一種火電機組鍋爐混煤優(yōu)化配煤方案獲取方法
【專利摘要】一種火電機組鍋爐混煤優(yōu)化配煤方案的獲取方法，所述方法根據(jù)鍋爐效率最大、混煤成本最低及污染物排放最小為目標函數(shù)，建立優(yōu)化配煤數(shù)學模型，包括：多目標模糊數(shù)學模型、鍋爐NOx排放預測模型、鍋爐效率計算模型，使入爐配煤方案更具合理性，以保證鍋爐運行的經(jīng)濟性和環(huán)保性。所述方法包括以鍋爐效率最大、混煤成本最低及污染物排放最小為目標函，并以鍋爐NOx排放預測模型、多目標模糊決策模型及鍋爐效率計算模型為基礎，建立優(yōu)化配煤數(shù)學模型；采用支持向量機技術實現(xiàn)預測和多目標模糊數(shù)學技術實現(xiàn)優(yōu)化。本發(fā)明方法適用于火電機組鍋爐混煤優(yōu)化配煤方案的獲取方法。
【專利說明】
一種火電機組鍋爐混煤優(yōu)化配煤方案獲取方法
技術領域
[0001] 本發(fā)明涉及一種火電機組鍋爐混煤優(yōu)化配煤方案獲取方法，屬火電機組運行混煤 燃燒優(yōu)化技術領域。
【背景技術】
[0002] 當前我國電力生產(chǎn)主要以燃煤發(fā)電為主，而電廠供應煤種大部分呈現(xiàn)多元化，品 種多且特性差異大，如將不同種類的原煤直接送入鍋爐燃燒，由于各組分煤的燃燒特性不 同，使鍋爐燃燼程度差、燃燒效率低、結(jié)焦、滅火、受熱面超溫爆管和污染物排放超標等問題 時有發(fā)生，嚴重影響鍋爐運行的安全性和經(jīng)濟性，不利于電網(wǎng)的穩(wěn)定生產(chǎn)。因此，對于各種 不同特性的燃煤，需要一種較為科學合理的摻配方法，使入爐煤能適應鍋爐正常運行要求， 指導電廠優(yōu)化配煤，達到既能提高鍋爐效率，降低發(fā)電的生產(chǎn)成本，又能減小鍋爐污染物的 排放，保證鍋爐安全行和經(jīng)濟行，維護電網(wǎng)的穩(wěn)定運行。
[0003] 鍋爐混煤優(yōu)化配煤方案獲取方法是火電機組運行的一項重要技術。鍋爐混煤優(yōu)化 配煤方案獲取方法一般通過建立火電廠進煤單煤數(shù)據(jù)庫，根據(jù)鍋爐運行要求，以低位發(fā)熱 量、揮發(fā)份、水份、灰分和煤價作為目標量，作為設置權重指標，采用多目標模糊數(shù)學模型， 得到符合要求的多種混煤配比組合;基于支持向量機算法，建立鍋爐NOx排放預測模型，根 據(jù)不同混煤煤質(zhì)參數(shù)和電廠SIS歷史數(shù)據(jù)庫，獲得鍋爐NOx排放的預測值;建立鍋爐效率計 算簡化模型，根據(jù)不同混煤煤質(zhì)數(shù)據(jù)，獲得對應的鍋爐效率值；以鍋爐效率、煤價和NOx的排 放量作為目標量，采用多目標模糊數(shù)學模型，得到最優(yōu)配煤方案，將最優(yōu)配煤組合方式提供 給燃運管理中心，可實現(xiàn)在線快速最優(yōu)配煤方案。因此，鍋爐混煤優(yōu)化配煤方案獲取方法的 關鍵是多目標模糊數(shù)學模型、神經(jīng)網(wǎng)絡預測模型、鍋爐效率計算模型。
[0004] 目前火電機組混煤優(yōu)化配煤方案，涉及鍋爐側(cè)高效率、低成本及低污染的配煤方 案的確定，主要依據(jù)是對比多種混煤配煤方案，參考鍋爐歷史性能試驗數(shù)據(jù)，結(jié)合運行人員 經(jīng)驗確定。由于電廠煤源的多樣性和復雜性，配煤組合數(shù)量可能很大，極大的增加了工作人 員篩選的難度，且人工誤差較大，很難充分考慮煤種配比差異對最佳值的影響，缺乏準確 性。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是，根據(jù)現(xiàn)有火電鍋爐側(cè)混煤優(yōu)化配煤方案獲取方法確定存在的問 題，本發(fā)明提出一種火電機組鍋爐混煤優(yōu)化配煤方案獲取方法。
