首页 > 专利 > 杭州电子科技大学 > 一种多个多孔介质燃烧器协调优化运行的方法专利详情

一种多个多孔介质燃烧器协调优化运行的方法   0    0

有效专利 查看PDF
专利申请流程有哪些步骤?
专利申请流程图
申请
申请号:指国家知识产权局受理一件专利申请时给予该专利申请的一个标示号码。唯一性原则。
申请日:提出专利申请之日。
2020-03-16
申请公布
申请公布指发明专利申请经初步审查合格后,自申请日(或优先权日)起18个月期满时的公布或根据申请人的请求提前进行的公布。
申请公布号:专利申请过程中,在尚未取得专利授权之前,国家专利局《专利公报》公开专利时的编号。
申请公布日:申请公开的日期,即在专利公报上予以公开的日期。
2020-09-04
授权
授权指对发明专利申请经实质审查没有发现驳回理由,授予发明专利权;或对实用新型或外观设计专利申请经初步审查没有发现驳回理由,授予实用新型专利权或外观设计专利权。
2022-10-04
预估到期
发明专利权的期限为二十年,实用新型专利权期限为十年,外观设计专利权期限为十五年,均自申请日起计算。专利届满后法律终止保护。
2040-03-16
基本信息
有效性 有效专利 专利类型 发明专利
申请号 CN202010183542.2 申请日 2020-03-16
公开/公告号 CN111520740B 公开/公告日 2022-10-04
授权日 2022-10-04 预估到期日 2040-03-16
申请年 2020年 公开/公告年 2022年
缴费截止日
分类号 G06F30/27G06N3/12F23N5/00G05B19/418 主分类号 G06F30/27
是否联合申请 独立申请 文献类型号 B
独权数量 1 从权数量 1
权利要求数量 2 非专利引证数量 0
引用专利数量 0 被引证专利数量 0
非专利引证
引用专利 被引证专利
专利权维持 2 专利申请国编码 CN
专利事件 事务标签 公开、实质审查、授权
申请人信息
申请人 第一申请人
专利权人 杭州电子科技大学 当前专利权人 杭州电子科技大学
发明人 王春林、梁莹、金朝阳 第一发明人 王春林
地址 浙江省杭州市下沙高教园区2号大街 邮编 310018
申请人数量 1 发明人数量 3
申请人所在省 浙江省 申请人所在市 浙江省杭州市
代理人信息
代理机构
专利代理机构是经省专利管理局审核,国家知识产权局批准设立,可以接受委托人的委托,在委托权限范围内以委托人的名义办理专利申请或其他专利事务的服务机构。
杭州君度专利代理事务所 代理人
专利代理师是代理他人进行专利申请和办理其他专利事务,取得一定资格的人。
杨舟涛
摘要
本发明公开了一种多个多孔介质燃烧器协调优化运行的方法,目前实际的生产过程中对各台多孔介质燃烧器的运行,完全依据个人经验,这种情况下的燃烧效率有待提高。本发明方法具体是针对多孔介质燃烧器总台数为h(h>1)台的生产单位,分别采集各台锅炉生产过程中,负荷及与之相对应的锅炉效率数据,利用数据挖掘技术和并行优化算法,针对每台多孔介质燃烧器的运行参数与燃烧效率间关系,建立特性模型,结合寻优算法对各台多孔介质燃烧器的运行参数优化,以达到最优的目标。
  • 摘要附图
    一种多个多孔介质燃烧器协调优化运行的方法
法律状态
序号 法律状态公告日 法律状态 法律状态信息
1 2022-10-04 授权
2 2020-09-04 实质审查的生效 IPC(主分类): F23N 5/00 专利申请号: 202010183542.2 申请日: 2020.03.16
3 2020-08-11 公开
