The invention discloses an artificial intelligence soot blowing system for Coal-fired Utility Boilers Based on machine learning algorithm. Specifically, the relevant data of various coal-fired utility boilers are collected through the network, and the effective features are extracted and stored in the database after system pretreatment. Furthermore, the machine learning module of the system imitates the human learning mode to learn from the database data and summarizes the optimal soot blowing strategies for different types of boilers under various operating conditions, and intelligently commands the efficient operation of soot blowers. The invention is compatible with various existing control systems of domestic power plants, and effectively solves the defects of inaccurate judgment and unsatisfactory effect of the traditional soot blowing control system caused by hard coding only for specific tasks, greatly improves the soot blowing efficiency of the boiler, effectively prolongs the service life of the heating surface of the boiler, is convenient to deploy, and has low cost, and has been applied to coal-fired power plants in China. Economic and environmental benefits have been greatly improved.
【技术实现步骤摘要】
一种燃煤电站锅炉用人工智能吹灰系统
本专利技术涉及各种类型和参数的燃煤电站锅炉吹灰
,尤其涉及一种基于机器学习算法的燃煤电站锅炉人工智能吹灰决策方法。
技术介绍
我国电力行业主要依赖燃煤发电。煤粉在炉内燃烧的过程中,除部分结渣下落从排渣口排出外,还有一部分未充分燃烧的挥发份、碳粒、灰分等随烟气进入受热面,并在受热面上冷却、吸附、粘连,形成结焦和积灰。钾、钠等碱金属气体在管壁上凝结后与烟气中的三氧化硫、飞灰中的氧化物发生反应后生成复合硫酸盐导致受热面热阻增加、热效率下降。因为积焦的导热系数约为0.116w/(m2℃),仅为锅炉用钢材导热系数的约1/600,极大地降低了受热面的导热能力,导致热能无法被有效吸收,锅炉热效率下降,煤耗增加。严重的结焦还会在高温对流管束上搭桥造成管排间阻力增加,破坏炉内空气动力场,使燃烧工况急剧恶化。同时,硫酸盐在高温熔融状态下对管壁快速腐蚀,极易引起爆管。相反在未污染或污染较少部位,烟气流速增大,传热增强。因为飞灰对管壁的磨损与烟气流速约成3次方关系,所以烟气流动速度越高,未污染或污染较少的受热面磨损就越严重。受热面局部传热能力的下降还会造成管排间吸热不均匀,过热器、再热器产生热偏差,引起出口管壁超温。在长期超温10-20℃情况下,金属材料使用寿命约缩短一半。污染后的锅炉,由于烟气流通的整体阻力增大,增加了送风机、引风机的功耗,同时空气预热器换热效果也会降低,导致一次风、二次风温度下降,直接降低炉膛的燃烧效率。由于炉内过程是一种极其复杂的物理化学过程,燃煤、受热面、温度、空气动力等因素,都会影响受热面的积灰与结焦,目前尚不能 ...
【技术保护点】
1.“一种燃煤电站锅炉用人工智能吹灰系统”,其特征在于:1)分布式网络布局(如图1所示),突破地理限制,实现吹灰经验全局共享;2)围绕电站锅炉机组采集相关的设计、建造、建设、运行、管理等领域的相关信息构建分布式数据库系统;3)以机器学习算法模块为核心;4)通过机器学习总结经验,从而对不同类型电站锅炉受热面积灰、结焦的趋势作出准确判断,并及时输出正确的吹灰策略;5)与已投入运行的传统吹灰控制系统兼容;6)机器学习模块会根据技术服务反馈和电厂维护经验信息对各种吹灰策略进行评估,不断进行自我修正以逼近最佳吹灰策略。
【技术特征摘要】
1.“一种燃煤电站锅炉用人工智能吹灰系统”,其特征在于:1)分布式网络布局(如图1所示),突破地理限制,实现吹灰经验全局共享;2)围绕电站锅炉机组采集相关的设计、建造、建设、运行、管理等领域的相关信息构建分布式数据库系统;3)以机器学习算法模块为核心;4)通过机器学习总结经验,从而对不同类型电站锅炉受热面积灰、结焦的趋势作出准确判断,并及时输出正确的吹灰策略;5)与已投入运行的传统吹灰控制系统兼容;6)机器学习模块会根据技术服务反馈和电厂维护经验信息对各种吹灰策略进行评估,不断进行自我修正以逼近最佳吹灰策略。2.如权利要求1特征1)所述,“一种燃煤电站锅炉用人工智能吹灰系统”其特征在于,基于先进的互联网技术,实现电站锅炉设备制造、设计、建设、生产运行和管理单位的网络互联,从而有效地支持在不同电厂以及不同锅炉机组之间分享各自的经验数据和吹灰策略。3.如权利要求1特征2)所述,“一种燃煤电站锅炉用人工智能吹灰系统”,其特征在于,使用可靠的关系数据库系统广泛收集电站锅炉设备设计、制造、建设、生产运行和管理领域的相关信息,进一步地,在此基础上提取有效特征生成高效的数据模型,其关系数据模型示意见图4。4.如权利要求1特征3)所述,“一种燃煤电站锅炉用人工智能吹灰系统”的核心主要是采用Python语言开...
【专利技术属性】
技术研发人员:张日,
申请(专利权)人:北京巴布科克·威尔科克斯有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。