CN110486749A - 一种火电机组锅炉燃烧优化控制方法及*** - Google Patents

Abstract

本申请涉及.一种火电机组锅炉燃烧优化控制方法及***，包括：(1)对历史运行数据进行分析处理，得到稳态运行数据集；(2)对稳态运行数据集进行数据挖掘，得到不同负荷工况下锅炉的历史最优燃烧效率，确定锅炉的燃烧优化基准参考值；(3)对燃烧试验数据进行分析处理，建立锅炉燃烧模型；(4)对实时运行数据进行分析处理，得到锅炉不同运行时刻的实时动态运行数据集；(5)采用寻优算法对实时运行数据进行优化，得到实时控制增量；(6)对运行控制基准和实时控制增量进行叠加，得到燃烧优化控制指令，对锅炉燃烧的运行状态进行在线校正。本发明锅炉燃烧优化控制的适应性强、适用范围广，解决锅炉燃烧控制的可扩展性和适应性弱的问题。

Description

一种火电机组锅炉燃烧优化控制方法及***

技术领域

本申请属于信息与控制技术领域，尤其是涉及一种火电机组锅炉燃烧优化控制方法及***。

背景技术

我国能源结构逐步优化,进一步强化对火电机组能效和灵活性的提升及其排放物的治理等要求。因此，发电企业迫切需要挖掘机组运行的潜力，提高机组运行效率，减少污染物排放，降低生产成本，以提高企业竞争力。

为实现上述目标，锅炉燃烧优化技术是一种可取的方案。它主要包括设备、运行、控制三个层面：(一)，通过对燃烧器、风门、受热面等设备的改造来实现锅炉的燃烧调整；(二)，通过在线检测锅炉燃烧的重要参数，指导运行人员调节锅炉燃烧；(三)，在分布式控制***(DCS)基础上，通过采用先进控制算法或人工智能技术来实现锅炉的燃烧优化。

锅炉燃烧调整试验虽然可以对机组的个别设备和工况点进行大致优化，但不能对整体燃烧工况进行***把控，且试验条件(如长期稳定极限负荷)往往很难满足。而从控制层面进行优化不需要对锅炉设备进行任何改造，能够充分利用锅炉历史运行数据、燃烧试验数据和原有DCS控制逻辑，结合锅炉实时运行状态数据和先进控制算法对机组进行自动灵活调节，不但可以减少运行人员的频繁操作，而且可以使机组在更宽的负荷运行范围内安全、高效、环保运行。因而，数据驱动的燃烧优化自动控制技术具有投资少、风险小、效果明显的优点，具有很大的研究价值和应用潜力。

目前，DCS控制逻辑中往往通过调节一次风门、二次风门、送风机叶片等设备的开度来实现磨出口温度、给粉速率、送风量、氧量等燃烧关键参数的闭环控制，其设定值往往根据锅炉厂设计参数或锅炉试验参数确定，这些参数会随着机组长期运行而改变。

近年来燃烧优化先进控制技术的研究也得到了发展，但这些成果主要关注锅炉燃烧过程的建模和优化方法，对锅炉燃烧相关数据的利用程度不够，可扩展性和适应性不强。

发明内容

本发明要解决的技术问题是：为解决现有技术中火电机组运行效率低，锅炉燃烧的污染物排放高的问题，以及目前对锅炉燃烧控制的可扩展性和适应性不强的问题，提供一种火电机组锅炉燃烧优化控制方法及***。

本发明解决其技术问题所采用的技术方案是：一种火电机组锅炉燃烧优化控制方法，包括如下步骤：

步骤1：收集火电机组锅炉燃烧的历史运行数据、燃烧试验数据和实时运行数据；

步骤2：对历史运行数据进行分析处理，计算各历史运行时刻对应的锅炉燃烧效率，同时进行锅炉燃烧过程的稳态检测，得到锅炉运行参数，从而得到锅炉在不同历史运行时刻对应的稳态运行数据集；