[0006] 實現(xiàn)本發(fā)明的技術方案是，一種火電機組鍋爐混煤優(yōu)化配煤方案獲取方法，采用 多目標模糊決策技術和支持向量機算法技術，根據(jù)鍋爐效率最大、混煤成本最低及污染物 排放最小為目標函數(shù)，建立優(yōu)化配煤數(shù)學模型，包括:多目標模糊數(shù)學模型、NOx排放預測模 型、鍋爐效率計算模型，使入爐煤質(zhì)更具合理性，以保證鍋爐運行的經(jīng)濟性及合理性。
[0007] 本發(fā)明一種火電機組混煤優(yōu)化配煤方案獲取方法步驟為：
[0008] (1)采集電站鍋爐日常用單煤數(shù)據(jù)，建立單煤煤質(zhì)信息數(shù)據(jù)庫；
[0009] (2)按照鍋爐燃燒需要，以低位發(fā)熱量、揮發(fā)份、水份、灰分和煤價作為目標函數(shù)， 建立多目標模糊數(shù)學模型，得到符合要求的多組混煤煤質(zhì)參數(shù)結(jié)果，標記為"多組混煤煤質(zhì) 參數(shù)結(jié)果"，其中包括綜合煤價，記為"綜合煤價"；
[0010] (3)建立鍋爐NOx排放預測模型，根據(jù)所述多組混煤煤質(zhì)參數(shù)結(jié)果及電廠運行SIS 歷史數(shù)據(jù)，獲得鍋爐NOx排放的預測值，標記為"NOx預測值"；
[0011] (4)建立鍋爐效率計算簡化模型，根據(jù)該機組現(xiàn)場性能試驗數(shù)據(jù)庫和電廠SIS歷史 數(shù)據(jù)庫，并基于所述多組混煤煤質(zhì)參數(shù)結(jié)果，獲得對應的鍋爐效率值，記為"鍋爐效率n" ；
[0012] (5)根據(jù)所述鍋爐效率q、所述綜合煤價和所述NOx預測值作為目標量，建立多目標 模糊數(shù)學模型，獲得最優(yōu)配煤方案；
[0013] 本發(fā)明鍋爐NOx排放預測模型，包括主成分分析、支持向量機算法和遺傳算法等。
[0014] 本發(fā)明方法與現(xiàn)有技術比較的有益效果是，本發(fā)明方法采用多目標模糊數(shù)學技術 和支持向量機算法技術，根據(jù)組現(xiàn)場性能試驗數(shù)據(jù)庫和電廠SIS歷史數(shù)據(jù)庫，建立的鍋爐 NOx排放預測模型預測鍋爐NOx排放量，并以鍋爐效率最大、NOx排放最低及混煤價格最低為 目標函數(shù)建立的多目標模糊數(shù)學模型，使獲得混煤配煤方案更具合理性，以保證鍋爐運行 的經(jīng)濟性及環(huán)保性。
[0015] 本發(fā)明方法適用于火電機組鍋爐最優(yōu)配煤方案方法的獲取。
【附圖說明】
[0016] 圖1為鍋爐混煤優(yōu)化配煤方案獲取方法模型；
[0017]圖2為鍋爐NOx排放預須_型。
【具體實施方式】
[0018] 本發(fā)明是針對電站鍋爐最優(yōu)配煤方案難以確定問題，提出的一種鍋爐高效低污染 優(yōu)化配煤方案的獲取方法。如圖1所示，具體實施方法是：
[0019] (1)采集電站鍋爐日常用單煤數(shù)據(jù)，建立單煤煤質(zhì)信息數(shù)據(jù)庫；
[0020] (2)按照鍋爐燃燒需要，以低位發(fā)熱量、揮發(fā)份、水份、灰分和煤價作為目標函數(shù)， 建立多目標模糊數(shù)學模型，得到符合要求的多組混煤煤質(zhì)參數(shù)結(jié)果，標記為"多組混煤煤質(zhì) 參數(shù)結(jié)果"，其中包括綜合煤價，記為"綜合煤價"；
[0021] (3)建立鍋爐NOx排放預測模型，根據(jù)(2) "多組混煤煤質(zhì)參數(shù)結(jié)果"及電廠運行SIS 歷史數(shù)據(jù)，獲得鍋爐NOx排放的預測值，標記為"NOx預測值"；
