多变负荷下内嵌算法融合的多目标锅炉燃烧优化控制方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115111601A(43)申请公布日2022.09.27(21)申请号202210785624.3(22)申请日2022.07.04(71)申请人浙江大学地址310027浙江省杭州市西湖区浙大路38号申请人浙江大学嘉兴研究院(72)发明人郑成航高翔苏秋凤张悠周灿张涌新吴卫红姚龙超杨洋赵中阳张霄(74)专利代理机构杭州君度专利代理事务所(特殊普通合伙)33240专利代理师郑芳(51)Int.Cl.F23N5/00(2006.01)权利要求书3页说明书12页附图10页(54)发明名称多变负荷下内嵌算法融合的多目标锅炉燃烧优化控制方法(57)摘要本发明涉及一种多变负荷下内嵌算法融合的多目标锅炉燃烧优化控制方法，所述算法融合为随机森林算法与遗传算法融合构建多目标锅炉燃烧优化控制方法；多目标锅炉燃烧优化控制包括锅炉、风烟系统、DCS控制系统、在线监测系统、算法融合软件和模型预测控制器硬件；在锅炉燃烧优化控制寻优过程中实现减污提效。本发明基于算法融合，实现数据算法优势互补，使预测模型的精确度和稳定性更好，控制系统优化指令的可靠性更好；本发明可以实现锅炉燃烧出口NOx浓度以及热效率的精准预测，为高效低耗燃烧优化调节提供了预报信息；基于算法融合开展多目标锅炉燃烧优化，实现炉膛出口NOX浓度降低15％以上，同时锅炉热效率提高0.2％～0.6％。CN115111601ACN115111601A权利要求书1/3页1.一种多变负荷下内嵌算法融合的多目标锅炉燃烧优化控制方法，其特征在于：所述算法融合为随机森林算法与遗传算法融合构建多目标锅炉燃烧优化控制方法；所述多目标锅炉燃烧优化控制包括锅炉、风烟系统、DCS控制系统、在线监测系统、算法融合软件和模型预测控制器硬件；在锅炉燃烧优化控制寻优过程中实现减污提效；所述多目标锅炉燃烧优化指基于算法融合同时针对影响NOX排放浓度和锅炉热效率的特征参数进行燃烧运行参数寻优；所述多变负荷条件指燃煤锅炉在最低稳燃负荷和最大连续蒸发量负荷工况区间随发电负荷调整而实时变化的锅炉负荷或其他条件引起的锅炉负荷变化；所述多目标锅炉燃烧优化控制方法，操作步骤如下：(1)采集锅炉历史数据和实时数据，建立运行参数数据库；(2)基于随机森林算法建立NOX和锅炉热效率预测模型；(3)确立预测模型评价指标；(4)基于遗传算法建立优化目标和约束，对燃烧过程进行优化，在所有运行工况中寻优获得多目标锅炉燃烧优化控制的Pareto前沿；(5)基于算法融合的优化方法形成静态优化+动态控制的模型预测控制器；(6)基于算法融合的锅炉燃烧优化控制方法根据锅炉运行情况实时调整运行参数，从而算法融合获得最优运行参数。2.根据权利要求1所述多变负荷下内嵌算法融合的多目标锅炉燃烧优化控制方法，其特征在于：所述随机森林算法根据Spearman系数，合并或删除锅炉燃烧系统运行参数的多余特征，通过筛选变量数据提前预测NOX排放趋势和锅炉热效率变化趋势；所述Spearman的随机森林算法建模流程包括：(1)数据预处理；(2)选取特征；(3)根据Spearman系数，合并或删除多余特征，减少建模时间；(4)划分输入特征和预测输出值；所述输入特征包括锅炉负荷、给煤量、炉膛温度和总风量，所述输出值包括锅炉出口NOX浓度和锅炉热效率；(5)选取t时间段的输入特征代入随机森林模型，设置预测所需的时间步长m，获得t+m时间段的预测值；(6)将预测值与实际t+m时间段的测量值进行比较分析；(7)模型预测效果评价；所述遗传算法引入特征参数快速排序法，降低锅炉运行数据引起的计算复杂度，减少数据计算损耗的时间，解决了包括负荷、煤耗和风门开度在内的共享参数调控难题，保持了特征参数的多样性，同时将特征参数与更新的特征参数子代数据混合，最大程度优选预测模型的计算参数，实现锅炉燃烧优化精准调控。3.根据权利要求1所述多变负荷下内嵌算法融合的多目标锅炉燃烧优化控制方法，其特征在于：影响锅炉NOX生成量的因素包括设计参数、运行参数和煤粉特性；所述设计因素包括燃烧方式和燃烧分布；所述运行参数包括机组负荷、过量空气系数、二次风配风方式和燃烬风风量；所述煤粉特性包括煤粉含氮量、挥发分含量和煤粉细度；影响锅炉热效率的因素包括排烟热损失、化学热损失、机械热损失、散热损失和灰渣热2CN115111601A权利要求书2/3页损失，影响上述5种热损失的因素包括锅炉炉型、燃烧器、锅炉负荷、炉膛温度、磨煤机出力及配磨方式、一次风风速和二次风风速。4.根据权利要求2所述多变负荷下内嵌算法融合的多目标锅炉燃烧优化控制方法，其特征在于：步骤(1)中，所述数据预处理基于历史数据时间步长，从粗大值处理、吹扫过程处理和数据平滑处理三个方面进行数据异常点及平滑方向处理，提