燃烧优化装置及其方法制造方法及图纸

燃烧优化装置，包括：管理层部，对与锅炉燃烧相关的当前测定到的实时数据进行采集，并通过对所采集到的实时数据进行分析而决定燃烧优化的执行与否和燃烧模型以及燃烧控制器的调谐与否；数据层部，从上述实时数据以及与上述锅炉燃烧相关的历史测定到的历史数据推导出设计燃烧模型以及燃烧控制器所需的学习数据；模型层部，根据上述学习数据生成燃烧模型以及燃烧控制器；以及优化层部，利用燃烧模型以及燃烧控制器计算出用于燃烧优化的目标值并根据所计算出的目标值输出控制信号。

Combustion optimization device and method

【技术实现步骤摘要】
燃烧优化装置及其方法
本专利技术涉及一种优化技术，更加详细地，涉及一种锅炉燃烧优化装置及其方法。
技术介绍
燃煤发电厂的锅炉是利用煤炭燃烧时发生的发热反应对水进行加热并生成发电所需要的蒸汽。此时，将生成如氮氧化物等污染废气，当污染废气的生成量较多时会导致增加用于对其进行管理的处理费用，而且在不完全燃烧时会因为燃烧效率的下降而导致发电/运行费用增加。因此，需要开发出一种既能够提高燃烧效率还能够减少废气排放的技术。先行技术文献专利文献韩国登记专利第1810968号(2017.12.14.)专利内容本专利技术的目的在于提供一种能够在提升燃烧效率的同时减少废气的燃烧优化装置及其方法。根据本专利技术之实施例的燃烧优化装置，包括：管理层部，对与锅炉燃烧相关的当前测定到的实时数据进行采集，并通过对所采集到的实时数据进行分析而决定燃烧优化的执行与否和燃烧模型以及燃烧控制器的调谐与否；数据层部，从上述实时数据以及与上述锅炉燃烧相关的历史测定到的历史数据中推导出设计燃烧模型以及燃烧控制器所需的学习数据；模型层部，根据上述学习数据生成燃烧模型以及燃烧控制器；以及优化层部，利用燃烧模型以及燃烧控制器计算出燃烧优化的目标值并根据所计算出的目标值输出控制信号。上述管理层部，包括：优化管理部，对上述实时数据进行采集并通过对所采集到的实时数据进行分析而决定燃烧优化的执行与否；以及调谐管理部，以上述分析结果以及上述燃烧优化的执行与否为基础决定燃烧模型和燃烧控制器的调谐与否。上述数据层部，包括：预处理部，对包括实时数据以及历史数据在内的数据执行预处理；以及分析部，通过对上述经过预处理的数据进行分析而推导出设计燃烧模型以及燃烧控制器所需要的学习数据。上述预处理部，执行对遗漏的数据进行重建的信号重建处理、以基础知识或数据为基础对符合设定条件的数据进行过滤的过滤处理、对超过上限值或不足下限值的数据进行去除的极端值(Outlier)处理中的至少一个。上述模型层部，包括：燃烧模型生成部，以上述学习数据为基础生成燃烧模型；以及燃烧控制器生成部，以上述学习数据为基础生成燃烧控制器。上述优化层部，包括：最佳模型选择部，通过对实时数据进行分析而按照已设定的规则从多个燃烧模型以及燃烧控制器中选择最适当的燃烧模型以及燃烧控制器；以及优化部，通过上述所选择的燃烧模型以及燃烧控制器推导出控制目标值。最佳模型选择部，从多个燃烧模型中选择与锅炉燃烧相关的当前测定到的实际数据与通过燃烧模型推测出的推测数据之间的差异最小的燃烧模型。根据本专利技术之实施例的燃烧优化装置，包括：数据层部，从与锅炉燃烧相关的当前测定到的实时数据以及与上述锅炉燃烧相关的历史测定到的历史数据中导出设计燃烧模型以及燃烧控制器所需要的学习数据；模型层部，通过上述学习数据生成燃烧模型以及燃烧控制器；以及优化层部，在通过对实时数据进行分析而选择多个燃烧模型中的某一个燃烧模型并以所选择的燃烧模型为基础选择多个燃烧控制器中的某一个燃烧控制器之后，利用所选择的燃烧控制器计算出燃烧优化的目标值并根据所计算出的目标值输出控制信号。