基于CFD数值模拟和智能建模的锅炉燃烧优化系统及方法技术方案

本发明专利技术公开了一种基于CFD数值模拟和智能建模的锅炉燃烧优化系统及方法，系统包括DCS控制系统接口、CFD计算集群、样本数据库集群、智能建模集群、中央处理集群和人机界面，通过对CFD模拟样本和历史运行样本进行存储、建模和优化，实现了机组随电网负荷指令、入炉煤煤质特性、过量空气系数等变化的最优配风方式实时匹配。本发明专利技术中CFD数值模拟技术的使用提高了建模的准确性，优化时可直接调用DCS控制系统实现闭环控制，使配风方式快速响应负荷变化，实现机组燃烧热效率和NOx排放的实时优化。

【技术实现步骤摘要】
基于CFD数值模拟和智能建模的锅炉燃烧优化系统及方法
本专利技术涉及工业锅炉燃烧优化系统，尤其涉及基于CFD数值模拟和智能建模的锅炉燃烧优化系统及方法。
技术介绍
随着国家对火电机组环保要求日趋严格，如何在污染排放满足要求的前提下尽可能提高锅炉燃烧效率，已经成为国内火电机组普遍面临的难题。配风调节作为火电机组燃烧过程中重要的调节方式，是影响锅炉热效率和污染物生成的重要因素。因此，如何更好的调整配风方式成为提高锅炉热效率和降低污染物的重中之重。现有情况下，大多数机组采用串级氧量控制配风，或者通过运行指导原则和人工经验控制配风，这就导致了锅炉燃烧难以稳定在最佳状况，从而造成锅炉效率低、NOx排放量高，甚至出现偏烧，结渣等恶劣情况。因此，亟需一种能够根据负荷、煤质实时调整配风方式的方法，使锅炉在满足污染物排放要求的前提下取得最高燃烧效率。目前针对锅炉配风方式的优化方案主要采用神经网络等智能建模方法，以电厂少量运行数据和实验数据为样本建立锅炉特性模型，根据以上模型采用遗传算法等方法对配风方式进行优化，例如专利ZL03231306.3和专利CN106327021A公开的方法。但是以上方法在进行锅炉建模过程中存在两方面的问题，一方面由于电厂运行工况大多集中在高负荷，缺乏中、低负荷的数据样本，同时为了保证机组运行的安全性，往往保持单一的配风方式，因此用于建模的数据样本覆盖范围小且相互之间独立性差；另一方面，现有建模过程中模型输入参数较多，易发生过拟合现象。以上两个问题严重影响了锅炉特性模型的可靠性和准确性，进一步导致优化失败。如何在建模过程中丰富数据样本减少参数输入，以提高模型的准确性和优化的可靠性，是锅炉配风方式优化的主要问题。另外现有的人工调节配风方式具有一定的时滞性，而电网负荷指令又是不断变化的，这就要求一种能够对负荷变化进行快速响应的配风调节系统。
技术实现思路
专利技术目的：本专利技术的目的是提出一种基于CFD数值模拟和智能建模的锅炉燃烧优化系统及方法，其中CFD数值模拟技术的使用提高了建模的准确性，优化时可直接调用DCS控制系统实现闭环控制，使配风方式快速响应负荷变化，实现机组燃烧热效率和NOx排放的实时优化。技术方案：本专利技术基于CFD数值模拟和智能建模的锅炉燃烧优化系统包括DCS控制系统接口、CFD计算集群、样本数据库集群、智能建模集群、中央处理集群和人机界面，DCS控制系统接口与CFD计算集群通过信息传输网络分别将历史运行样本和CFD模拟样本传输到样本数据库集群中保存；智能建模集群调用样本数据库集群中存储的数据，选择智能算法进行建模，并将锅炉热效率预测模型和NOx排放量预测模型传输到中央处理集群；中央处理集群在接收模型的同时，调用DCS控制系统接口中锅炉实时运行的参数进行配风方式的寻优，使机组燃烧热效率和NOx排放达到组合最优值。采用CFD数值模拟和智能建模的锅炉燃烧优化系统的方法，包括以下步骤：(1)通过CFD计算集群计算CFD模拟样本；(2)分析并完善历史运行样本；(3)将CFD模拟样本和完善后的电厂实际历史运行样本存储在样本数据库集群中，以供智能建模集群调用；(4)智能建模集群接收来自样本数据库集群中的样本，使用智能算法进行训练；(5)在中央处理集群中进行配风方式的优化；(6)建立人机界面以保证运行人员对整个燃烧优化配风系统的监视与控制。