权利要求
权利要求书是申请文件最核心的部分,是申请人向国家申请保护他的发明创造及划定保护范围的文件。
1.一种多个多孔介质燃烧器协调优化运行的方法,其特征在于,该方法的步骤包括:
步骤(1)针对多孔介质燃烧器总台数为h台的锅炉,h>1,分别对各个多孔介质燃烧器采集燃烧特性数据,包括:多孔介质燃烧器最大允许热负荷、一次风量、二次风量、氧量、燃气量、燃气工业分析指标,及与之相对应的燃烧热效率数据,建立数据库;具体的最大允许热负荷数据由设计产品说明书或运行手册获得,其它数据针对各多孔介质燃烧器作试验获得,具体运行参数数值通过实时运行监测系统获取,或直接通过仪器设备测量采集,燃烧热效率通过实验计算获得,实验和计算方法均有行业标准;
步骤(2)分别对每个多孔介质燃烧器采用基于数据的建模算法建模,建立各多孔介质燃烧器燃烧效率的模型,共建立h个模型m1,m2,m3,…,mh;
用于建模样本的输入参数及输出参数表示为 其中xi表示第i组作为输入数据
的多孔介质燃烧器的运行参数,包括:一次风量、二次风量、氧量、燃气量、燃气工业分析指标;yi表示第i组作为输出参数的多孔介质燃烧器的燃烧热效率,N为样本数量,N应大于40,以保证模型的预测能力,在实际数据基础上,建立各多孔介质燃烧器燃烧效率的模型;
所建模型应准确的预测给定多孔介质燃烧器运行参数情况下的相应燃烧热效率,误差应在3%以内;
步骤(3)利用遗传优化算法,结合步骤(2)所建各多孔介质燃烧器燃烧效率模型,进行多个多孔介质燃烧器协调优化运行,具体步骤如下:
a.定义遗传算法初始群体x向量的各维分量,分别为各多孔介质燃烧器运行参数:一次风量、二次风量、氧量、燃气量、燃气工业分析指标;
b.设定遗传算法的搜索目标和迭代次数,搜索目标为各多孔介质燃烧器的燃烧效率之和最高,即燃烧总效率最高;
c.根据锅炉的实际需求总热负荷Qz、各多孔介质燃烧器的最大允许热负荷qi,max,及各多孔介质燃烧器的最大允许热负荷之和
其中总热负荷Qz即各多孔介质燃烧器的实际热负荷之和, qi,z为第i个多孔
介质燃烧器的实际运行热负荷,实际运行热负荷由燃气量、燃气工业分析、一次风量和二次风量计算获得,计算方法为行业标准方法;反之,在已知热负荷及燃气工业指标的情况下,根据行业标准计算获得多孔介质燃烧器所需燃气量,根据燃气量及运行手册所规定的过量空气系数,获得氧量和一次风量及二次风量,进而确定多孔介质燃烧器的运行参数;
设定各多孔介质燃烧器的运行参数寻优范围,设Qk为已初始化好的各台多孔介质燃烧器参数所对应的总热负荷, k为一初始化好的多孔介质燃烧器个数,qk.k为已初始化好的各多孔介质燃烧器的初始化热负荷,已初始化好的多孔介质燃烧器最大允许热负荷为 当qi,k≥(Qz‑Qk)时,qi,k=(Qz‑Qk),qi,k为第i台多孔介质燃烧器的初始化热负荷,第i台多孔介质燃烧器之后的多孔介质燃烧器负荷为0,否则第i台多孔介质燃烧器所对应热负荷区间应为:[qi,max,Qmax‑Qz‑Qk,max+Qk],在此区间上初始化第i台多孔介质燃烧器运行参数个体,使其对应热负荷区间为[qi,max,2Qz‑Qmax‑Qk];依据以上的步骤初始化群体向量x,并通过步骤(2)所建各多孔介质燃烧器燃烧效率模型,根据初始群体中各多孔介质燃烧器的运行参数,获得各多孔介质燃烧器在初始群体负荷下的燃烧效率,然后根据上一步设定的搜索目标,用遗传算法进行迭代计算,搜索多孔介质燃烧器协调运行的状态;
d.当遗传算法完成迭代次数或找到设定要求的最优时,停止计算获得相应最优的群体向量,即获得最优的各多孔介质燃烧器的协调运行状态。

