一种超超临界煤粉锅炉炉膛结渣预测系统及方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111242279A(43)申请公布日2020.06.05(21)申请号202010004935.2G06Q50/06(2012.01)(22)申请日2020.01.03(71)申请人浙江浙能技术研究院有限公司地址311121浙江省杭州市余杭区五常街道余杭塘路2159-1号1幢5楼申请人西安交通大学(72)发明人项群扬王准裘立春刘丹杨冬(74)专利代理机构杭州九洲专利事务所有限公司33101代理人张羽振(51)Int.Cl.G06N3/04(2006.01)G06N3/08(2006.01)G06Q10/04(2012.01)权利要求书4页说明书9页附图4页(54)发明名称一种超超临界煤粉锅炉炉膛结渣预测系统及方法(57)摘要本发明涉及一种超超临界煤粉锅炉炉膛结渣预测系统，包括：包括电站锅炉数据库、神经网络算法系统和在线服务系统；所述电站锅炉数据库包括DCS数据库、红外传感器测试数据模块和煤质检测结果数据模块；所述神经网络算法系统包括模糊化算法模块和神经网络算法模块。本发明的有益效果是：采用RPROP算法，将电站DCS数据库嵌入该系统，将该系统嵌入在线服务系统，实现了锅炉炉膛结渣状况的实时、在线监测，更有利于电站工作人员随时对锅炉运行状况进行监测与优化调整；利用模糊神经网络算法，较为准确地对炉膛结渣情况进行预测；无需单独购买硬件设施；该系统能够指导电厂人员及时进行优化运行调整，使用简单方便。CN111242279ACN111242279A权利要求书1/4页1.一种超超临界煤粉锅炉炉膛结渣预测系统，其特征在于：包括电站锅炉数据库、神经网络算法系统和在线服务系统；所述电站锅炉数据库包括DCS数据库、红外传感器测试数据模块和煤质检测结果数据模块；所述神经网络算法系统包括模糊化算法模块和神经网络算法模块；所述DCS数据库用于获取水冷壁内工质的运行参数；所述运行参数包括：水冷壁内工质压力P和水冷壁内工质流量Q；所述红外传感器测试数据模块用于测试炉膛出口处红外传感器测得的炉膛出口烟温T；所述煤质检测结果数据模块用于获取煤灰特性参数，所述煤灰特性参数包括软化温度t2、硅铝比SiO2/Al2O3、碱酸比B/A和综合指数R；所述模糊化算法模块的输入值为DCS数据库、红外传感器测试数据模块和煤质检测结果数据模块的数据；模糊化算法模块对输入值进行部分模糊化处理：软化温度t2、硅铝比SiO2/Al2O3、碱酸比B/A和综合指数R四个参数通过各自三角形隶属函数进行模糊化处理；炉膛出口烟温T、水冷壁内工质压力P以及水冷壁内工质流量Q不做处理；所述神经网络算法模块采用模糊算法串联RPROP算法的方式进行结渣倾向预测，模糊化处理后的输出值为第一隐层的输出值；将第一隐层的输出值作为神经网络的输入值，通过神经网络算法模块的第一隐层与第二隐层、第二隐层与输出值之间权值、阈值的调整，对该网络进行训练；将现运行的水冷壁内工质压力P、水冷壁内工质流量Q、炉膛出口烟温T、软化温度t2、硅铝比SiO2/Al2O3、碱酸比B/A和综合指数R作为神经网络系统的输入值，经网络计算获得炉膛结渣预测结果。2.根据权利要求1所述的超超临界煤粉锅炉炉膛结渣预测系统，其特征在于：所述神经网络算法模块的输入层节点数为7；第一隐层节点数为15；第二节隐层节点数为7～15；所述神经网络算法模块的输出层节点数为1，所述输出层节点为热有效性系数ψ；热有效性系数ψ的定义为：2上式中，qt为投射辐射热流，单位为W/m；qft为反方向辐射热流；qyx为有效吸收热流，qyx＝qt-qft，qyx为投射辐射热流与反方向辐射热流的差值；预先通过试验获得不同输入值情况下的炉膛热有效性系数，作为神经网路的学习值。3.根据权利要求1所述的超超临界煤粉锅炉炉膛结渣预测系统，其特征在于：所述红外传感器位于炉膛出口左右墙各自1/3观火孔处；每台红外传感器发射出11条测量路线，每隔5°测量一个温度值，每台红外传感器共摆动50°，以红外传感器测量温度值的平均值作为神经网络算法系统的输入值。4.一种如权利要求1所述的超超临界煤粉锅炉炉膛结渣预测系统的预测方法，其特征在于，包括以下步骤：1)、获取电站已有运行参数，所述电站已有运行参数包括DCS数据库获取的水冷壁内工质压力P和水冷壁内工质流量Q、红外传感器测得的炉膛出口烟温T、煤质检测结果数据模块获取的软化温度t2、硅铝比SiO2/Al2O3、碱酸比B/A和综合指数R；将电站已有运行参数作为神经网络系统的输入值，将试验获得的热有效性系数ψ作为神经网络系统的输出值；2CN111242279A权利要求书2/4页2)、通过三角形隶属函数按照各自结渣倾向评判指标将步骤1)所述神经网络系统的输入值进行部分模糊化处理