专利名称：锅炉燃烧在线优化方法
技术领域：
本发明涉及锅炉信息控制领域，特别是涉及ー种锅炉燃烧在线优化方法。
背景技术：
我国的发电厂大多以煤为主要燃料，近年来由于电煤供应较为紧张，锅炉燃煤变化较为頻繁，实际燃用煤种常常都偏离设计值，从而会直接影响锅炉运行的经济性和安全性。 现有供煤及配煤系统存在许多不完善之处，加之电站燃用煤质难以得到保障，同时随着超临界、超超临界机组的投运，对锅炉燃烧运行提出了更高的要求。锅炉的燃烧计划是节能减排的重要技术手段，它能够确保锅炉的安全、平稳和经济运行。
发明内容
本发明主要解决的技术问题是提供一种锅炉燃烧在线优化方法，能够提高锅炉运行的经济性、稳定性和安全性，采用燃烧优化技术后NOx排放量可以下降209Γ30%，排烟温度降低，飞灰含碳量降低，提高了锅炉的效率，減少各种损失，保证锅炉正常稳定的汽压、汽温和蒸汽量，提高了整个机组的效率。为解决上述技术问题，本发明采用的一个技术方案是提供ー种锅炉燃烧在线优化方法，包括如下步骤
a、通过机组对锅炉的实时运行參数进行监测，并对參数进行记录确定；
b、对參数进行比较，并提供最优值曲线指导；
C、采用人工智能神经网络技术建立锅炉的燃烧特性优化数学模型；
d、利用遗传算法或模拟退火法对锅炉的燃烧特性进行优化；
e、对燃烧优化參数作为长期趋势数据保存，并对具有累积效应的參数进行累计监测和存储。在本发明ー个较佳实施例中，所述建模方式还米用支持向量机技术。在本发明ー个较佳实施例中，所述建模中采用的试验方法为正交法。在本发明ー个较佳实施例中，所述建模过程中采集的数据为结构上的分布均匀值和数量上的均等值。在本发明ー个较佳实施例中，所述锅炉的实时运行參数包括锅炉的负荷、煤种、各层的一次风门风速、各层的二次风门风速和燃尽风门开度。在本发明ー个较佳实施例中，所述锅炉的燃烧特性优化值包括NOx排放值、各层的一次风门风速优化值、各层的二次风门风速优化值、燃尽风门开度优化值和氧量优化控制值。在本发明ー个较佳实施例中，所述锅炉的NOx燃烧过程为迭代次数曲线。本发明的有益效果是本发明锅炉燃烧在线优化方法能够提高锅炉运行的经济性、稳定性和安全性，采用燃烧优化技术后NOx排放量可以下降209Γ30%，排烟温度降低，飞灰含碳量降低，提高了锅炉的效率，減少各种损失，保证锅炉正常稳定的汽压、汽温和蒸汽量，提高了整个机组的效率。
具体实施例方式下面对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。本发明实施例包括
一种锅炉燃烧在线优化方法，包括如下步骤
a、通过机组对锅炉的实时运行參数进行监测，并对參数进行记录确定；
b、对參数进行比较，并提供最优值曲线指导；
C、采用人工智能神经网络技术或支持向量机技术建立锅炉的燃烧特性优化数学模
型；
d、利用遗传算法或模拟退火法对锅炉的燃烧特性进行优化；
e、对燃烧优化參数作为长期趋势数据保存，并对具有累积效应的參数进行累计监测和存储，可以实现对机组设备的在线监测，能够诶设备安排合理的工作计划和检修计划提供參考。本发明中，所述建模中采用的试验方法为正交法。正交法适用于多因素且因素之间存在交互作用及具有随机误差的试验，具有工作量小、信息量丰富的特点，且能够实现对各影响因素进行组合简化试验。正交法应用在锅炉燃烧优化试验中，可以掌握多种因素的共同影响，通过合理的试验分析各因素对试验指标的作用，并按照重要度找出主次关系，确定最佳的运行參数。