步骤3：对所述的稳态运行数据集进行数据挖掘，得到不同负荷工况下锅炉的历史最优燃烧效率，所述历史最优燃烧效率对应的锅炉运行状态数据即为锅炉的燃烧优化基准参考值；

步骤4：对燃烧试验数据进行分析处理，提炼出锅炉运行的试验数据集，根据所述试验数据集和稳态运行数据集，建立锅炉燃烧模型；

步骤5：对锅炉燃烧的实时运行数据进行分析处理，计算锅炉的实时燃烧效率，得到锅炉不同运行时刻对应的实时动态运行数据集；

步骤6：根据实时动态运行数据集和锅炉燃烧模型，采用寻优算法对实时运行数据进行优化，得到锅炉燃烧优化控制过程中的实时控制增量；

步骤7：对步骤3和步骤6得到的运行控制基准和实时控制增量进行叠加后，得到燃烧优化控制指令，用以对机组运行过程中锅炉燃烧的实时运行状态数据进行在线校正。

进一步地，根据本申请提供的火电机组锅炉燃烧优化控制方法，步骤2中，包括采用分段曲线拟合法进行锅炉燃烧过程的稳态检测。

进一步地，根据本申请提供的火电机组锅炉燃烧优化控制方法，步骤2和步骤5中，锅炉的燃烧效率包括采用热损失法在线计算，具体为：

η＝100-q₂-q₃-q₄-q₅-q₆

其中，η为锅炉的燃烧效率；

q₂为排烟热损失；

q₃为化学未完全燃烧热损失；

q₄为机械未完全燃烧热损失；

q₅为锅炉散热损失；

q₆为灰渣物理热损失。

进一步地，根据本申请提供的火电机组锅炉燃烧优化控制方法，步骤4中，锅炉燃烧模型的建模方法包括采用以径向基函数为核函数的最小二乘支持向量机的建模方法。

进一步地，根据本申请提供的火电机组锅炉燃烧优化控制方法，锅炉燃烧模型的输入变量包括机组负荷、燃料灰分、燃料挥发分、低位发热量、环境温度、氧量、一次风压、各层二次风门开度、各层燃尽风门开度；锅炉燃烧模型输出变量为锅炉燃烧效率、脱硝入口NOx浓度和风机总功率。

进一步地，根据本申请提供的火电机组锅炉燃烧优化控制方法，所述步骤4中，若要抑制大脉冲干扰，则采用限幅滤波法或中值滤波法进行实时滤波；若要抑制小幅度高频噪声，则采用算术平均法或滑动平均法或加权滑动平均法或一阶滞后法进行实时滤波。

进一步地，根据本申请提供的火电机组锅炉燃烧优化控制方法，步骤6中，所述寻优算法包括粒子群算法、蚁群算法和遗传算法。

本申请还提供了一种火电机组锅炉燃烧优化控制***，包括：

数据收集模块，用于收集火电机组锅炉燃烧的历史运行数据、燃烧试验数据和实时运行数据；

历史运行数据处理模块，用于对历史运行数据进行分析处理，计算各历史运行时刻对应的锅炉燃烧效率，同时进行锅炉燃烧过程的稳态检测，得到锅炉在不同历史运行时刻对应的稳态运行数据集；

燃烧试验数据处理模块，用于对燃烧试验数据进行分析处理，提炼出锅炉运行的试验数据集，根据所述试验数据集和稳态运行数据集，建立锅炉燃烧模型；

实时运行数据处理模块，用于对实时运行数据进行分析处理，计算锅炉的实时燃烧效率，得到锅炉不同运行时刻对应的实时动态运行数据集；

优化处理模块，用于对实时运行数据进行优化处理，得到锅炉燃烧优化控制过程中的实时控制增量；

在线校正模块，用于发出燃烧优化控制指令，对机组运行过程中锅炉燃烧的实时运行状态数据进行在线校正。

本发明的有益效果是：本发明方法充分利用锅炉稳态和动态运行信息，不局限于具体的稳态检测、数据处理、模型构建和算法寻优技术，适用于前后墙对冲燃烧、四角切圆燃烧、W火焰燃烧等不同燃烧型式的锅炉，可对机组正常运行工况下的全负荷范围进行优化。本发明方法既可以用于在线优化控制，也可以用于离线运行参考。