上述数据层部，包括：预处理部，对包括上述实时数据以及上述历史数据在内的数据执行预处理；以及分析部，通过对经过预处理的数据进行分析而推导出设计燃烧模型以及燃烧控制器所需要的学习数据。上述预处理部，执行对遗漏的数据进行重建的信号重建处理、以基础知识或数据为基础对符合设定条件的数据进行过滤的过滤处理、对超过上限值或不足下限值的数据进行去除的极端值(Outlier)处理中的至少一个。上述模型层部，包括：燃烧模型生成部，以上述学习数据为基础生成燃烧模型；以及，燃烧控制器生成部，以上述学习数据为基础生成燃烧控制器。上述优化层部，包括：最佳模型选择部，通过对实时数据进行分析而按照已设定的规则从多个燃烧模型以及燃烧控制器中选择最适当的燃烧模型以及燃烧控制器；以及，优化部，通过上述所选择的燃烧模型以及燃烧控制器推导出控制目标值。上述最佳模型选择部，从多个燃烧模型中选择与锅炉燃烧相关的当前测定到的实时数据与通过燃烧模型推测出的推测数据之间的差异最小的燃烧模型。根据本专利技术之实施例的燃烧优化方法，包括如下步骤：管理层部对与锅炉燃烧相关的当前测定到的实时数据进行采集并通过对所采集到的实时数据进行分析而判断是否对燃烧模型以及燃烧控制器进行调谐；在上述判断结果为上述管理层部决定进行调谐时，数据层部从上述实时数据以及与锅炉燃烧相关的历史测定到的历史数据推导出学习数据；模型层部利用上述学习数据生成燃烧模型以及燃烧控制器；优化层部通过从包括上述所生成的燃烧模型以及燃烧控制器在内的多个燃烧模型以及燃烧控制器中选择的燃烧模型以及燃烧控制器中计算出燃烧优化的目标值；上述优化层部根据所计算出的目标值输出控制信号。上述推导出学习数据的步骤，包括如下步骤：上述数据层部的预处理部对包括上述实时数据以及上述历史数据在内的数据执行预处理；上述数据层部的分析部通过对上述经过预处理的数据进行分析而推导出设计燃烧模型和燃烧控制器所需要的学习数据。上述执行预处理的步骤，包括如下步骤：上述预处理部执行对遗漏的数据进行重建的信号重建处理、以基础知识或数据为基础对符合已设定条件的数据进行过滤的过滤处理、对超过上限值或不足下限值的数据进行去除的极端值(Outlier)处理中的至少一个。上述生成燃烧模型以及燃烧控制器的步骤，包括如下步骤：上述模型层部的燃烧模型生成部以上述学习数据为基础生成燃烧模型；上述模型层部的燃烧控制器生成部以上述学习数据为基础生成燃烧控制器。上述计算出燃烧优化目标值的步骤，包括如下步骤：上述优化层部的最佳模型选择部通过对实时数据进行分析而选择燃烧模型；上述最佳模型选择部以上述所选择的燃烧模型为基础选择燃烧控制器；上述优化层部的优化部通过上述所选择的燃烧模型以及上述所选择的燃烧控制器推导出控制目标值。上述选择燃烧模型的步骤中，最佳模型选择部从多个燃烧模型中选择与锅炉燃烧相关的当前测定到的实际数据与通过燃烧模型推测出的推测数据之间的差异最小的燃烧模型。在上述判断是否执行调谐的步骤之后，还包括如下步骤：在上述判断结果为上述管理层部决定不执行调谐时，上述优化层部通过从已存储的多个燃烧模型以及燃烧控制器中选择的燃烧模型以及燃烧控制器计算出燃烧优化目标值；上述优化层部根据所计算出的目标值输出控制信号。通过本专利技术，能够在通过燃烧优化最大限度地保持燃烧效率的同时减少废气。附图说明图1是用于对根据本专利技术之实施例的燃烧优化装置的构成进行说明的框框图。图2是用于对根据本专利技术之实施例的燃烧优化方法进行说明的流程图。图3是对根据本专利技术之实施例的计算装置进行图示的示意图。【符号说明】100：管理层部110：优化管理部120：调谐管理部200：数据层部210：预处理部220：分析部300：模型层部310：燃烧模本文档来自技高网...

