確辨識并根據(jù)辨識結(jié)果進(jìn)行實(shí)時燃燒優(yōu)化，為燃煤鍋爐在深度調(diào)峰、多煤種等疊加因素下鍋爐穩(wěn)定、經(jīng)濟(jì)燃燒提供保障。

2、對于智能燃燒優(yōu)化控制系統(tǒng)，現(xiàn)有技術(shù)中已經(jīng)提出的方法如下：公開號為cn116241905a的發(fā)明專利申請公開的一種基于多目標(biāo)尋優(yōu)的燃燒優(yōu)化控制系統(tǒng)，其原理是大量試驗(yàn)數(shù)據(jù)基礎(chǔ)上，建立鍋爐燃燒優(yōu)化模型，采用智能粒子群尋優(yōu)算法,通過計(jì)算目標(biāo)函數(shù)獲得鍋爐燃燒模型中的各個最優(yōu)的輸入變量數(shù)據(jù),從而優(yōu)化燃燒控制系統(tǒng)，因鍋爐煤種復(fù)雜多變，該方法無法根據(jù)不同入爐煤質(zhì)信息實(shí)現(xiàn)精細(xì)化控制。公開號為cn116753538a的發(fā)明專利申請公開的一種用于燃煤電站的智慧燃燒優(yōu)化控制系統(tǒng)及辦法，包括預(yù)熱溫度確定系統(tǒng)、煤粉優(yōu)化發(fā)電預(yù)熱系統(tǒng)和鍋爐煤炭循環(huán)系統(tǒng)；預(yù)熱溫度確定系統(tǒng)，用于對輸送至燃煤電站鍋爐附近的待加熱煤粉煤種的識別和區(qū)分，匹配儲存的數(shù)據(jù),確定該煤種的預(yù)熱溫度；煤粉優(yōu)化發(fā)電預(yù)熱系統(tǒng),按照預(yù)熱溫度確定系統(tǒng)所設(shè)定的溫度，該方法根據(jù)煤種預(yù)熱溫度控制余熱系統(tǒng)設(shè)定溫度實(shí)現(xiàn)燃燒優(yōu)化控制。公開號為cn116123561a的發(fā)明專利申請公開的一種用于鍋爐燃燒的溫度優(yōu)化控制方法及系統(tǒng)，通過圖像采集裝置進(jìn)行目標(biāo)鍋爐的圖像采集,根據(jù)圖像采集結(jié)果和設(shè)計(jì)尺寸參數(shù)構(gòu)建三維擬合模型,通過三維擬合模型設(shè)定爐壁測溫點(diǎn)進(jìn)行紅外聲波測溫裝置布設(shè),并通過紅外聲波測溫裝置進(jìn)行溫度數(shù)據(jù)采集,獲得溫度數(shù)據(jù)采集集合,獲得目標(biāo)鍋爐的實(shí)時控制參數(shù)。該專利需要增設(shè)圖像采集設(shè)備，獲取爐膛實(shí)時溫度場，現(xiàn)場設(shè)備安裝費(fèi)用較高，且因?yàn)殄仩t爐膛工作環(huán)境惡劣(高溫、氣流擾動大)，設(shè)備可靠性不高。公開號為cn115753886a的一種電站鍋爐入爐煤質(zhì)實(shí)時測算方法利用鍋爐正平衡和反平衡相結(jié)合計(jì)算總熱量，根據(jù)燃煤收到基水分、灰分和發(fā)熱量之間的線性關(guān)系，實(shí)現(xiàn)對入爐煤質(zhì)測量，但煤質(zhì)隨煤種變化收到基水分、灰分和發(fā)熱量差異較大，無法通過線性關(guān)系獲得準(zhǔn)確的各成分關(guān)系。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題在于：解決燃煤機(jī)組燃燒入爐煤質(zhì)燃燒控制精度低的問題。

2、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

3、一種火電廠的燃煤機(jī)組燃燒優(yōu)化控制方法，包括：

4、s10，獲取包括磨煤機(jī)上的煤記錄及對應(yīng)的煤質(zhì)信息以及磨煤機(jī)的歷史運(yùn)行數(shù)據(jù)的歷史數(shù)據(jù)集；

5、s20，根據(jù)磨煤機(jī)熱平衡原理，結(jié)合歷史數(shù)據(jù)集，獲取煤質(zhì)實(shí)時水分；

6、s30，基于多層前饋神經(jīng)網(wǎng)絡(luò)，使用歷史數(shù)據(jù)集，建立煤質(zhì)發(fā)熱量回歸模型，獲取煤質(zhì)發(fā)熱量；