附图说明

下面结合附图和实施例对本申请的技术方案进一步说明。

图1是本申请实施例的方法流程图；

图2是本申请实施例的锅炉燃烧效率与负荷的关系图；

图3是本申请实施例的氧量与负荷的关系图；

图4是本申请实施例的燃烧优化控制***的主界面显示示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本申请的技术方案。

实施例

本实施例提供一种火电机组锅炉燃烧优化控制方法，如图1所示，包括：

步骤1：多源数据收集

收集火电机组锅炉运行的历史运行数据、燃烧试验数据和实时运行数据；

步骤2:建立稳态运行数据集

根据火电机组锅炉运行的历史运行数据，计算不同历史运行时刻t_i(i＝1,2,3….)对应的锅炉燃烧效率；

同时，对火电机组锅炉运行过程进行稳态检测，得到不同历史运行时刻对应的稳态运行数据集稳态运行数据集的规模随着火电机组的长期运行而不断增加。

该稳态运行数据集中包括不同历史运行时刻t_i对应的可接收指令的可调变量不可调状态量和不同历史运行时刻t_i对应的锅炉燃烧效率

步骤3：确立锅炉燃烧优化控制基准

对不同历史运行时刻对应的稳态运行数据集进行数据挖掘，得到不同负荷工况下，锅炉的历史最优燃烧效率，得到最优燃烧效率对应的锅炉运行状态数据点，所述锅炉运行状态数据点所在时刻对应的锅炉运行状态数据即为锅炉燃烧优化基准参考值，得到锅炉燃烧优化基准曲线，从而得到锅炉燃烧优化控制的控制基准；

步骤4：建立锅炉燃烧模型

根据锅炉的燃烧试验数据，首先对燃烧试验数据进行数据处理，提炼出锅炉运行的试验数据集，然后与稳态运行数据集结合，建立锅炉燃烧模型。

随着火电机组的长期运行，以及运行工况的不断变化，利用长期积累的历史稳态数据集，可不定期对锅炉燃烧模型进行自适应训练和更新，实现锅炉燃烧模型的迭代构建和完善。

步骤5：建立锅炉的实时动态运行数据集

实时收集火电机组锅炉的实时运行数据，对实时运行数据进行实时滤波，并计算锅炉的实时燃烧效率，得到不同运行时刻t_j(j＝1,2,3….)对应的实时动态运行数据集

其中，该实时动态运行数据集中包括不同运行时刻t_j对应的可接收指令的可调变量不可调状态量和不同运行时刻t_j对应的锅炉燃烧效率

步骤6：实时运行状态参数的优化

结合实时动态运行数据集和锅炉燃烧模型，采用寻优算法，对实时动态运行数据集中的实时运行状态参数进行优化，得到锅炉燃烧优化控制的实时控制增量。

本实施例的寻优算法采用粒子群算法，其他实施例中，也可采用蚁群算法、遗传算法等。

寻优算法的目标函数包括锅炉燃烧效率、脱硝入口的氮氧化物浓度、各大风机功耗。在对实时运行状态参数进行优化时，依据目标函数中权重的大小，将锅炉燃烧效率作为主要优化目标，脱硝入口的氮氧化物浓度排放和风机功耗作为次要优化目标。

步骤7：实时运行状态在线校正

对步骤3和步骤6得到的锅炉燃烧优化控制的控制基准和实时控制增量进行叠加后，得到燃烧优化控制指令，用以对机组运行过程中锅炉燃烧的实时运行状态数据进行在线校正。

本实施例的燃烧优化控制指令，一方面可以在火电机组投入燃烧优化控制模式后，对火电机组运行过程中锅炉的实时运行状态数据进行在线校正，另一方面可以显示在运行画面，作为运行操作人员的控制参考。