[0022] (4)建立鍋爐效率計算簡化模型，根據(jù)該機組現(xiàn)場性能試驗數(shù)據(jù)庫和電廠SIS歷史 數(shù)據(jù)庫，并基于(2) "多組混煤煤質(zhì)參數(shù)結(jié)果"，獲得對應的鍋爐效率值，記為"鍋爐效率n" ；
[0023] (5)根據(jù)(4) "鍋爐效率n"、（2)"綜合煤價"和(3) "NOx預測值"作為目標量，建立多 目標模糊數(shù)學模型，獲得最優(yōu)配煤方案；
[0024] 本發(fā)明方法與現(xiàn)有技術比較的有益效果是，本發(fā)明方法采用多目標模糊數(shù)學技術 和支持向量機算法技術，根據(jù)組現(xiàn)場性能試驗數(shù)據(jù)庫和電廠SIS歷史數(shù)據(jù)庫，建立的鍋爐 NOx排放預測模型預測鍋爐NOx排放量，并以鍋爐效率最大、NOx排放最低及混煤價格最低為 目標函數(shù)建立的多目標模糊數(shù)學模型，使獲得混煤配煤方案更具合理性，以保證鍋爐運行 的經(jīng)濟性及環(huán)保性。
[0025]鍋爐混煤優(yōu)化配煤方案模型如圖1所示。
[0026]鍋爐NOx排放預測模型，包括主成分分析法、支持向量機算法和遺傳算法。
[0027] 1)主成分分析
[0028] 主成分分析是一種分析、簡化數(shù)據(jù)集的技術。它將最初可能相關的變量通過正交 變換轉(zhuǎn)化為一組線性無關的變量。在代數(shù)中，它表現(xiàn)為原向量的協(xié)方差矩陣或相關矩陣轉(zhuǎn) 換成對角矩陣;在幾何上，原坐標系轉(zhuǎn)換成一個新的正交坐標系。該轉(zhuǎn)換使得樣本點分布傾 向于最廣泛的P個正交方向。主成分分析可以從數(shù)據(jù)集中提取出重要信息，并用被稱為主成 分的一系列新的正交變量表示原有數(shù)據(jù)集。
[0029] 主成分分析主要是通過對協(xié)方差矩陣進行特征分解，以得出數(shù)據(jù)的主成分（即特 征向量)與它們的權值（即特征值）。主成分分析是最簡單的以特征量分析多元統(tǒng)計分布的 方法。其結(jié)果可以理解為對原數(shù)據(jù)中的方差做出解釋：哪一個方向上的數(shù)據(jù)值對方差的影 響最大？即主成分分析提供了一種降低數(shù)據(jù)維度的有效辦法;如果分析者在原數(shù)據(jù)中除掉 最小的特征值所對應的成分，那么所得的低維度數(shù)據(jù)必定是最優(yōu)化的（也即，這樣降低維度 必定是失去訊息最少的方法）。主成分分析在分析復雜數(shù)據(jù)時尤為有用。
[0030] 2)支持向量機
[0031 ] 支持向量機算法（support vector machine，SVM)的基本原理是：將原本線性不可 分的訓練數(shù)據(jù)集非線性地映射到一個高維特征空間，從而變得線性可分，隨后在特征空間 建立一個具有最大隔離距離的最優(yōu)分離超平面。SVM最吸引人的地方在于其在學習中應用 了結(jié)構風險最小化思想（SRM)，而不是像ANN應用傳統(tǒng)的經(jīng)驗風險最小化原則(ERM)，這在理 論上被證明具有更好的泛化推廣能力。
[0032] 在解決回歸問題時，輸入樣本x首先通過非線性映射〇 (x)映射到一個高維的特征 空間，然后在這個特征空間中建立一個線性模型來擬合樣本，公式如下：
[0033] f(x,w) =w ? <}) (x)+b (1)
[0034] 其中，w為權向量;b為閾值。對于給定的訓練數(shù)據(jù)集(yl ,xl), (y2,x2)…（yl ,xl)， 引入e不敏感損失函數(shù)，對應的支持向量機稱為支持向量機，則其約束優(yōu)化問題可表示為
[0036] 式(2)的優(yōu)化問題可通過引入拉格朗日乘子將其轉(zhuǎn)化為對偶問題，通過解對偶問 題得到式(1)的解：
[0037] fix) - V(a( ~a])K{xrx) i-h ^ (3)
