一种基于数据驱动及智能算法的锅炉燃烧优化***、方法和
装置
技术领域
本专利直接涉及锅炉燃烧优化技术领域。具体而言,涉及一种基于数据驱动及智能算法的锅炉燃烧优化***、方法和装置。
背景技术
随着我国能源结构发生着快速变化,风能、太阳能等新能源所占比例日益增长,火电厂目前面临越来越大的压力。同时,锅炉运行受电网负荷、燃料种类、环境温度等因素的影响,机组的实际运行状态实时变化。要实现锅炉高效低污染运行,就必须对锅炉的给煤量、给风量、给水量、燃烧器摆角等参实时数进行优化调节。
目前电站锅炉采用的DCS控制***能实现对锅炉的运行控制及参数监测,但随着锅炉设备运行状态及燃料种类的变化,在实际运行过程中也可能存在锅炉燃烧炉膛温度分布不均、水冷壁结焦、排烟温度偏差大等问题,因此有必要在现有DCS控制***基础上进行锅炉燃烧优化,实现给煤量、给风量、给水量、燃烧器摆角精确化调节,使锅炉燃烧能达到其最佳运行状态。
随着人工智能控制技术及大数据挖掘的发展,可视化、信息化、智能化成为锅炉运行的发展趋势。通过挖掘DCS***的海量历史数据并对数学模型进行训练,获得精细的模型更准确地反映炉内的燃烧状况,诊断炉内燃烧过程的故障及分析燃烧经济性,并通过建立数据库对实时运行数据进行寻优,为运行人员提供参数调整的参考,实现锅炉运行的优化。因此,基于数据驱动及智能算法的锅炉燃烧优化对提高锅炉高效低污染运行,降低运行成本,使锅炉燃烧优化技术在我国的推广应用具有十分重要的意义。
发明内容
本专利提供了一种基于数据驱动及智能算法的锅炉燃烧优化***、方法和装置,以充分利用历史数据和智能算法,解决现有锅炉在DCS控制***下难以在最佳运行曲线范围内运行等诸多技术问题。
本专利实施例的一方面,提供了一种基于数据驱动及智能算法的锅炉燃烧优化***,该***包括数据管理***,所述的数据管理***实现从SIS***采集本***所需要的运行数据。对所述运行数据进行预处理,并将所述运行数据输出至智能优化***。
进一步地,所述从SIS***采集数据是通过SIS***OpenPlant数据库的WebService接口,利用OPAPI从所述SIS***OpenPlant数据库中按设定频率采集实时数据,经过交换机,中转服务器接收到采集的实时数据,所述实时数据通过筛选和过滤选择所需数据并传输到核心服务器的数据管理***中。
进一步地,所述数据管理***包含核心数据库,所述核心数据库内分为三个区域:实时数据库、历史数据库和优化数据库。所述实时数据库用于暂存此时刻的实时数据,所述历史数据库用于存放历史运行数据,所述优化数据库用于存放优化计算结果数据。
进一步地,所述数据管理***可以通过数据I/O操作层中的控制平台来调用和管理。
进一步地,所述数据I/O操作层模块由四个控制平台所构成,所述控制平台分别是实时数据库平台、历史数据库平台、数据管理平台和运行案例库平台。所述实时数据库平台对实时数据库中的运行数据进行管理;所述历史数据库平台是对历史数据库中的运行数据进行管理;所述数据管理平台是提取数据作为输入值,并从所述实时数据中选取优化计算所需输入值和输出值,将其传递到计算处理层模块;所述运行案例库平台用于优化计算后案例的比对,得出优化决策。
进一步地,所述锅炉燃烧优化***还包括智能优化***,与所述数据管理***连接,用于对所述实时运行数据进行计算,得到优化计算结果,并将所述优化计算结果输出至所述数据管理***。
进一步地,所述智能优化***包括计算处理模块、状态诊断模块及优化决策模块。