所述建模过程中采集的数据为结构上的分布均匀值和数量上的均等值，即不同结构中位于不同点的数据应该相等或接近，这样能够保证试验的成功率和准确率。所述锅炉的实时运行參数包括锅炉的负荷、煤种、各层的一次风门风速、各层的ニ次风门风速和燃尽风门开度。所述锅炉的燃烧特性优化值包括NOx排放值、各层的一次风门风速优化值、各层的二次风门风速优化值、燃尽风门开度优化值和氧量优化控制值。其中，锅炉的NOx燃烧过程为迭代次数曲线。本发明中，通过采用建模试验方法，可以实现锅炉燃用不同煤种、不同负荷条件下的运行參数的全局优化，获得最低的NOx排放值和最大的锅炉效率下的各层的一次风门风速优化值、各层的二次风门风速优化值、燃尽风门开度优化值和氧量优化控制值。本发明锅炉燃烧在线优化方法的有益效果是
能够提高锅炉运行的经济性、稳定性和安全性，采用燃烧优化技术后NOx排放量可以下降209Γ30%，排烟温度降低，飞灰含碳量降低，提高了锅炉的效率，減少各种损失，保证锅炉正常稳定的汽压、汽温和蒸汽量，提高了整个机组的效率。以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。权利要求
1.一种锅炉燃烧在线优化方法，其特征在于，包括如下步骤 a、通过机组对锅炉的实时运行参数进行监测，并对参数进行记录确定； b、对参数进行比较，并提供最优值曲线指导； C、采用人工智能神经网络技术建立锅炉的燃烧特性优化数学模型； d、利用遗传算法或模拟退火法对锅炉的燃烧特性进行优化； e、对燃烧优化参数作为长期趋势数据保存，并对具有累积效应的参数进行累计监测和存储。
2.根据权利要求I所述的锅炉燃烧在线优化方法，其特征在于，所述建模方式还采用支持向量机技术。
3.根据权利要求I所述的锅炉燃烧在线优化方法，其特征在于，所述建模中采用的试验方法为正交法。
4.根据权利要求I所述的锅炉燃烧在线优化方法，其特征在于，所述建模过程中采集的数据为结构上的分布均匀值和数量上的均等值。
5.根据权利要求I所述的锅炉燃烧在线优化方法，其特征在于，所述锅炉的实时运行参数包括锅炉的负荷、煤种、各层的一次风门风速、各层的二次风门风速和燃尽风门开度。
6.根据权利要求I所述的锅炉燃烧在线优化方法，其特征在于，所述锅炉的燃烧特性优化值包括NOx排放值、各层的一次风门风速优化值、各层的二次风门风速优化值、燃尽风门开度优化值和氧量优化控制值。
7.根据权利要求6所述的锅炉燃烧在线优化方法，其特征在于，所述锅炉的NOx燃烧过程为迭代次数曲线。
全文摘要
本发明公开了一种锅炉燃烧在线优化方法，包括如下步骤先通过机组对锅炉的实时运行参数进行监测，并对参数进行记录确定；其次对参数进行比较，并提供最优值曲线指导；然后采用人工智能神经网络技术建立锅炉的燃烧特性优化数学模型；再利用遗传算法或模拟退火法对锅炉的燃烧特性进行优化；最后对燃烧优化参数作为长期趋势数据保存，并对具有累积效应的参数进行累计监测和存储。通过上述方式，本发明能够提高锅炉运行的经济性，采用燃烧优化技术后NOx排放量可以下降20%~30%，排烟温度降低，飞灰含碳量降低，提高了锅炉的效率，减少各种损失，提高了整个机组的效率。
文档编号F23N5/00GK102679391SQ20121015743
公开日2012年9月19日 申请日期2012年5月21日 优先权日2012年5月21日
发明者羊建新, 胡士超 申请人:常州市新港热电有限公司