步骤(1)中，根据优化目标锅炉的实际结构、各受热面布置情况、风道烟道布置情况以及燃烧器喷口类型和位置等参数，构建锅炉物理模型，采用计算流体动力学CFD耦合化学反应的方法对炉内燃烧过程进行模拟；模拟时，针对不同负荷、入炉煤煤质特性、过量空气系数、磨煤机组合方式和配风方式等因素进行模拟，得到相应的飞灰含碳量、NOx排放量等参数，并通过热力计算得到锅炉热效率。步骤(2)中，通过锅炉燃烧优化调整试验，获取不同运行工况下机组的飞灰含碳量和炉渣含碳量；以负荷、入炉煤煤质特性、氧量、磨煤机组合方式、配风方式等为输入，飞灰含碳量和炉渣含碳量为输出，建立非线性模型；以电厂实际运行数据为输入，飞灰含碳量和炉渣含碳量为输出获得实际运行情况下的预测飞灰含碳量和炉渣含碳量，通过锅炉热量反平衡方法计算，得到历史运行样本的锅炉热效率。步骤(6)中，机组运行人员通过人机界面控制样本数据库集群读取样本，手动或自动更新锅炉热效率预测模型和NOx排放量预测模型；通过选择手动或自动优化模式，控制配风的优化方式。步骤(3)中，样本数据库内的数据包括负荷、入炉煤煤质特性、过量空气系数、配风方式、锅炉热效率、NOx排放量等信息。步骤(4)中，以包括负荷、入炉煤煤质特性、过量空气系数、配风方式等参数为输入，以锅炉热效率、NOx排放量为输出，建立锅炉热效率预测模型和NOx排放量预测模型，通过添加正则化项防止过拟合的情况发生。步骤(5)中，中央处理集群从DCS控制系统接口读取实时负荷、入炉煤煤质特性、过量空气系数等参数，将其作为固定输入；利用智能建模集群训练出的锅炉热效率预测模型和NOx排放量预测模型，采用优化算法对配风方式进行寻优，得到对应于此刻运行工况下最优的配风方式。附图说明图1是基于CFD数值模拟和智能建模的锅炉燃烧优化系统图；图2是基于CFD数值模拟和智能建模的锅炉燃烧优化方法总流程图；图3是以正则化的BP神经网络为例的智能建模算法流程图；图4是以遗传算法为例的中央处理集群燃烧优化算法流程图。具体实施方式下面结合附图对具体实施方式作进一步说明。如图1所示，该系统包括DCS控制系统接口、CFD计算集群、样本数据库集群、智能建模集群、中央处理集群和人机界面。其中，DCS控制系统接口和CFD计算集群通过信息传输网络分别将历史运行样本和CFD模拟样本传输到样本数据库集群中并保存；智能建模集群调用样本数据库集群中存储的数据，选择智能算法进行建模，并将锅炉热效率预测模型和NOx排放量预测模型传输到中央处理集群；中央处理集群在接收模型的同时，调用DCS控制系统接口中锅炉实时运行的参数进行配风方式的寻优，寻优结果可向机组运行人员提供开环指导或直接调用DCS控制系统实现闭环控制，使机组燃烧热效率和NOx排放达到组合最优值。如图2所示，该方法包含以下步骤：(1)通过CFD计算集群计算CFD模拟样本，根据优化目标锅炉的实际结构、各受热面布置情况、风道烟道布置情况以及燃烧器喷口类型和位置等参数，构建完整准确的锅炉物理模型，其中二次风道从空预器入口开始，采用挡板开度控制各层二次风流量。数学模型的构建如下：微分方程的离散运用了有限容积法，压力速度耦合采用三维稳态SIMPLE算法计算，湍流方程采用标准k-ε双方程模拟湍流气流流动，采用随机轨道模型对煤粉颗粒运动轨迹进行跟踪。采用非预混燃烧模型模拟煤粉在燃烧过程中发生的化学燃烧反应以及各组分的输运，气相湍流燃烧采用混合分数-概率密度函数模拟(PDF)模型；辐射换热采用P1辐射模型。数学模型建立完毕后，分别针对不同负荷、入炉煤煤质特性、过量空气系数、磨煤机组合方式、配风方式进行模拟，得到相应的飞灰含碳量、NOx排放量等参数，并通过热力计算得到锅炉燃烧热效率。(2)分析并完善历史运行样本。通过锅炉燃烧优化调整试验，获取不同运行工况下机组的飞灰含碳量和炉渣含碳量。如图3所示，采用BP神经网络本文档来自技高网...