进一步地,所述计算处理模块由数据预处理算法和优化模型计算引擎构成,所述数据预处理算法接收到所述数据管理平台发送来的运行数据,将其进行归一化等预处理,并将处理后的数据传输至所述优化模型计算引擎;所述优化模型计算引擎接收预处理后的运行数据,将输入值导入优化算法当中。
进一步地,所述状态诊断模块由四个模块组成,分别是:运行输入、输出值管理、异常值判断模块、评价模块。所述运行输入、输出值管理模块接收到所述操作层发来的输入值、输出值后,将其作筛分、比对等处理,并将数据传输至所述异常值判断模块和所述评价模块;所述异常值判断模块通过比对输出值,得出异常数值,并将其发送到所述优化决策模块;所述评价模块是评价锅炉运行安全及经济性。
进一步地,所述优化决策模块由异常参数管理、优化可调值寻优、案例库管理、决策方案管理四个功能模块组成。所述异常参数管理接收从所述状态诊断模块当中的异常值判断发送过来的数据,并根据该异常参数和负荷进行优化可调值的寻优,结合比对所述案例库可以快速响应出最优的调整决策,并将该决策发送至所述决策方案管理,所述决策方案管理模块对决策进行记录后立即传输至所述数据管理***,所述数据管理***再将优化决策结果传输至显示***,显示出相应的决策建议。
进一步地,所述锅炉燃烧优化***还包括显示***,与所述数据管理***相连接,用于显示锅炉燃烧运行实时状态及优化建议指令。
进一步地,所述优化建议指令包括给煤指令、给风指令、给水指令、燃烧器摆角指令和锅炉燃烧状态指令。
进一步地,所述给煤指令包括总给煤量及各给煤机给煤量指令;所述给风指令包括一二次风总风量指令、二次风配风方式指令、燃尽风指令、周界风指令;所述给水指令包括给水温度指令及给水量指令。
根据本专利实施例的另一方面,还提供了一种基于数据驱动及智能算法的锅炉燃烧优化方法,通过对获取的锅炉燃烧运行实时数据进行计算处理对当前锅炉控制指令提供优化建议指令,得到的优化建议指令作用于锅炉燃烧控制***。
进一步地,所述优化方法流程包括案例库构建、案例最近邻检索、案例寻优。
进一步地,所述案例库构建基于所述锅炉历史数据,通过对历史数据的对比分析构建锅炉在各工况下的最佳运行参数集合(案例库),包括影响锅炉燃烧的各调节参数及燃烧状态判断的各特征参数。所述案例库中各案例均满足锅炉高效低污染运行。上述各工况的划分根据负荷、煤质、环境温度来确定,将库中的稳态运行记录划分到不同的工况。
进一步地,所述案例库构建所用历史数据均进行了数据清洗处理,将数据中不完整的数据段筛选掉;通过数据预处理,有效的剔除现场中的“脏数据”,获得运行中具有代表性的高质量数据,形成案例,并提供案例查询,所述数据预处理方法包括数据清理、数据归一化。
进一步地,所述案例最近邻检索根据所述当前锅炉运行工况对所述案例库中案例进行比较,通过智能算法检索出所述案例库中与当前案例相近的案例。所述智能算法包括KNN,K-means等。
进一步地,所述案例寻优是通过判断当前燃烧状态参数的异常情况,对当前案例与案例库案例进行比对,寻找使锅炉燃烧状态更好的最优案例,并将最优案例反馈给控制***。
进一步地,所述最优案例包含优化建议指令:给煤指令、给风指令、给水指令、燃烧器摆角指令和锅炉燃烧状态指令。
进一步地,所述给煤指令包括总给煤量及各给煤机给煤量指令;所述给风指令包括一二次风总风量指令、二次风配风方式指令、燃尽风指令、周界风指令;所述给水指令包括给水温度指令及给水量指令。