燃烧优化控制模式投入条件包括电源正常、通信信号正常、被调量在自动状态、被调设备无故障、负荷高于稳燃条件、未发生RUN BACK事件；当上述任一条件不满足，将自动退出燃烧优化控制模式。

在进一步的实施方案中，步骤2中采用稳态检测技术进行锅炉燃烧过程的稳稳态检测，可选的稳态检测方法有三类：(1)基于统计理论的稳态检测方法；(2)基于趋势提取的稳态检测方法；(3)基于机理分析的稳态检测方法。

步骤2和步骤5中锅炉燃烧效率的计算方法，在其中一个实施例中，可采用热损失法在线计算锅炉燃烧效率。

锅炉燃烧效率计算的输入变量包括：排烟过量空气系数、排烟温度、环境参考温度、CO的排放浓度、燃煤应用基低位发热量、收到基灰分、飞灰占入炉总灰量的份额、炉渣量占入炉总灰量的份额、飞灰含碳量、炉渣含碳量、锅炉额定负荷、锅炉实际负荷、飞灰比热容、炉渣比热容、炉膛排出的炉渣温度、排烟氧量。

作为一种实施例，步骤4可进一步采用人工神经网络的建模方法建立锅炉燃烧模型。其中，人工神经网络可采用BP网络或RBF网络或ART网络或Hopfield网络或卷积网络。其他实施例中，也可采用支持向量机或模糊建模，所述支持向量机可采用普通支持向量机或最小二乘支持向量机；所述模糊建模可采用Mamdani模糊模型或T-S模糊模型。

作为进一步优化的实施方式，步骤5中对实时运行数据进行的实时滤波需要针对不同波动幅度和波动时间的参数进行适度的调整。本实施例中，为克服大脉冲干扰，采用限幅滤波法进行实时滤波，其他实施例中也可选择中值滤波法；为抑制小幅度高频噪声，选择滑动平均法进行实时滤波，其他实施例中也可选择算术平均法或加权滑动平均法或一阶滞后法进行实时滤波。

下面以某600MW燃煤机组锅炉燃烧***为例，对本申请的锅炉燃烧优化控制方法进行进一步的说明：

本实施例的锅炉燃烧***为前后墙对冲燃烧方式，前、后墙各分三层布置12只低氮燃烧器。在前、后墙最上层共相向布置有12只燃尽风喷口。制粉***设计为六台中速磨，每台磨对应前墙或后墙的一层燃烧器。

依据图1所示的燃烧优化控制架构，将部分关键技术外置于独立的控制器中，通过可靠方式与DCS进行数据通信，以实现燃烧优化控制功能。

本实施例的优化控制方法具体如下：

步骤1，稳态运行数据集的建立

对历史运行数据的处理过程中，采用分段曲线拟合法进行锅炉燃烧过程的稳态检测，能较好克服数据噪声的影响。

通过历史运行数据计算不同历史运行时刻对应的锅炉燃烧效率，在进行锅炉燃烧效率计算前，首先采用不同时间尺度的滑动均值法对其进行滤波处理。

通过上述步骤，得到锅炉稳态运行状态数据集，稳态运行状态数据集的可调变量包括各层二次风门开度、燃尽风门开度、燃烧器摆角、磨煤机启停状态、氧量、各层给煤量、一次风压、一次风量、风箱差压、磨煤机出口温度。