【技术保护点】
1.一种基于CFD数值模拟和智能建模的锅炉燃烧优化方法，其特征在于：包括以下步骤：(1)通过CFD计算集群计算CFD模拟样本；(2)分析并完善历史运行样本；(3)将CFD模拟样本和完善后的电厂实际历史运行样本存储在样本数据库集群中，以供智能建模集群调用；(4)智能建模集群接收来自样本数据库集群中的样本，使用BP神经网络进行训练；(5)在中央处理集群中进行配风方式的优化；(6)建立人机界面以保证运行人员对整个燃烧优化配风系统的监视与控制；所述步骤(1)中，根据优化目标锅炉的实际结构、各受热面布置情况、风道烟道布置情况以及燃烧器喷口类型和位置参数，构建锅炉物理模型，采用计算流体动力学CFD耦合化学反应方法对炉内燃烧过程进行模拟；采用CFD对燃烧过程进行模拟时，针对不同负荷、入炉煤煤质特性、过量空气系数、磨煤机组合方式和配风方式因素进行模拟，得到相应的飞灰含碳量、NOx排放量参数，并通过热力计算得到锅炉热效率；所述步骤(2)中，通过锅炉燃烧优化调整试验，获取不同运行工况下机组的飞灰含碳量和炉渣含碳量；以负荷、入炉煤煤质特性、氧量、磨煤机组合方式、配风方式为输入，飞灰含碳量和炉渣含碳量为输出，建立非线性模型；以电厂实际运行数据为输入，飞灰含碳量和炉渣含碳量为输出获得实际运行情况下的预测飞灰含碳量和炉渣含碳量，通过锅炉热量反平衡方法计算，得到历史运行样本的锅炉热效率；所述步骤(6)中，机组运行人员通过人机界面控制样本数据库集群读取样本，手动或自动更新锅炉热效率预测模型和NOx排放量预测模型；通过选择手动或自动优化模式，控制配风的优化方式；所述步骤(3)中，样本数据库内的数据包括负荷、入炉煤煤质特性、过量空气系数、配风方式、锅炉热效率、NOx排放量信息；所述步骤(4)中，以包括负荷、入炉煤煤质特性、过量空气系数、配风方式参数为输入，以锅炉热效率、NOx排放量为输出，建立锅炉热效率预测模型和NOx排放量预测模型，通过添加正则化项防止过拟合的情况发生；所述步骤(5)中，中央处理集群从DCS控制系统接口读取实时负荷、入炉煤煤质特性、过量空气系数参数，将其作为固定输入；利用智能建模集群训练出的锅炉热效率预测模型和NOx排放量预测模型，采用优化算法对配风方式进行寻优，得到对应于此刻运行工况下最优的配风方式。...

【技术特征摘要】
1.一种基于CFD数值模拟和智能建模的锅炉燃烧优化方法，其特征在于：包括以下步骤：(1)通过CFD计算集群计算CFD模拟样本；(2)分析并完善历史运行样本；(3)将CFD模拟样本和完善后的电厂实际历史运行样本存储在样本数据库集群中，以供智能建模集群调用；(4)智能建模集群接收来自样本数据库集群中的样本，使用BP神经网络进行训练；(5)在中央处理集群中进行配风方式的优化；(6)建立人机界面以保证运行人员对整个燃烧优化配风系统的监视与控制；所述步骤(1)中，根据优化目标锅炉的实际结构、各受热面布置情况、风道烟道布置情况以及燃烧器喷口类型和位置参数，构建锅炉物理模型，采用计算流体动力学CFD耦合化学反应方法对炉内燃烧过程进行模拟；采用CFD对燃烧过程进行模拟时，针对不同负荷、入炉煤煤质特性、过量空气系数、磨煤机组合方式和配风方式因素进行模拟，得到相应的飞灰含碳量、NOx排放量参数，并通过热力计算得到锅炉热效率；所述步骤(2)中，通过锅炉燃烧优化调整试验，获取不同运行工况下机组的飞灰含碳量和炉渣含碳量；以负荷、入炉煤煤质特性、氧量、磨煤机组合方式、配风...

【专利技术属性】
技术研发人员：石岩，钟文琪，陈曦，刘燮，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32