7、s40，根據(jù)煤質(zhì)發(fā)熱量和煤質(zhì)實(shí)時水分，獲取煤質(zhì)灰分；

8、s50，基于多層前饋神經(jīng)網(wǎng)絡(luò)，使用歷史數(shù)據(jù)集，建立煤質(zhì)揮發(fā)分回歸模型，獲取煤質(zhì)揮發(fā)分；

9、s60，獲取對燃煤機(jī)組歷史數(shù)據(jù)集進(jìn)行穩(wěn)態(tài)處理，將穩(wěn)態(tài)處理后的數(shù)據(jù)，結(jié)合煤質(zhì)實(shí)時水分、煤質(zhì)發(fā)熱量、煤質(zhì)灰分以及煤質(zhì)揮發(fā)分作為入爐煤質(zhì)信息；

10、s70，使用入爐煤質(zhì)信息，基于多層前饋神經(jīng)網(wǎng)絡(luò)，建立預(yù)測scr入口nox濃度、再熱器a、b側(cè)減溫水、空預(yù)器入口排煙溫度、水冷壁、末級再熱器最高壁溫、末級過熱器、再熱器出口蒸汽溫度的煤質(zhì)預(yù)測模型；

11、s80，以煤質(zhì)預(yù)測模型輸出的scr入口nox濃度、再熱器a、b側(cè)減溫水、空預(yù)器入口排煙溫度、水冷壁、末級過熱器、末級再熱器最高壁溫、再熱器出口蒸汽溫度為評價函數(shù)，設(shè)置各參數(shù)權(quán)重；

12、s90，對比各參數(shù)的預(yù)測數(shù)據(jù)與各參數(shù)的歷史最優(yōu)數(shù)據(jù)，確定各參數(shù)當(dāng)前工況綜合評價指標(biāo)，使用遺傳優(yōu)化算法優(yōu)化運(yùn)行氧量、各二次風(fēng)、燃盡風(fēng)門開度大小，在遺傳算法優(yōu)化時，在各參數(shù)的歷史數(shù)據(jù)中篩選當(dāng)前負(fù)荷區(qū)間、上煤方式的歷史最優(yōu)工況作為遺傳算法初始種群，進(jìn)行優(yōu)化運(yùn)算，獲取當(dāng)前工況最優(yōu)優(yōu)化運(yùn)行參數(shù)，輸出進(jìn)行控制。

13、在本發(fā)明的一實(shí)施例中，通過以下公式，獲取煤質(zhì)實(shí)時水分：

14、

15、其中，

16、式中，mm為給煤機(jī)給煤量，t/h；mf為磨煤機(jī)入口一次風(fēng)量，t/h；t1為磨煤機(jī)入口一次風(fēng)溫度，℃；t2為磨煤機(jī)出口風(fēng)粉混合物溫度，℃；k為可磨系數(shù)；w為磨煤機(jī)功率，kw；c1為磨煤機(jī)入口干燥劑比熱，kj/kg*℃；c2為磨煤機(jī)出口干燥劑比熱，kj/kg*℃；clk為冷空氣的比熱，kj/kg*℃；mar為煤收到基水分，crd為煤的干燥機(jī)比熱，kj/kg*℃；tlk為漏入冷空氣的溫度，℃；tr為煤進(jìn)入系統(tǒng)的溫度，℃；δm為蒸發(fā)水分消耗的熱量qz和每kg原煤在磨煤機(jī)中蒸發(fā)掉的水量，klf為磨煤機(jī)的漏風(fēng)系數(shù)；r90為煤粉細(xì)度，％；q5為分系統(tǒng)散熱損失，kw；knm為磨煤機(jī)輸入功率轉(zhuǎn)化為熱量的系數(shù)；mar為收到基水分；mmf為煤粉水分。

17、在本發(fā)明的一實(shí)施例中，煤質(zhì)發(fā)熱量回歸模型的搭建方法，包括以下步驟：

18、s31，建立輸入矩陣x[1]＝[n,m]，其中n表示歷史數(shù)據(jù)集個數(shù)，m表示輸入變量個數(shù)；

19、s32，隨機(jī)初始化：權(quán)重矩陣w[1]＝[m,q]，誤差b[1]＝[1,q]，a[1]＝x[1]w[1]+b[1]，其中q為第一隱含層節(jié)點(diǎn)數(shù)量；a[1]為第一層神經(jīng)網(wǎng)絡(luò)的計(jì)算結(jié)果矩陣；

20、s33，獲取第一隱含層的輸出z[1]＝sigmod(a[1])；

21、s34，將第一隱含層的輸出z[1]作為第二隱含層輸入?yún)?shù)，以此類推，獲取第f隱含層的輸出z[4]，輸出變量為1，以第f隱含層的輸出z[4]作為輸入變量，重復(fù)s33計(jì)算輸出層輸出目標(biāo)變量的預(yù)測值使用l2范數(shù)損失函數(shù)計(jì)算預(yù)測值與目標(biāo)變量實(shí)際值y的損失；