【技术保护点】
1.一种燃烧优化装置，包括：/n管理层部，对与锅炉燃烧相关的当前测定到的实时数据进行采集，并通过对所采集到的实时数据进行分析而决定燃烧优化的执行与否和燃烧模型以及燃烧控制器的调谐与否；/n数据层部，从包括上述实时数据以及与上述锅炉燃烧相关的历史测定到的历史数据推导出设计燃烧模型以及燃烧控制器所需的学习数据；/n模型层部，根据上述学习数据生成燃烧模型以及燃烧控制器；以及，/n优化层部，利用燃烧模型以及燃烧控制器计算出燃烧优化的目标值并根据所计算出的目标值输出控制信号。/n

【技术特征摘要】
20181126 KR 10-2018-01477891.一种燃烧优化装置，包括：
管理层部，对与锅炉燃烧相关的当前测定到的实时数据进行采集，并通过对所采集到的实时数据进行分析而决定燃烧优化的执行与否和燃烧模型以及燃烧控制器的调谐与否；
数据层部，从包括上述实时数据以及与上述锅炉燃烧相关的历史测定到的历史数据推导出设计燃烧模型以及燃烧控制器所需的学习数据；
模型层部，根据上述学习数据生成燃烧模型以及燃烧控制器；以及，
优化层部，利用燃烧模型以及燃烧控制器计算出燃烧优化的目标值并根据所计算出的目标值输出控制信号。


2.根据权利要求1所述的燃烧优化装置，其特征在于：
上述管理层部，包括：
优化管理部，对上述实时数据进行采集并通过对所采集到的实时数据进行分析而决定燃烧优化的执行与否；以及，
调谐管理部，以上述分析结果以及上述燃烧优化的执行与否为基础决定燃烧模型以及燃烧控制器的调谐与否。


3.根据权利要求1所述的燃烧优化装置，其特征在于：
上述数据层部，包括：
预处理部，对包括实时数据以及历史数据在内的数据执行预处理；以及，
分析部，通过对上述经过预处理的数据进行分析而推导出设计燃烧模型以及燃烧控制器所需要的学习数据。


4.根据权利要求3所述的燃烧优化装置，其特征在于：
上述预处理部执行信号重建、过滤以及极端值处理中至少一个，
信号重建是对遗漏的数据进行重建；
过滤是以基础知识或数据为基础对符合已设定条件的数据进行过滤的；
极端值处理是对超过上限值或不足下限值的数据进行去除。


5.根据权利要求1所述的燃烧优化装置，其特征在于：
上述模型层部，包括：
燃烧模型生成部，以上述学习数据为基础生成燃烧模型；以及，
燃烧控制器生成部，以上述学习数据为基础生成燃烧控制器。


6.根据权利要求1所述的燃烧优化装置，其特征在于：
上述优化层部，包括：
最佳模型选择部，通过对实时数据进行分析而按照已设定的规则从多个燃烧模型以及燃烧控制器中选择最适当的燃烧模型以及燃烧控制器；以及，
优化部，通过上述所选择的燃烧模型以及燃烧控制器推导出控制目标值。


7.根据权利要求6所述的燃烧优化装置，其特征在于：
最佳模型选择部，
从多个燃烧模型中选择与锅炉燃烧相关的当前测定到的实际数据与通过燃烧模型推测出的推测数据之间的差异最小的燃烧模型。


8.一种燃烧优化装置，其特征在于，包括：
数据层部，从与锅炉燃烧相关的当前测定到的实时数据以及与上述锅炉燃烧相关的历史测定到的历史数据中导出设计燃烧模型以及燃烧控制器所需要的学习数据；
模型层部，根据上述学习数据生成燃烧模型以及燃烧控制器；以及，
优化层部，在通过对实时数据进行分析而选择多个燃烧模型中的某一个燃烧模型并以所选择的燃烧模型为基础选择多个燃烧控制器中的某一个燃烧控制器之后，利用所选择的燃烧控制器计算出燃烧优化的目标值并根据所计算出的目标值输出控制信号。


9.根据权利要求8所述的燃烧优化装置，其特征在于：
上述数据层部，包括：
预处理部，对包括上述实时数据以及上述历史数据在内的数据执行预处理；以及，
分析部，通过对上述经过预处理的数据进行分析而推导出设计燃烧模型以及燃烧控制器所需要的学习数据。


10.根据权利要求9所述的燃烧优化装置，其特征在于：
上述预处理部执行信号重建、过滤以及极端值处理中的至少一个信号重建是对遗漏的数据进行重建；
过滤是以基础知识或数据为基础对符合已设定条件的数据进行过滤；
极端值处理是对超过上限值或不足下限值的...

【专利技术属性】
技术研发人员：朴志焄，罗相建，金贤植，孟佐泳，
申请(专利权)人：斗山重工业建设有限公司，
类型：发明
国别省市：韩国;KR