[0038] 其中，<^，4(2'.= 1，:.2,-|)為拉格朗日乘子，只有一小部分不為0，它們對應的樣本就 是支持向量(Support Vector，SV) ;nsv為支持向量的個數(shù);K(xi，x)為核函數(shù)。通常采用徑向 基核函數(shù)：
[0039] K(xi，x) = exp(_入 | | x_xi | |2) (4)
[0040] 其中，A為核函數(shù)。
[0041 ]由式(2)~式(4)可知，控制C，e和A就可以控制支持向量機的推廣能力，因此，如何 合理快速地選擇上述3個參數(shù)成為影響SVM實際應用效果和范圍的關鍵。
[0042] 3)遺傳算法
[0043]遺傳算法(Genetic Algorithm，GA)是模仿自然界生物進化機制發(fā)展起來的隨機 全局搜索和優(yōu)化方法，是一種典型的啟發(fā)式算法，可用于SVM快速獲得最優(yōu)控制參數(shù)。該算 法借鑒了達爾文的進化論和孟德爾的遺傳學說，其本質(zhì)是一種高效、并行、全局搜索的方 法，能在搜索過程中自動獲取和積累有關搜索空間的知識，并自適應地控制搜索過程以求 得最優(yōu)解。遺傳算法操作使用適者生存的原則，在潛在的解決方案種群中逐次產(chǎn)生一個近 似最優(yōu)解的方案，在遺傳算法的每一代中，根據(jù)個體在問題域中的適應度值和從自然遺傳 學中借鑒來的再造方法(選擇、交叉、變異)進行個體選擇，產(chǎn)生一個新的近似解。這個過程 導致種群中個體的進化，得到的新個體比原來個體更能適應環(huán)境，逐漸趨于設計者的理想 方向，通過足夠的進化次數(shù)后就可以找到相對滿意的結(jié)果。
【主權項】
1. 一種火電機組鍋爐優(yōu)化配煤方案獲取方法，其特征在于，所述方法根據(jù)鍋爐效率最 大、混煤成本最低及污染物排放最小為目標函數(shù)，建立優(yōu)化配煤數(shù)學模型，包括:多目標模 糊數(shù)學模型、鍋爐NOx排放預測模型、鍋爐效率計算模型，使入爐煤質(zhì)更具合理性，以保證鍋 爐運行的經(jīng)濟性及合理性； 所述方法的步驟為： (1) 采集電站鍋爐日常用單煤數(shù)據(jù)，建立單煤煤質(zhì)信息數(shù)據(jù)庫； (2) 按照鍋爐燃燒需要，以低位發(fā)熱量、揮發(fā)份、水份、灰分和煤價作為目標函數(shù)，建立 多目標模糊數(shù)學模型，得到符合要求的多組混煤煤質(zhì)參數(shù)結(jié)果，標記為"多組混煤煤質(zhì)參數(shù) 結(jié)果"，其中包括綜合煤價，記為"綜合煤價"； (3) 建立鍋爐NOx排放預測模型，根據(jù)所述多組混煤煤質(zhì)參數(shù)結(jié)果及電廠運行SIS歷史 數(shù)據(jù)，獲得鍋爐NOx排放的預測值，標記為"NOx預測值"； (4) 建立鍋爐效率計算簡化模型，根據(jù)該機組現(xiàn)場性能試驗數(shù)據(jù)庫和電廠SIS歷史數(shù)據(jù) 庫，并基于所述多組混煤煤質(zhì)參數(shù)結(jié)果，獲得對應的鍋爐效率值，記為"鍋爐效率η" ； (5) 根據(jù)所述鍋爐效率η、所述綜合煤價和所述NOx預測值作為目標量，建立多目標模糊 數(shù)學模型，獲得最優(yōu)配煤方案。2. 根據(jù)權利要求1所述的一種火電機組鍋爐優(yōu)化配煤方案獲取方法，其特征在于，所述 鍋爐NOx排放預測模型，包括主成分分析法、支持向量機算法和遺傳算法。
【文檔編號】G06Q10/04GK105894109SQ201610194751
【公開日】2016年8月24日
【申請日】2016年3月31日
【發(fā)明人】桂良明, 夏永俊, 劉發(fā)圣
【申請人】國網(wǎng)江西省電力科學研究院, 國家電網(wǎng)公司