2.根据权利要求1所述的方法,其特征在于:所述的采用基于数据的建模算法建模,建模算法包括支持向量机算法、神经网络算法或贝叶斯算法。
说明书

技术领域

[0001] 本发明属于信息与控制技术领域,涉及到自动化技术,特别是涉及一种优化锅炉负荷分配方法。

背景技术

[0002] 多个多孔介质燃烧器的协调运行是影响锅炉燃烧效率的重要因素,一般情况下,燃烧效率与多个多孔介质运行参数有复杂的关系,存在效率最高的协调运行点。对于多孔介质燃烧器总台数为h(h>1)台的情况,在保证总负荷的条件下,可以提高总的锅炉效率,总效率的提高主要依靠各多孔介质燃烧器的协调运行情况。如果在各多孔介质燃烧器上分配的适当的热负荷使其处于燃烧效率高的点,则总燃烧效率能达到较高的水平,进而使总的锅炉效率达到在给定的负荷条件下最高。每台多孔介质燃烧器都有自己独特的燃烧效率与运行参数间的关系曲线,因此进行提高总燃烧效率的负荷分配,首先要获得每台多孔介质燃烧器的燃烧效率与运行参数间的特性关系,然后再进行总负荷的有效分配。然而,要获得较为准确的每台多孔介质燃烧器的燃烧效率与负荷间的特性关系,并在总负荷一定的情况下,为每台多孔介质燃烧器分配好负荷,并不是一件容易的事情。目前,还没有很好的解决方法。
[0003] 实际生产中主要是靠工作人员经验,其目标也只是维持生产正常进行,并没有优化分配负荷的概念,因此其生产过程中燃烧效率还有很大的可提升空间。
[0004] 通过数据挖掘,应用机器学习的方法,挖掘出各多孔介质燃烧器燃烧效率与运行参数间的特性关系模型,再结合优化算法对负荷分配进行优化是非常有潜力的方法。如何使该方法真正达到生产实际的要求,是该技术的关键,主要难题包括,如何提高模型的预测和泛化能力,如何实现有约束条件的优化分配。