稳态运行状态数据的不可调状态量包括机组负荷、煤质参数、环境温度、炉膛出口温度、主蒸汽温度、主蒸汽流量、主蒸汽压力、再热蒸汽温度、再热蒸汽压力。

本实施例采用热损失法在线计算锅炉燃烧效率，计算公式如下：

η＝100-q₂-q₃-q₄-q₅-q₆

q₂＝(k₁+k₂α_py)(t_py-t_ref)/100

q₃＝k₃Φ(CO)/9_net，ar

式中：η为锅炉燃烧效率；

q₂为排烟热损失；

q₃为化学未完全燃烧热损失；

q₄为机械未完全燃烧热损失；

q₅为锅炉散热损失；

q₆为灰渣物理热损失，％；

k₁、k₂为系数，对于烟煤和无烟煤，k₁＝0.4，k₂＝3.55，对于褐煤，k₁＝1.0，k₂＝3.7；

α_py为排烟过量空气系数；

t_py为排烟温度；

t_ref为环境参考温度，℃；

k₃为系数；

Φ(CO)为CO的排放浓度，％；

Q_net,ar为燃煤应用基低位发热量，kJ/kg；

A_sd为收到基灰分，％；

α_fh和α_lz分别为飞灰和炉渣量占入炉总灰量的份额；

C_fh,c和C_lz,c分别为飞灰含碳量和炉渣含碳量，％；

q_e为锅炉额定负荷下的散热损失，％；

D_ed为锅炉额定负荷；

D为锅炉实际负荷，MW；

c_fh为和c_lz分别为飞灰比热容和炉渣比热容，kJ/(kg·K)；

t_lz为炉膛排出的炉渣温度，℃；

Φ(O₂)为排烟氧量，％。

排烟氧量Φ(O₂)的计算公式如下：

式中：△为空预器漏风率，％；Φ_eco(O₂)为省煤器出口氧量，％。

步骤2，锅炉燃烧优化控制基准

基于某机组的长期运行数据，如图2显示了其锅炉燃烧效率与负荷的关系。可见，随着负荷的增加，锅炉燃烧效率呈先升后降的变化趋势，在中间负荷时达到最高。沿此图中数据点的上包络线可以得到不同负荷工况下的最高锅炉燃烧效率，进而可以确定使锅炉运行最优的数据点，这些数据点所在时刻的各状态数据即为燃烧优化状态基准参考值。

煤质辨识：首先将近两年的所有煤质化验数据进行统计，通过关联分析挖掘出与煤质相关的主要运行参数(如负荷、主汽温、主汽压、主汽流量、炉膛温度、排烟温度等)，将煤质划分为十余种样本模型，并基于样本模型集建立煤质辨识模块。在运行过程中，若辨识出的煤质参数与某样本中的参数相近，***自动将样本模型中的煤质参数输入到效率计算公式中；若辨识出的煤质参数与各样本中的参数都相差太大，***会选择与之最接近的样本煤质参数输入效率计算公式，并发出新型煤样告警，提醒运行人员确认，当确认所有样本参数与新的测试报告不符时，需人工将测试报告中的参数输入***，***自动更新样本模型集。

通过改进最小二乘法、极大似然法等方法从历史数据中辨识出锅炉的特征运行状态和燃用煤种信息，以此为依据在线调整锅炉燃烧过程。其一，通过关联负荷、主汽压力、炉膛温度、排烟温度、给煤机出口温度、计算煤耗等数据，可以将锅炉燃用煤辨识为几种特征模型，以此修正给煤量、一次风量、磨出口温度等可调量。其二，通过锅炉运行主要参数(如负荷、主汽压力)，可以判断启、停磨煤机的时机和高、低负荷的燃烧稳定性，进而调整燃烧优化参数和限值。其三，结合锅炉运行状态(如风压)，通过分析各大风机的功率损耗和空预器进出口差压，可以分别判断各大风机的运行状态和空预器堵塞情况。