22、s35，根據(jù)l2范數(shù)損失函數(shù)s更新各隱含層w[i]、b[i]；

23、s36，完成更新后，重復(fù)s33至s35，迭代n次，計(jì)算預(yù)測值與目標(biāo)變量實(shí)際值y的均方根誤差mse。

24、在本發(fā)明的一實(shí)施例中，煤質(zhì)揮發(fā)分回歸模型、煤質(zhì)預(yù)測模型的搭建方法與煤質(zhì)發(fā)熱量回歸模型的搭建方法相同。

25、在本發(fā)明的一實(shí)施例中，煤質(zhì)灰分通過以下公式獲?。?/p>

26、

27、其中，aar為入爐煤收到基灰分，％，qnet,ar為入爐煤收到基低位發(fā)熱量，kj/kg，mar為入爐煤收到基水分，％。

28、在本發(fā)明的一實(shí)施例中，對燃煤機(jī)組歷史數(shù)據(jù)集進(jìn)行穩(wěn)態(tài)處理，包括：判斷一分鐘內(nèi)兩組工況的各磨煤機(jī)給煤量差值絕對值是否大于10t/h或各二次風(fēng)開度變化是否大于20或各二次風(fēng)箱入口電動調(diào)節(jié)擋板開度變化是否大于10或各sofa燃盡風(fēng)開度變化大于20或各煙氣再循環(huán)風(fēng)機(jī)變頻器速度給定值偏差大于10；當(dāng)上述條件有一項(xiàng)滿足，則認(rèn)為工況處于波動狀態(tài)，剔除與該工況間隔15分鐘內(nèi)數(shù)據(jù)。

29、在本發(fā)明的一實(shí)施例中，單一參數(shù)評價值＝|參數(shù)預(yù)測值-歷史最優(yōu)值|/歷史最優(yōu)值作為單一參數(shù)評價值。

30、在本發(fā)明的一實(shí)施例中，對各評價參數(shù)設(shè)置全助攻，其中，pj為單一參數(shù)評價值，hj為各參數(shù)權(quán)重，j表示為參數(shù)個數(shù)，j表示為最后一項(xiàng)參數(shù)。

31、在本發(fā)明的一實(shí)施例中，獲取當(dāng)前工況最優(yōu)優(yōu)化運(yùn)行參數(shù)，輸出進(jìn)行控制，包括：

32、s91，對運(yùn)行氧量、各二次風(fēng)、各燃盡風(fēng)門開度進(jìn)行數(shù)值編碼；

33、s92，根據(jù)總評價值，建立適應(yīng)度函數(shù)；

34、s93，建立初始種群：在入爐煤質(zhì)信息中篩選不同負(fù)荷區(qū)間、不同磨煤機(jī)組合方式的歷史最優(yōu)工況作為遺傳算法初始種群；

35、s94，選取個體復(fù)制：將初始工況的單一工況按照一定比例將排列靠前的個體進(jìn)行復(fù)制進(jìn)化，舍去排列靠后的個體；

36、s95，交叉變異：染色體a和染色體b，在c點(diǎn)交叉，通過遺傳算法，獲取新個體a1和b1；

37、s96，個體評價：計(jì)算新個體的適應(yīng)度，以判斷經(jīng)過遺傳迭代后產(chǎn)生的新工況是否優(yōu)于前工況，若滿足設(shè)定的適應(yīng)度則進(jìn)行下一步操作，若不滿足則重新進(jìn)行步驟s94，進(jìn)行第二輪迭代，直至滿足設(shè)計(jì)要求或達(dá)到最大迭代次數(shù)；

38、s97，輸出結(jié)果：輸出優(yōu)化后的運(yùn)行氧量、二次風(fēng)門、燃盡風(fēng)門開度；實(shí)現(xiàn)鍋爐實(shí)時燃燒控制。

39、在本發(fā)明的一實(shí)施例中，適應(yīng)度函數(shù)通過以下公式獲取：

40、式中，f為適應(yīng)度函數(shù)，e為總評價值。

41、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明在不增加測點(diǎn)，不進(jìn)行技術(shù)改造基礎(chǔ)上提出了一種基于入爐煤質(zhì)實(shí)時監(jiān)測的燃煤機(jī)組燃燒優(yōu)化控制方法，對各磨煤機(jī)入爐煤質(zhì)實(shí)時監(jiān)測可對燃燒優(yōu)化控制起到指導(dǎo)作用，基于歷史數(shù)據(jù)的燃燒優(yōu)化尋優(yōu)方法，更貼近運(yùn)行實(shí)際且節(jié)省了大量計(jì)算時間。