发明内容

[0005] 本发明的目标是针对多个多孔介质燃烧器协调优化运行,提出一种优化方法,优化内容兼顾了各台多孔介质燃烧器的燃烧效率和总燃烧效率的情况。
[0006] 本发明的技术方案是通过各台多孔介质燃烧器燃烧效率和与之相对应的热负荷数据采集,对每台多孔介质燃烧器运行参数与燃烧效率,建立基于数据挖掘技术的模型,并结合并行的优化算法等手段,确立了一种多个多孔介质燃烧器协调优化运行方法,利用该方法可有效的在总负荷一定的情况,通过优化各多孔介质燃烧器的运行参数,提高总燃烧效率。
[0007] 本发明的具体步骤是:
[0008] 步骤(1)针对多孔介质燃烧器总台数为h(h>1)台的锅炉,分别对各个多孔介质燃烧器采集燃烧特性数据,包括:多孔介质燃烧器最大允许热负荷(设计值或生产安全限值),一次风量、二次风量、氧量、燃气量、燃气工业分析指标,及与之相对应的燃烧热效率数据,建立数据库;具体的最大允许热负荷(设计值或生产安全限值)数据可由设计产品说明书或运行手册获得,其它数据可针对各多孔介质燃烧器作试验获得,具体运行参数数值可通过实时运行监测系统获取,或直接通过仪器设备测量采集,燃烧热效率可通过实验计算获得,实验和计算方法均有行业标准;
[0009] 步骤(2)分别对每个多孔介质燃烧器采用基于数据的建模算法建模,如支持向量机算法,神经网络算法及贝叶斯算法等,建立各多孔介质燃烧器燃烧效率的模型,共建立h个模型m1,m2,m3,…,mh;
[0010] 用于建模样本的输入参数及输出参数表示为 其中xi表示第i组作为输入数据的多孔介质燃烧器的运行参数,包括:一次风量、二次风量、氧量、燃气量、燃气工业分析指标。yi表示第i组作为输出参数的多孔介质燃烧器的燃烧热效率,N为样本数量, N应大于40,以保证模型的预测能力,在实际数据基础上,建立各多孔介质燃烧器燃烧效率的模型。
[0011] 在有建模样本情况下,用数据建模方法建立基于数据的预测模型为成熟且流行的方式,在此不在赘述。所建模型应可以准确的预测给定多孔介质燃烧器运行参数情况下的相应燃烧热效率,误差应在3%以内。
[0012] 步骤(3)利用遗传优化算法,结合步骤(2)所建各多孔介质燃烧器燃烧效率模型,进行多个多孔介质燃烧器协调优化运行,具体步骤如下:
[0013] a.定义遗传算法初始群体x向量的各维分量,分别为各多孔介质燃烧器运行参数:一次风量、二次风量、氧量、燃气量、燃气工业分析指标;
[0014] b.设定遗传算法的搜索目标和迭代次数,搜索目标为各多孔介质燃烧器的燃烧效率之和最高,即燃烧总效率最高;
[0015] c.根据锅炉的实际需求总热负荷Qz(各多孔介质燃烧器的实际热负荷之和,qi,z为第i个多孔介质燃烧器的实际运行热负荷,实际运行热负荷可由燃气量、燃气工业分析、一次风量和二次风量计算获得,计算方法为行业标准方法。反之,在已知热负荷及燃气工业指标的情况下,可以根据行业标准计算获得多孔介质燃烧器所需燃气量,根据燃气量及运行手册所规定的过量空气系数或氧量,获得氧量和一次风量及二次风量,进而确定多孔介质燃烧器的运行参数。)和各多孔介质燃烧器的最大允许热负荷qi,max,及各多孔介质燃烧器的最大允许热负荷之和 设定各多孔介质燃烧器的运行参数寻优范围,设Qk为已初始化好的各台多孔介质燃烧器参数所对应的总热负荷 (k为一初始化好的多孔介质燃烧器个数,qk.k为已初始化好的各多孔介质燃烧器的初始化热负荷,已初始化好的多孔介质燃烧器最大允许热负荷为 ),当qi,k≥(Qz‑Qk)时,qi,k=(Qz‑Qk),(qi,k为第i台多孔介质燃烧器的初始化热负荷)第i台多孔介质燃烧器之后的多孔介质燃烧器负荷为0,否则第i台多孔介质燃烧器所对应热负荷区间应为:[qi,max,Qmax‑Qz‑Qk,max+Qk],在此区间上初始化第i台多孔介质燃烧器运行参数个体,使其对应热负荷区间为[qi,max,2Qz‑Qmax‑Qk]。依据以上的步骤初始化群体向量x,并通过步骤(2)所建各多孔介质燃烧器燃烧效率模型,根据初始群体中各多孔介质燃烧器的运行参数,获得各多孔介质燃烧器在初始群体负荷下的燃烧效率,然后根据上一步设定的搜索目标,用遗传算法进行迭代计算,搜索多孔介质燃烧器协调运行的状态; d.当遗传算法完成迭代次数或找到设定要求的最优时,停止计算获得相应最优的群体向量,即获得最优的各多孔介质燃烧器的协调运行状态。
[0016] 多个多孔介质燃烧器优化分配对于提高燃烧效率,节能减排,非常有益,但是也存在一定难度。目前实际的生产过程中对各台多孔介质燃烧器的运行,完全依据个人经验,这种情况下的燃烧效率有待提高。本发明方法具体是针对多孔介质燃烧器总台数为h(h>1)台的生产单位,分别采集各台锅炉生产过程中,负荷及与之相对应的锅炉效率数据,利用数据挖掘技术和并行优化算法,针对每台多孔介质燃烧器的运行参数与燃烧效率间关系,建立特性模型,结合寻优算法对各台多孔介质燃烧器的运行参数优化,以达到最优的目标。
[0017] 本发明方法既可以在线优化也可以离线优化。