如图3显示了其氧量与负荷的关系，从图中可以看出，随着负荷的增加，氧量呈下降趋势，且下降幅度由大转小，在负荷高于500MW后在一定范围内(3％～4％)保持平稳。

通过数据挖掘不仅可以辨识煤质，还可以依据各负荷工况下历史最高燃烧效率数据点，得到燃烧优化基准曲线，确定锅炉燃烧优化控制的控制基准。

步骤3：建立锅炉燃烧模型

采用以径向基函数为核函数的LSSVM(最小二乘支持向量机)方法进行建模。

模型输入变量包括机组负荷、燃料灰分、燃料挥发分、低位发热量、环境温度、氧量、一次风压、各层二次风门开度、各层燃尽风门开度等。

模型输出变量为锅炉燃烧效率、脱硝入口NOx浓度、风机总功率。

利用长期积累的历史稳态数据集，可不定期进行模型的自适应训练和更新。

步骤4：实时运行状态参数的优化

在进行实时运行状态参数优化时，依据目标函数中权重的大小将锅炉燃烧效率作为主要优化目标，NOx排放和风机功耗作为次要优化目标。优化方法基于标准粒子群优化算法，随着迭代次数的增加对速率惯性权重(0.4-0.9)进行二次型递减处理，局部加速因子(从大到小)和全局加速因子(从小到大)的线性变化区间为(0.5,2.5)，粒子的初始位置基于Logistic映射对应的混沌序列。

另外，对于优化得到的实时控制增量进行限幅处理，限幅范围随着实时功率的增加而增加。

步骤5，实时运行状态在线校正

将锅炉燃烧优化控制的控制基准和实时控制增量进行叠加后，得到燃烧优化控制指令，通过燃烧优化控制指令，一方面可以在投入燃烧优化控制模式后，经过无扰切换模块和安全控制模块输出到在运控制***，对机组运行过程中锅炉的实时运行状态数据进行在线校正，另一方面可以显示在运行画面，作为运行操作人员的控制参考。

上述燃烧优化控制模式投入条件包括电源正常、通信信号正常、被调量在自动状态、被调设备无故障、负荷高于稳燃条件、未发生RUN BACK事件；当上述任一条件不满足，将自动退出燃烧优化。其中，通信信号异常的判断条件包括0/1“心跳”信号停止时间足够长、应该持续变化的信号保持时间足够长、硬件故障信号。当***间通信出现异常时，需要先将从燃烧优化***输出到在运控制***的信号进行保持，以免将在运控制***中的关键指令误置为零。

上述无扰切换指投入或退出燃烧优化控制模式瞬间，不能发生控制指令的跳变；这一方面需要保证上述***间信号的不间断性，另一方面要采用手动指令和自动指令相互跟踪的逻辑控制方式。

上述安全控制模块指在实时控制***的控制逻辑中要对从燃烧优化***输入的指令信号进行增量幅度限制和变化速率限制，以防止控制不当导致的燃烧失稳风险。

图4是燃烧优化控制的主画面，在画面中按照炉膛内的布局显示了各二次风门开度及其对应的给煤量、风量等参数。在画面上方，一方面显示了氧量、锅炉效率、脱硝出/入口NOx浓度、CO排放浓度的优化目标值和实际值，以供运行人员参考；另一方面显示了风量、煤耗、风机功耗等锅炉燃烧主要参数，以实时反映锅炉燃烧运行状态。

另外，在画面中可以点击“输入输出”、“参数配置”、“优化曲线”各层风门图标和优化按钮等动态图例，以进入具体的操作面板或画面。

以上述依据本申请的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项申请技术思想的范围内，进行多样的变更以及修改。本项申请的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

Claims (8)

1.一种火电机组锅炉燃烧优化控制方法，其特征在于，包括如下步骤：

步骤1：收集火电机组锅炉燃烧的历史运行数据、燃烧试验数据和实时运行数据；

步骤2：对历史运行数据进行分析处理，计算各历史运行时刻对应的锅炉燃烧效率，同时进行锅炉燃烧过程的稳态检测，得到锅炉运行参数，从而得到锅炉在不同历史运行时刻对应的稳态运行数据集；

