基于人工神经网络原理的锅炉受热面智能吹灰方法.pdf

(19)中华人民共和国国家知识产权局*CN103062781A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103062781103062781A(43)申请公布日2013.04.24(21)申请号201310006298.2(22)申请日2013.01.08(71)申请人北京世纪源博科技股份有限公司地址100036北京市丰台区金家村288号华信大厦综合楼一层(72)发明人余立新(74)专利代理机构北京中创阳光知识产权代理有限责任公司11003代理人张飙(51)Int.Cl.F23J3/00(2006.01)权权利要求书1页利要求书1页说明书4页说明书4页附图2页附图2页(54)发明名称基于人工神经网络原理的锅炉受热面智能吹灰方法(57)摘要本发明公开了一种基于人工神经网络原理的锅炉受热面智能吹灰方法，该方法具体为，采用具有高度非线性映射能力的计算模型—BP神经网络，通过温度检测数据和锅炉DAS数据，利用人工神经网络原理，对网络进行训练，模拟计算锅炉受热面灰污系数，并将训练好的吹灰人工神经网络用于实时监测受热面积灰和结渣，当监测到某受热面灰污系数超过一阀值时，系统即自动判定该受热面已积灰或结焦严重，开始对其进行吹渣、吹灰。本发明由于采用智能方式除灰，避免了定时吹灰的缺陷，同时达到节能的目的。CN103062781ACN1036278ACN103062781A权利要求书1/1页1.基于人工神经网络原理的锅炉受热面智能吹灰方法，其特征在于，该方法具体为：1）根据受热面温度与当地局部热流存在一一对应关系，为了获得锅炉受热面热流，在锅炉受热面各部分别设置温度检测点，并把所测量的温度数据作为BP神经网络的输入端检测变量；2）由于受热面热流受到锅炉运行条件的影响，把锅炉运行数据采集系统的DAS数据作为BP神经网络的输入端条件变量；3）采用具有高度非线性映射能力的计算模型-BP（Backpropagation）神经网络，来模拟计算锅炉受热面灰污系数；BP神经网络以锅炉运行DAS数据和锅炉受热面温度检测数据作为输入，以锅炉各受热面灰污系数λi作为输出。灰污系数λi定义为：qi为锅炉实际运行时某一受热面处的热流，受热面温度与当地局部热流存在一一对应关系，依据检测获得的受热面温度，通过神经网络模拟获得；qoi为锅炉受热面洁净时的热流，该值可以通过锅炉热力计算获得；4）通过温度检测数据和DAS数据，把炉内受热面监测到的一些工况下的炉内局部热流作为样本点，利用人工神经网络原理，对网络进行训练，得出各种工况下炉内受热面各部的局部热流和灰污系数，并对各部受热面的灰污系数设定阀值；5）利用已训练好的人工神经网络，监测受热面积灰和结渣，当某受热面灰污系数超过一阀值时，系统即自动判定该受热面已积灰或结焦严重，开始对其进行吹渣、吹灰。2.如权利要求1所述的基于人工神经网络原理的锅炉受热面智能吹灰方法，其特征在于，所述步骤1）中锅炉内的受热面包括水冷壁和对流受热面。3.如权利要求1所述的基于人工神经网络原理的锅炉受热面智能吹灰方法，其特征在于，所述步骤1）中通过在受热面设置温度检测点，实时测得炉内各部位的局部实际热流。4.如权利要求1所述的基于人工神经网络原理的锅炉受热面智能吹灰方法，其特征在于，所述步骤2）中DAS数据包括负荷（蒸汽流量）、压力、进风量、风温、煤量、煤值、燃烧器投运方式、对流受热面进口烟温。5.如权利要求1所述的基于人工神经网络原理的锅炉受热面智能吹灰方法，其特征在于，所述BP神经网络由三层神经元组成，具有一个输入层，一个输出层和一个隐含中间层。6.如权利要求1所述的基于人工神经网络原理的锅炉受热面智能吹灰方法，其特征在于，所述人工神经网络的训练过程为：依据传热学原理计算各受热面的热流，同时测得洁净的受热面温差，以此作为学习样本，依据BP神经网络自学习能力，通过不断调整输入层与隐含层之间的权重因子以及隐含层与输出层之间的权重因子，达到训练网络的目的。2CN103062781A说明书1/4页基于人工神经网络原理的锅炉受热面智能吹灰方法技术领域[0001]本发明涉及锅炉受热面吹灰技术领域，尤其涉及一种基于人工神经网络原理的锅炉受热面智能吹灰方法。背景技术[0002]在我国火力发电机组中，随着燃煤量的不断增加和劣质煤的大量使用，有相当一部分存在着不同程度的炉膛结焦问题，轻者使其受热面传热不良，降低锅炉的出力和热效率，增加NOx排放等；严重时炉膛结焦，在高温对流过热器的管子上搭桥，破坏炉内的空气动力场，使炉内燃烧工况恶化，迫使机组降负荷运行，更甚者如大块灰渣同时落下，还会造成锅炉保护动作导致停炉或砸坏冷灰斗，导致被迫停炉甚至可能造成炉膛爆炸事故，严重影响发电机组的安全运行。同时，锅炉尾部受热面积也经常出现严重积灰，影响传热和烟气的流通