根据本专利实施例的另一方面,还提供了一种基于数据驱动及智能算法的锅炉燃烧优化装置,该优化装置包括数据管理模块、优化模块和显示模块。硬件设备包括:中转服务器、核心服务器、优化客户端。所述的中转服务器用于筛分从SIS***数据库中所采集的实时数据,并转送至核心服务器。所述核心服务器用于存放运行实时数据、历史数据、优化案例库以及预处理算法和优化算法,并将优化建议指令转送至优化客户端。所述优化客户端用于显示优化计算后的优化建议指令。
通过上述实施例,在现有的DCS控制***的基础上,增加燃烧优化装置,通过燃烧优化装置对当前运行数据进行案例优化处理,得到优化建议指令,优化建议指令以锅炉的当前运行数据为依据,实现对锅炉实时运行优化,实现给煤量、给风量、给水量、燃烧器摆角精确化调节,使锅炉燃烧能达到其最佳运行状态,解决了锅炉难以在最佳运行曲线范围内运行等问题,从而提高了锅炉发电的效率和品质。
附图说明
此处所说明的附图用来提供对本专利的进一步理解,构成本申请的一部分,本专利的示意性实施例及其说明用于解释本专利,并不构成对本专利的不当限定。在附图中:
图1是根据本专利实施例的一种锅炉燃烧优化***构架图;
图2是根据本专利实施例的数据管理***流程图;
图3是根据本专利实施例的数据传送模块流程图;
图4是根据本专利实施例的优化决策***流程图;
图5是根据本专利实施例的一种锅炉燃烧优化方法流程图;
图6是根据本专利实施例的一种锅炉燃烧优化装置示意图。
具体实施方式
为了使本技术领域的人员更好地理解本专利方案,下面将结合本专利实施例中的附图,对本专利实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利一部分的实施例,而不是全部的实施例。基于本专利中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本专利保护范围。
实施例1
图1是根据本专利实施例的锅炉燃烧优化***的构架图,如图所示,该构架包括数据层、中间层和应用层。
其中,所述的数据层实现数据采集、数据传送及数据管理。从SIS***采集本***所需要的运行数据,并对采集的数据实现管理。所述从SIS***采集数据是通过SIS***OpenPlant数据库的WebService接口,利用OPAPI从所述SIS***OpenPlant数据库中按设定频率采集实时数据,经过交换机,中转服务器接收到采集的实时数据,所述实时数据通过筛选和过滤选择所需数据并传输到核心服务器的数据管理***中,并将所述数据输出至中间层。
所述数据管理***包含核心数据库,所述核心数据库内分为三个区域:实时数据库、历史数据库和优化数据库。所述实时数据库用于暂存此时刻的实时数据,所述历史数据库用于存放历史运行数据,所述优化数据库用于存放优化计算结果数据。
具体地,数据管理***采集锅炉的实时运行参数,主要包括风粉测量值、炉膛温度测量值、炉膛风场测量值、炉膛氧量测量值、一氧化碳测量值、飞灰测量值等。
其中,所述的中间层与数据层连接,用于接收数据,对数据进行计算操作,得到计算结果,并将计算结果传递给应用层。所述中间层包含数据I/O操作层模块和数据计算处理层模块。
进一步地,所述数据I/O操作层模块由四个控制平台所构成,所述控制平台分别是实时数据库平台、历史数据库平台、数据管理平台和运行案例库平台。所述实时数据库平台对实时数据库中的运行数据进行管理;所述历史数据库平台是对历史数据库中的运行数据进行管理;所述数据管理平台是提取数据作为输入值,并从所述实时数据中选取优化计算所需输入值和输出值,将其传递到计算处理层模块;所述运行案例库平台用于优化计算后案例的比对,得出优化决策。