步骤3：对所述的稳态运行数据集进行数据挖掘，得到不同负荷工况下锅炉的历史最优燃烧效率，所述历史最优燃烧效率对应的锅炉运行状态数据即为锅炉的燃烧优化基准参考值；

步骤4：对燃烧试验数据进行分析处理，提炼出锅炉运行的试验数据集，根据所述试验数据集和稳态运行数据集，建立锅炉燃烧模型；

步骤5：对锅炉燃烧的实时运行数据进行分析处理，计算锅炉的实时燃烧效率，得到锅炉不同运行时刻对应的实时动态运行数据集；

步骤6：根据实时动态运行数据集和锅炉燃烧模型，采用寻优算法对实时运行数据进行优化，得到锅炉燃烧优化控制过程中的实时控制增量；

步骤7：对步骤3和步骤6得到的运行控制基准和实时控制增量进行叠加后，得到燃烧优化控制指令，用以对机组运行过程中锅炉燃烧的实时运行状态数据进行在线校正。

2.根据权利要求1所述的火电机组锅炉燃烧优化控制方法，其特征在于，步骤2中，包括采用分段曲线拟合法进行锅炉燃烧过程的稳态检测。

3.根据权利要求1所述的火电机组锅炉燃烧优化控制方法，其特征在于，步骤2和步骤5中，锅炉的燃烧效率包括采用热损失法在线计算，具体为：

η＝100-q₂-q₃-q₄-q₅-q₆

其中，η为锅炉的燃烧效率；

q₂为排烟热损失；

q₃为化学未完全燃烧热损失；

q₄为机械未完全燃烧热损失；

q₅为锅炉散热损失；

q₆为灰渣物理热损失。

4.根据权利要求3所述的火电机组锅炉燃烧优化控制方法，其特征在于，步骤4中，锅炉燃烧模型的建模方法包括采用以径向基函数为核函数的最小二乘支持向量机的建模方法。

5.根据权利要求4所述的火电机组锅炉燃烧优化控制方法，其特征在于，锅炉燃烧模型的输入变量包括机组负荷、燃料灰分、燃料挥发分、低位发热量、环境温度、氧量、一次风压、各层二次风门开度、各层燃尽风门开度；锅炉燃烧模型输出变量为锅炉燃烧效率、脱硝入口NOx浓度和风机总功率。

6.根据权利要求1所述的火电机组锅炉燃烧优化控制方法，其特征在于，所述步骤4中，若要抑制大脉冲干扰，则采用限幅滤波法或中值滤波法进行实时滤波；若要抑制小幅度高频噪声，则采用算术平均法或滑动平均法或加权滑动平均法或一阶滞后法进行实时滤波。

7.根据权利要求1所述的火电机组锅炉燃烧优化控制方法，其特征在于，步骤6中，所述寻优算法包括粒子群算法、蚁群算法和遗传算法。

8.一种采用如权利要求1-7任一项所述火电机组锅炉燃烧优化控制方法的燃烧优化控制***，其特征在于，所述燃烧优化控制***包括：

数据收集模块，用于收集火电机组锅炉燃烧的历史运行数据、燃烧试验数据和实时运行数据；

历史运行数据处理模块，用于对历史运行数据进行分析处理，计算各历史运行时刻对应的锅炉燃烧效率，同时进行锅炉燃烧过程的稳态检测，得到锅炉在不同历史运行时刻对应的稳态运行数据集；

燃烧试验数据处理模块，用于对燃烧试验数据进行分析处理，提炼出锅炉运行的试验数据集，根据所述试验数据集和稳态运行数据集，建立锅炉燃烧模型；

实时运行数据处理模块，用于对实时运行数据进行分析处理，计算锅炉的实时燃烧效率，得到锅炉不同运行时刻对应的实时动态运行数据集；

优化处理模块，用于对实时运行数据进行优化处理，得到锅炉燃烧优化控制过程中的实时控制增量；

在线校正模块，用于发出燃烧优化控制指令，对机组运行过程中锅炉燃烧的实时运行状态数据进行在线校正。