一种基于神经网络算法的火电厂煤场场损预测方法技术

本发明专利技术公开了一种基于神经网络算法的火电厂煤场场损预测方法，属于火电厂煤场场损计算技术领域。方法包括：S1，确定影响煤场损耗的主要因素以及表征损耗的参数；S2，针对每个煤堆，将影响煤场损坏的主要因素的当前测量值输入神经网络模型，计算获得表征损耗的参数值，S3，根据各煤堆的表征损耗的参数值计算各煤堆的损耗指标数据；S4，根据各煤堆的损耗指标数据，计算获得整个煤场的损耗指标。本发明专利技术方法可准确预测出整个煤场的损耗。

A prediction method of coal yard damage based on neural network algorithm

【技术实现步骤摘要】
一种基于神经网络算法的火电厂煤场场损预测方法
本专利技术具体涉及一种基于神经网络算法的火电厂煤场场损预测方法，属于火电厂煤场场损计算

技术介绍
燃煤成本约占到火力发电厂生产经营成本的2/3。因此，燃煤煤质、热量的损耗对电厂的经济效益有着重要影响。燃煤在储存过程中，由于受到外部环境因素和自身特性的影响，会发生煤量流失、水分增加、发热量降低、燃煤自燃等一系列变化。这些变化都是造成燃煤煤质、煤量损耗的重要因素，也直接关系到火电厂的生产经营效益。煤场储存损耗主要由物理损耗和化学损耗两部分组成：(1)物理损耗指纯物理变化导致的煤场储存损耗，主要包括风损、雨损和水分损失(变化)等，物理损耗由燃煤的重量差进行表征。(2)化学损耗是由于燃煤存放过程中氧化反应所产生的损耗。氧化反应是煤中的碳、氢等元素在常温下发生氧化反应，反应发生过程中可燃物一部分将以气体方式析出，同时还会释放热量，严重时还可导致煤堆自燃。上述化学反应将会同时产生存煤的热值下降和重量损失，化学损耗由燃煤的热值差进行表征。现有的入厂至入炉间的燃煤数量损耗指标是煤场存损率，发热量损耗指标是入厂与入炉煤热值差。为了减少燃煤损耗，电力行业和企业，都出了相应的规定，如煤场存损率为0.5％，入厂与入炉煤热值差为502kJ/kg(120kcal/kg)，对加强燃料管理起到了较大作用。但在电厂生产实践中发现，它们有一定的局限性，表现在存损只考虑入厂与入炉之间燃煤损耗的一部分，且不便直接测量计算获得。目前大部分电厂中对煤场场损的计算研究，主要是以电厂燃料部门管辖的入厂至入炉间的输煤及储存系统为对象，界定了统计期输入和输出热量，分别从燃煤质量平衡、热量平衡和综合热值出发，总体计算燃煤损耗的入厂与入炉间的燃煤质量损耗率、燃煤热量损耗率、标煤耗率、入厂与入炉煤综合热值差、综合热值损耗率等指标，并以此为评判标准对煤场损耗进行总体评估计算。煤场质量损耗通过使用盘煤仪定期盘煤，结合采样及煤质的工业分析，计算煤场的质量与热量损耗指标。同时也有部分电厂以传热学和传质学为基础，基于煤场损耗的机理模型，加入专家经验模型，使用计算机模拟仿真的方法计算煤场质量和热量热值损耗。以入厂至入炉间的输煤及储存系统为整体对象，基于燃煤质量平衡、热量平衡，总体计算燃煤损耗的入厂与入炉间的燃煤损耗。这种方法计算整体误差大，对于各个煤堆无法进行统计计算，不利于煤堆的堆卸管理与燃烧调度使用。同时这种总体计算方法受到盘煤周期、采样及工业分析的时间限制，无法做到小时间段内的场损指标统计。使用计算机模拟计算拥有很大的局限性，主要表现在由于煤场自身复杂的环境、煤种、堆卸、管理等因数的影响，进行模拟计算前需要对煤场进行大量的假设与简化，得到的是较为理想化的计算模型，同时还需要依赖专家经验对计算模型进行大量的修正，无法精确的计算实际情况下复杂煤场场损各指标量，只能作为小样本、标准实验环境下的一种计算手段。因此，本专利技术基于煤场管理运行过程中产生的大量历史数据，使用神经网络算法构建场损预测模型，用于预测计算煤场的物理和化学损耗量，通过量化计算的损耗指标量为煤场的燃料管理、燃煤换烧及机组运行提供参考建议。
技术实现思路
本专利技术的目的在于克服现有技术中的不足，提供了一种基于神经网络算法的火电厂煤场场损预测方法，用于解决现有电厂煤场场损计算过程复杂，场损指标无法使用公式准确计算，只能依靠燃料专工经验进行粗略预测的技术问题。为解决上述技术问题，本专利技术提供了一种基于神经网络算法的火电厂煤场场损预测方法，其特征是，包括以下步骤：S1，确定影响煤场损耗的主要因素以及表征损耗的参数；S2，针对每个煤堆，将影响煤场损坏的主要因素的当前测量值输入神经网络模型，计算获得表征损耗的参数值；S3，根据各煤堆的表征损耗的参数值计算各煤堆的损耗指标数据；S4，根据各煤堆的损耗指标数据，计算获得整个煤场的损耗指标。进一步的，影响煤场损耗的主要因素包括堆放时间、空气湿度、环境温度、煤堆高度、煤堆底部直径、煤堆堆密度、煤的收到基水分、煤的收到基挥发分、煤堆温度场和喷淋水量。进一步的，煤堆温度场包括距离煤堆表面0m测点平均温度、距离煤堆表面1m测点平均温度、距离煤堆表面2m测点平均温度、距离煤堆表面3m测点平均温度、距离煤堆表面4m测点平均温度和距离表面距离5m测点平均温度。进一步的，表征损耗的参数包括煤堆总质量、煤堆热值和煤堆热量。进一步的，损耗指标包括质量损失、热值损失和热量损失。进一步的，根据各煤堆的损耗指标数据计算获得整个煤场的损耗指标的过程为：质量损失使用各煤堆质量损失累加求得，热值损失使用各煤堆热值损失加权平均值求得，热量损失使用各煤堆热量损失累加求得。与现有技术相比，本专利技术所达到的有益效果是：该模型适用于各种煤种分别在不同环境、不同条件、不同存贮时间下的损耗计算，模型的构建、训练和计算完全基于离散的历史数据，不受具体的煤场各因素直接影响，可以较为的准确的计算场损指标；模型计算以单个煤堆为对象，可以计算煤堆的损耗指标，整个煤场的损耗指标基于煤堆进行再统计；模型可以通过利用不断产生的数据样本，动态的、定期的更新优化模型，也可以通过实验数据和专家经验数据完善数据样本的不完整型。附图说明图1是本专利技术方法的流程图。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。本专利技术基于电厂煤场管理与运行中存储的大量历史数据，利用神经网络算法，构建煤场场损指标的预测模型。模型的构建以煤堆为对象，整个煤场的损耗指标根据煤堆的指标进行汇总计算。如图1所示，本专利技术的一种基于神经网络算法的火电厂煤场场损预测方法，包括以下过程：步骤S1，确定影响煤场损耗的主要因素以及表征损耗的参数。根据煤场损耗(简称“场损”)的机理，分析整理影响煤场储存损耗的因素：(1)针对物理损耗而言，考虑封闭煤场的特性，其中影响蒸发的主要因素主要包括煤的收到基水分(Mar)、煤堆温度(T)、与空气接触情况(堆积密度ρ)以及存放时间(t)等，还要考虑喷淋带来的水分补充(Ms)，物理损耗可以用煤堆重量变化(Δm)进行表征。(2)在封闭煤场中需要特别注意自燃(准自燃)引起的化学损耗，其中影响化学损耗的主要因素包括煤的收到基水分(Mar)、煤堆温度(T)、与空气接触情况(堆积密度ρ)、煤的收到基挥发分(Var)、距表面距离(L)，喷淋水导致的热值下降(Ms)以及存放时间(t)，化学损耗可以用热值变化(Δq)来表征。综上所述，影响煤场损耗的主要因素有时间参数(堆放时间)、环境参数(空气湿度、环境温度)、煤堆物理参数(煤堆高度、煤堆底部直径、煤堆堆密度)、煤种工业分析参数(煤的收到基水分、煤的收到基挥发分)、煤堆温度场(温度T1(距离煤堆表面0m测点平均温度)、温度T2(距离煤堆表面1m测点平均温度)、温度T3(距离煤堆表面2m测点平均温度)、温度T4(距离煤堆表面3m测点平均温度)、温度T5(距离煤堆表面4m测点平均温度)、温度T6(距离表面距离5m测点平均温度))、喷淋水量。距离表面0m表示煤堆表面，距离1m表示测温杆垂直于煤堆表面，插入煤堆时顶端测温点与煤堆表面之间垂直距离，其他类似。表征损耗的参数包括煤堆总质量、煤堆热值和本文档来自技高网...