进一步地,所述计算处理模块由数据预处理算法和优化模型计算引擎构成,所述数据预处理算法接收到所述数据管理平台发送来的运行数据,将其进行归一化等预处理,并将处理后的数据传输至所述优化模型计算引擎;所述优化模型计算引擎接收预处理后的运行数据,将输入值导入优化算法当中。
其中,所述的应用层与中间层连接,用于对锅炉燃烧运行数据的计算结果进行状态诊断及优化决策及优化结果的显示。
进一步地,所述状态诊断模块由四个模块组成,分别是:运行输入、输出值管理、异常值判断模块、评价模块。所述运行输入、输出值管理模块接收到所述操作层发来的输入值、输出值后,将其作筛分、比对等处理,并将数据传输至所述异常值判断模块和所述评价模块;所述异常值判断模块通过对优化算法计算出的输出值进行分析,得出异常数值,并将其发送到所述优化决策模块;所述评价模块是评价锅炉运行安全及经济性。
进一步地,所述优化决策模块由异常参数管理、优化可调值寻优、案例库管理、决策方案管理四个功能模块组成。所述异常参数管理接收从所述状态诊断模块当中的异常值判断发送过来的数据,并根据该异常参数和负荷进行优化可调值的寻优,结合比对所述案例库可以快速响应出最优的调整决策,并将该决策发送至所述决策方案管理,所述决策方案管理模块对决策进行记录后立即传输至所述数据管理***,所述数据管理***再将优化决策结果传输至显示***,显示出相应的决策建议。
具体地,采集锅炉历史各工况运行参数,筛选出各负荷的最佳运行工况下对应的运行参数,对所述运行参数进行分析,也即对运行参数进行数据挖掘,并基于智能算法如神经网络算法、通过仿真试验,建立相应的数学模型,计算结果作为状态诊断模块的依据。
在本专利的上述实施例中,所述锅炉燃烧优化***还包括显示***,与所述数据管理***相连接,用于显示锅炉燃烧运行实时状态及优化指令。
通过上述实施例,可以将锅炉的实时运行参数、优化指令中的任意参数显示在显示***上,为运行人员提供锅炉的实时数据,以便运行人员判断锅炉是否处于最佳运行状态,从而进行操控。
进一步地,所述优化指令包括给煤指令、给风指令、给水指令、燃烧器摆角指令和锅炉燃烧状态指令。
进一步地,所述给煤指令包括总给煤量及各给煤机给煤量指令;所述给风指令包括一二次风总风量指令、二次风配风方式指令、燃尽风指令、周界风指令;所述给水指令包括给水温度指令及给水量指令。
在本专利的上述实施例中,给煤给风指令作用在于调节锅炉的风量和煤粉的配比,进而改善锅炉的炉膛燃烧情况。
下面结合图2详述本专利的上述实施例。如图2所示,该实施例的数据管理***包含核心数据库,核心数据库内分为三个区域:实时数据库、历史数据库和运行数据库。实时数据库用于暂存此时刻的实时数据,历史数据库用于存放历史运行数据。数据管理模块可以通过数据I/O操作层中的控制平台来调用和管理。
具体地,所述数据库***的服务设计支持WEB API/Web services及数据库对象数据的直送/传输接口。Web接口采集标准的Json格式返回数据,数据库的DB接口程序可支持任意主流的关系型数据库(Mysql数据库);所述服务将支持通过TCP的数据包发送与接收程序。所述数据库根据采集器配置采集业务数据,将各类业务***数据进行二次加工处理,包括字段映射、数据格式转换、数据匹配等,采集频率为30s采集一次,并且采集频率可由开发人员进行重新自定义设定,采集的数据点可由开发人员进行新增和删减。
下面结合图3详述本专利的上述实施例。如图3所示,数据转送模块由一台中转服务器构成,其功能是通过OPC/ODBC接口与SIS***的OpenPlant数据库对接,利用OPAPI调用OpenPlant数据库中的实时数据,并将数据转存到核心数据库当中。
