[发明专利]一种混合智能锅炉效率燃烧优化模型更新方法

摘要

本发明提出了一种混合智能锅炉效率燃烧优化模型更新方法，目前锅炉效率在线实时优化一直是困扰行业研究人员的一个难题，因为煤种的变化和燃烧规律的时变性会导致模型预测误差增大，进而导致锅炉燃烧优化失效。本发明方法具体是构造了一个可以判别模型是否需要更新，切更新时先修正在进行重新建模的模型更新方法，其可以有效及时的更新模型，从而提高模型的预测精度。本发明方法既可以在线优化也可以离线优化。

主权项

1.一种混合智能锅炉效率燃烧优化模型更新方法，其特征在于，该方法的步骤包括：步骤(1)基于锅炉燃烧专业知识与实验研究，构造与锅炉燃烧效率正相关的标准指标其中ΔT＝T₁‑T₂，T₁为炉膛表征温度，通过非接触式温度测量仪测量获得，T₂为尾部烟道表征温度，取空预器后温度或省煤器后温度，从锅炉燃烧的DCS系统获得或直接测量获得；k*为电厂锅炉的设计煤种每吨燃煤产生烟气量系数，φ为单位时间燃煤量；指标与锅炉燃烧效率正相关；通过优化指标进而实现优化锅炉燃烧效率的目标，步骤(2)建立预测误差指标：其中为根据步骤(1)所计算的与锅炉效率正相关的指标真实值，为由基于建模算法所建立的运行参数与锅炉效率正相关指标的数据模型预测值；设定ρ≤α，其中α为人工设定的误差允许值；当ρ＞α时，为预测误差超出允许范围，将超出预测允许误差的工况数据输入超出允许预测误差数据库；根据采样间隔时间，当连续出现超过30次预测误差超出允许范围，则判定模型需要更新；进入步骤(3)；步骤(3)模型更新首先取修正系数将原模型预测值乘以修正系数后作为模型输出，即其中φ′₂为修正后的新模型输出值；返回步骤(2)的判断，看修正后是否符合预测误差的允许范围；如果修正后ρ≤α，则完成模型更新，继续运行，同时说明误差超出允许范围是由煤质参数变化引起；如果修正后，还有连续30次预测误差超出允许范围，则进行数据模型修正，进入步骤(4)；步骤(4)采用数据建模算法建立数据模型，应用超出允许预测误差数据库中的最新60组数据，建立指标φ′2与锅炉运行参数间的模型；所述的锅炉运行参数包括各层的一次风速、各层的二次风速、炉膛出口烟气含氧量及燃尽风速，具体建模方法如下：用于建模样本的输入参数及表征指标φ′₂的输出参数表示为其中x_i表示第i组作为输入数据的锅炉运行参数向量，y_i表示第i组作为输出参数表征指标φ′₂，N为样本数量，以超出允许预测误差数据库中的最新60组数据为基础，建立锅炉运行参数与指标φ′₂间的模型；以下建模数学过程为成熟通用的支持向量机理论建模过程，其数学推导见于支持向量机理论书籍，在此仅作简要叙述；支持向量机核函数选为径向基函数：σ为径向基函数的宽度，该表示形式为标准形式；φ(x)为映射函数，设所求的目标函数为：f(xi)＝w·φ(xi)+b，f(xi)为模型输出的锅炉燃烧状态的特征指标预测值，w为权重系数向量，b为截距；引入松弛因子ξ*i≥0和ξi≥0和允许拟合误差ε，并设样本点中有k(0≤k＜N)个点的误差超出允许拟合误差ε，模型通过在约束：条件下，最小化：获得，其中常数C>0为惩罚因子；该最小化问题为一个凸二次规划问题，引入拉格朗日函数：其中：为拉格朗日乘数；在鞍点处，函数L是关于w,b,ξ_i,ξ_i^*的极小点，也是α_i,γ_i,极大点，最小化问题转化为求其对偶问题的最大化问题；拉格朗日函数L在鞍点处是关于w,b,ξi,ξi*极小点，得：可得拉格朗日函数的对偶函数：此时，按照库恩‑塔克(KKT)条件定理，在鞍点有下式成立：由上式可见，αi·αi*＝0,αi和αi*都不会同时为非零，可得：从上式求出b，获得模型；模型中惩罚因子C和径向基核函数的宽度σ的数值的确定，采用优化算法寻优获得；步骤(5)、删除原有模型，采用步骤(4)所建新模型为锅炉工况热效率预测模型，继续进行锅炉的燃烧优化；步骤(4)所建模型与原模型在规律上存在不同，由于锅炉燃烧规律的渐变性导致，非燃煤因素原因；模型更新后保证预测误差在允许范围内，从而更好地进行锅炉燃烧优化。