实施方案

[0018] 一种多个多孔介质燃烧器协调优化运行的方法,具体是以下步骤:
[0019] (1)针对多孔介质燃烧器总台数为h(h>1)台的锅炉,分别对各个多孔介质燃烧器采集燃烧特性数据,包括:多孔介质燃烧器最大允许热负荷(设计值或生产安全限值),一次风量、二次风量、氧量、燃气量、燃气工业分析指标,及与之相对应的燃烧热效率数据,建立数据库;具体的最大允许热负荷(设计值或生产安全限值)数据可由设计产品说明书或运行手册获得,其它数据可针对各多孔介质燃烧器作试验获得,具体运行参数数值可通过实时运行监测系统获取,或直接通过仪器设备测量采集,燃烧热效率可通过实验计算获得,实验和计算方法均有行业标准;
[0020] (2)分别对每个多孔介质燃烧器采用基于数据的建模算法建模,如支持向量机算法,神经网络算法及贝叶斯算法等,建立各多孔介质燃烧器燃烧效率的模型,共建立h个模型 m1,m2,m3,…,mh;
[0021] 用于建模样本的输入参数及输出参数表示为 其中xi表示第i组作为输入数据的多孔介质燃烧器的运行参数,包括:一次风量、二次风量、氧量、燃气量、燃气工业分析指标。yi表示第i组作为输出参数的多孔介质燃烧器的燃烧热效率,N为样本数量, N应大于40,以保证模型的预测能力,在实际数据基础上,建立各多孔介质燃烧器燃烧效率的模型。
[0022] 在有建模样本情况下,用数据建模方法建立基于数据的预测模型为成熟且流行的方式,在此不在赘述。所建模型应可以准确的预测给定多孔介质燃烧器运行参数情况下的相应燃烧热效率,误差应在3%以内。
[0023] (3)利用遗传优化算法,结合步骤(2)所建各多孔介质燃烧器燃烧效率模型,进行多个多孔介质燃烧器协调优化运行,具体步骤如下:
[0024] a.定义遗传算法初始群体x向量的各维分量,分别为各多孔介质燃烧器运行参数:一次风量、二次风量、氧量、燃气量、燃气工业分析指标;
[0025] b.设定遗传算法的搜索目标和迭代次数,搜索目标为各多孔介质燃烧器的燃烧效率之和最高,即燃烧总效率最高;
[0026] c.根据锅炉的实际需求总热负荷Qz(各多孔介质燃烧器的实际热负荷之和,qi,z为第i个多孔介质燃烧器的实际运行热负荷,实际运行热负荷可由燃气量、燃气工业分析、一次风量和二次风量计算获得,计算方法为行业标准方法。反之,在已知热负荷及燃气工业指标的情况下,可以根据行业标准计算获得多孔介质燃烧器所需燃气量,根据燃气量及运行手册所规定的过量空气系数或氧量,获得氧量和一次风量及二次风量,进而确定多孔介质燃烧器的运行参数。)和各多孔介质燃烧器的最大允许热负荷qi,max,及各多孔介质燃烧器的最大允许热负荷之和 设定各多孔介质燃烧器的运行参数寻优范围,设Qk为已初始化好的各台多孔介质燃烧器参数所对应的总热负荷 (k为一初始化好的多孔介质燃烧器个数,qk.k为已初始化好的各多孔介质燃烧器的初始化热负荷,已初始化好的多孔介质燃烧器最大允许热负荷为 ),当qi,k≥(Qz‑Qk)时,qi,k=(Qz‑Qk),(qi,k为第i台多孔介质燃烧器的初始化热负荷)第i台多孔介质燃烧器之后的多孔介质燃烧器负荷为0,否则第i台多孔介质燃烧器所对应热负荷区间应为:[qi,max,Qmax‑Qz‑Qk,max+Qk],在此区间上初始化第i台多孔介质燃烧器运行参数个体,使其对应热负荷区间为[qi,max,2Qz‑Qmax‑Qk]。依据以上的步骤初始化群体向量x,并通过步骤(2)所建各多孔介质燃烧器燃烧效率模型,根据初始群体中各多孔介质燃烧器的运行参数,获得各多孔介质燃烧器在初始群体负荷下的燃烧效率,然后根据上一步设定的搜索目标,用遗传算法进行迭代计算,搜索多孔介质燃烧器协调运行的状态;
[0027] d.当遗传算法完成迭代次数或找到设定要求的最优时,停止计算获得相应最优的群体向量,即获得最优的各多孔介质燃烧器的协调运行状态。
版权所有:盲专网 ©2023 zlpt.xyz  蜀ICP备2023003576号