下面结合图4详述本专利的上述实施例。如图4所示,优化决策模块由异常参数管理、优化可调值寻优、案例库管理、决策方案管理四个功能组成。异常参数管理接收从状态诊断模块当中的异常值判断发送过来的数据,并根据该异常参数和负荷进行优化可调值的寻优,结合比对案例库可以快速响应出最优的调整决策,并将该决策发送至决策方案管理,决策方案管理模块对决策进行记录后立即传输至优化客户端的显示模块,显示出相应的决策建议。
具体地,所述优化决策模块根据实时运行参数的输入值(负荷、煤质、环境温度等)通过智能算法检索对应工况的最优案例。
进一步地,运行输出值与案例库中输出值比对(包含锅炉效率、SCR入口NOx浓度值),若运行参数比案例库案例更优,则将此运行工况参数替换对应工况最佳案例,若案例库更优,则采用案例库中给煤指令、给风指令、给水指令、燃烧器摆角指令作为优化指令。
进一步地,通过构建遗传算法或粒子群算法,对该工况下最优案例进行可调值寻优,找到最优的调整方案。
在上述实施例中,基于电厂DCS控制***及丰富的数据资源,增加数据管理***和燃烧智能优化***组成基于数据驱动及智能算法的锅炉燃烧优化***,该***可以很好的完成优化决策给出的优化指令。
采用上述的基于数据驱动及智能算法的锅炉燃烧优化***,可以提高锅炉运行的调节能力。降低因运行工作人员人为因素造成的不良影响。优化模型即上述的指令模型为燃烧优化提供可能,在有效地降低的排放的同时,可以提高锅炉运行效率。
需要说明的是,在现有的锅炉燃烧优化***的基础上,增加更先进的测量***或测量方式可以实现对锅炉关键参数的在线监测,以更精确的响应优化指令。
通过上述实施例,根据获得的优化指令可以动态优化锅炉的燃烧情况,从而实现锅炉燃烧运行的高效低污染。
实施例2
图5是根据本专利实施例的锅炉燃烧优化方法流程图,如图所示,该优化方法包含如下步骤。
数据清洗:将历史数据中存在不完整的数据段过滤掉;采用科学的数据预处理方法,剔除现场中的“脏数据”,获得运行中具有代表性的高质量数据。
稳态库建立:将完整的运行记录进行判断,符合稳定性要求的运行记录作为稳定记录,记录其ID。
工况划分:按照负荷、煤质、环境温度等不同,将库中的稳态运行记录划分到不同的工况。
案例库构建:通过对大量历史数据的对比分析构建锅炉在各工况下的最佳运行工况集合。
近邻检索:在负荷相同基础上,对负荷、煤质、环境温度进行近邻检索,搜索到对应的含给煤、给风、给水、燃烧器摆角等可调节参数的案例。
优化建议:通过进行案例比对,提取出最优案例,选择最优案例中给煤、给风、给水、燃烧器摆角等参数作为优化建议。
知识提取:根据数据分析结果,提取出操作、状态、性能等数据之间的对应关系。有效的获得蕴含在内部的运行规律数据。
案例库的管理:对挖掘的结果案例知识库进行查看、管理、更新。
实施例3
图6是根据本专利实施例的一种锅炉燃烧优化装置的示意图,如图所示,该优化装置包括数据管理模块、优化模块和显示模块。
其中,数据管理模块,用于进行数据采集、传送、存储等。采集并暂存实时数据,存储历史运行数据,存储优化计算结果数据,并将实时数据传送至优化模块,将优化指令传送到显示模块。
其中,优化模块,用于接收数据管理模块传送来的实时数据,通过智能算法计算及案例库优化得到优化指令,并将优化指令传送到数据管理模块。
其中,显示模块,用于显示来自数据管理模块的锅炉燃烧运行实时数据及优化指令。
在本专利的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
以上所述仅是本专利的实施方式之一,应当指出,本专利的其他若干改进和润饰,也应视为本专利的保护范围。