一种电站煤粉锅炉烟气流量软测量方法.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CN110619929A(43)申请公布日2019.12.27(21)申请号201910890192.0G06Q10/04(2012.01)(22)申请日2019.09.20G06Q50/06(2012.01)(71)申请人华中科技大学地址430074湖北省武汉市洪山区珞喻路1037号申请人广东省能源集团有限公司沙角C电厂(72)发明人谭鹏饶德备李一波李壮扬吴小庚李权仲柳方庆艳张成陈刚(74)专利代理机构武汉东喻专利代理事务所(普通合伙)42224代理人宋敏(51)Int.Cl.G16C10/00(2019.01)权利要求书2页说明书5页附图1页(54)发明名称一种电站煤粉锅炉烟气流量软测量方法(57)摘要本发明提出一种电站煤粉锅炉烟气流量软测量方法,利用收集煤质数据(包括工业分析和元素分析)，使用元素分析计算煤的理论空气量和理论烟气量，通过机器学习算法分别建立煤的工业分析和理论空气量及工业分析和理论烟气量的关系模型，模型可以使用工业分析直接估算煤种的理论烟气量和理论空气量，通过模型得出煤种的理论烟气量和理论空气量，锅炉磨煤机的给煤量、锅炉过量空气系数和烟气中CO占比，即可计算锅炉烟气量。CN110619929ACN110619929A权利要求书1/2页1.一种电站煤粉锅炉烟气流量软测量方法，其特征在于，包括如下步骤：(1)收集煤质数据：收集包含工业分析和元素分析的收到基煤质数据；(2)利用煤质数据的元素分析计算理论空气量V0和理论烟气量(3)建立工业分析与理论空气量的机器学习模型：利用步骤(2)计算的理论空气量，以工业分析数据作为输入，工业分析包括水分、灰分、挥发分、硫分、低位发热量数据，理论空气量作为输出建立新的数据集，并进行归一化处理，按照预定比例将数据集随机划分为训练集和测试集；利用训练集建立机器学习模型，所得模型为H1，并使用测试集对所建立的模型进行验证；得到用工业分析估算的理论空气量为：其中Mar、Aar、Var、Qnet、Sar分别表示收到基水分、收到基灰分、收到基挥发分、低位发热量、收到基硫分；(4)建立工业分析与理论烟气量的机器学习模型：利用步骤(2)计算的理论烟气量，以工业分析数据作为输入，工业分析包括水分、灰分、挥发分、硫分、低位发热量数据，理论烟气量作为输出建立新的数据集，并进行归一化处理，按照预定比例将数据集随机划分为训练集和测试集；利用训练集建立机器学习模型，所得模型为H2，并使用测试集对所建立的模型进行验证；得到工业分析估算的理论烟气量为：(5)计算单个煤种的实际烟气量：实际烟气量计算公式为其中V0和使用工业分析模型H1和H2估算的和代替；过量空气系数O2为烟气中氧气占干烟气的提及百分含量；CO的排放量VCO＝CO(ppm)×Vy，CO(ppm)为电站所测的CO浓度，单位为ppm；所以实际烟气量的估算值为：(6)计算锅炉的总烟气量：设磨煤机X的给煤量为m(X)，根据磨煤机X的煤种的煤质信息，由步骤(5)估算的实际烟气量为各磨煤机的给煤量和实际烟气量均按此得出；则锅炉的总烟气量qs为各个磨煤机烟气量之和：2.如权利要求1所述的电站煤粉锅炉烟气流量软测量方法，其特征在于：在步骤(3)中，利用步骤(2)计算的理论空气量，使用机器学习算法进行建模，以工业分析数据作为输入，理论空气量作为输出。3.如权利要求1所述的电站煤粉锅炉烟气流量软测量方法，其特征在于：在步骤(4)中，利用步骤(2)计算的理论烟气量，使用机器学习算法进行建模，以工业分析数据作为输入，理论烟气量作为输出。2CN110619929A权利要求书2/2页4.如权利要求2或3所述的电站煤粉锅炉烟气流量软测量方法，其特征在于：所述使用机器学习算法进行建模具体为使用神经网络算法进行建模。5.如权利要求2或3所述的电站煤粉锅炉烟气流量软测量方法，其特征在于：所述使用机器学习算法进行建模具体为使用支持向量机进行建模。6.如权利要求1所述的电站煤粉锅炉烟气流量软测量方法，其特征在于：步骤(1)-(4)可离线进行，而步骤(5)和步骤(6)必须在线进行，其中步骤(5)中的过量空气系数α、CO浓度、步骤(6)中各个磨煤机的煤质和给煤量，均为锅炉SIS/DCS系统和配煤掺烧系统的实时数据。7.如权利要求1所述的电站煤粉锅炉烟气流量软测量方法，其特征在于：在步骤(3)和步骤(4)中，按照7：3的比例将数据集随机划分为训练集和测试集。3CN110619929A说明书1/5页一种电站煤粉锅炉烟气流量软测量方法技术领域[0001]本发明属于煤燃烧技术领域，具体涉及一种电站煤粉锅炉烟气流量软测量方法。背景技术[0002]锅炉烟气量在环保指标计算和锅炉运行控制中具有重要作用，但是由于电厂实际运行过程中经