【技术保护点】
1.一种基于神经网络算法的火电厂煤场场损预测方法，其特征是，包括以下步骤：S1，确定影响煤场损耗的主要因素以及表征损耗的参数；S2，针对每个煤堆，将影响煤场损坏的主要因素的当前测量值输入神经网络模型，计算获得表征损耗的参数值；S3，根据各煤堆的表征损耗的参数值计算各煤堆的损耗指标数据；S4，根据各煤堆的损耗指标数据，计算获得整个煤场的损耗指标。

【技术特征摘要】
1.一种基于神经网络算法的火电厂煤场场损预测方法，其特征是，包括以下步骤：S1，确定影响煤场损耗的主要因素以及表征损耗的参数；S2，针对每个煤堆，将影响煤场损坏的主要因素的当前测量值输入神经网络模型，计算获得表征损耗的参数值；S3，根据各煤堆的表征损耗的参数值计算各煤堆的损耗指标数据；S4，根据各煤堆的损耗指标数据，计算获得整个煤场的损耗指标。2.根据权利要求1所述的一种基于神经网络算法的火电厂煤场场损预测方法，其特征是，影响煤场损耗的主要因素包括堆放时间、空气湿度、环境温度、煤堆高度、煤堆底部直径、煤堆堆密度、煤的收到基水分、煤的收到基挥发分、煤堆温度场和喷淋水量。3.根据权利要求2所述的一种基于神经网络算法的火电厂煤场场损预测方法，其特征是，煤堆温度场包括距离煤堆...

【专利技术属性】
技术研发人员：王永文，刘广，张飞，黄刘松，徐鹏飞，周明琴，齐刚，宋坤，王照阳，张磊，
申请(专利权)人：南京华盾电力信息安全测评有限公司，
类型：发明
国别省市：江苏,32