一种基于大数据的循环流化床燃煤锅炉优化节能方法技术

本发明专利技术涉及热电联产技术领域，具体是一种基于大数据的循环流化床燃煤锅炉优化节能方法。使用Hadoop技术处理锅炉数据，建立锅炉燃烧模型，通过最小二乘支持向量机算法优化锅炉热效率和氮氧化物、二氧化硫排放等多个目标，同时满足多限制条件如锅炉主汽压力、锅炉主汽温度、料层温度、返料器温度、汽包水位、分汽缸压力、分汽缸温度、高压蒸汽压力、高压蒸汽温度、除氧器温度、疏水箱液位等上下限参数。通过基于Hadoop的框架快速处理大数据，并进行数据挖掘，避免锅炉运行过程中的多变量强耦合的影响，挖掘出影响锅炉效率的组合控制变量，提高预测锅炉效率精度；优化出最佳的控制变量，提高锅炉的热效率。高锅炉的热效率。

【技术实现步骤摘要】
一种基于大数据的循环流化床燃煤锅炉优化节能方法


[0001]本专利技术涉及热电联产
，具体涉及一种基于大数据的循环流化床燃煤锅炉优化节能方法。

技术介绍

[0002]循环流化床是在燃烧空间内通过燃烧流态化固体燃料颗粒产生热量的设备，燃料颗粒在锅炉内燃烧产生大量热量并通过热传导、热对流、热辐射传递到受热面，从而实现把水烧成蒸汽的过程。锅炉燃烧过程中，能源的利用效率和氮氧化物的排放是两个重要的指标，其影响因素包括给煤量、一次风量、二次风量、返料量等，是一种多变量耦合、非线性、时变、大滞后过程。目前国内蒸汽锅炉燃烧运行主要依靠经验调整锅炉运行，很难协调锅炉效率和排放两个指标，因此，通过预测、控制并优化循环流化床锅炉燃烧过程对于降低碳排放和提高能量利用率具有重要意义。
[0003]目前，传统的基于PID的控制方式不能解决多变量耦合、非线性、时变、大滞后的问题，而目前基于各种进化算法的现有锅炉燃烧优化控制方法也存在一些问题。问题如下：
[0004]1.锅炉运行参数考虑不足，如未考虑煤质多样性、煤质湿度等，并且运行工况的样本单一，只选用一段时间内某一种工况，其预测精度较低。
[0005]2.有很多算法使用的是单目标优化，多目标优化效果不佳，不能有效协调燃烧效率和二氧化硫、氮氧化物的排放、成本的控制等。
[0006]3.不能持续的在线学习优化，锅炉系统的数据更新速度快，工况变化多，需要把实时运行的数据存储到历史数据库并对之前的模型进行校正，获取更高的精度。

技术实现思路

[0007]为了解决目前锅炉技术面临的问题，本专利技术提出基于大数据的循环流化床燃煤锅炉优化节能方法，具体是使用Hadoop技术处理大规模、多层次、高价值的锅炉数据，建立锅炉燃烧模型，通过最小二乘支持向量机算法优化锅炉热效率和氮氧化物、二氧化硫排放等多个目标，同时满足多限制条件如锅炉主汽压力、锅炉主汽温度、料层温度、返料器温度、汽包水位、分汽缸压力、分汽缸温度、高压蒸汽压力、高压蒸汽温度、除氧器温度、疏水箱液位等上下限参数，最终提高锅炉热效率，降低了氮氧化物排放。
[0008]为实现上述目标，本专利技术采用以下技术方案：一种基于大数据的循环流化床燃煤锅炉优化节能方法，其特征在于包括以下步骤：
[0009]S1:采集组态软件DCS的历史数据，对历史数据进行预处理，生成数据样本；
[0010]S2:使用Hadoop中的MapReduce分布式计算框架建立支持大数据运行的最小二乘支持向量机算法，并通过基于大数据的最小二乘支持向量机建立锅炉燃烧热效率和氮氧化物、二氧化硫的预测模型；
[0011]S3:通过权重系数法将以锅炉燃烧热效率最大化和氮氧化物、二氧化硫排放量最小化组成的多目标优化问题转换成单目标优化问题，并采用遗传算法参数调优，获取最大
的锅炉效率输入组合量，组合量包括排渣量、链斗输送机速度、引风机转速、一次风机转速、二次风机转速、给煤量、主给水量、副给水量、前减温水量、后减温水量；
[0012]S4:检测输入量组合是否满足限制参数要求，将满足要求的输入量组合传递给组态软件DCS实现控制锅炉运行，如果不满足参数要求，则选择次优组合量参数输入到组态软件中；
[0013]S5:实时读取锅炉最新的运行数据，并通过预处理导入到Hadoop的数据块中，定期更新模型，获取最佳的锅炉燃烧模型；
[0014]S6:建立一键切换是否使用大数据优化算法功能，用户可以随时关闭优化算法控制功能。
[0015]进一步的技术方案是所述步骤S1的具体步骤如下：
[0016]S1
‑
1.以0.2Hz从组态软件DCS采集6个月的历史数据，建立原始数据样本，数据样本包括控制变量、优化目标变量和限制变量，其中控制变量包括排渣量、链斗输送机速度、引风机转速、一次风机转速、二次风机转速、给煤量、主给水量、副给水量、前减温水量、后减温水量；优化目标变量包括锅炉燃烧热效率的煤耗系数和氮氧化物含量、二氧化硫含量；限制变量包括锅炉主汽压力、锅炉主汽温度、料层温度、返料器温度、汽包水位、分汽缸压力、分汽缸温度、高压蒸汽压力、高压蒸汽温度、除氧器温度、疏水箱液位；
[0017]S1
‑
2.删除原始数据样本中重复数据、离群点数据、超参数据，对于缺失的数据插值填充。对修改后的数据以1分钟一次重采样形成样本数据；
[0018]S1
‑
3.对S1
‑
2中的样本数据做关联，同一时间的控制变量和目标变量关联，并关联10分钟之前的控制变量值，形成新的样本数据；
[0019]S1
‑
4.为了消除数据特征之间的量纲影响，对S1
‑
3中的样本数据进行归一化处理，本文将样本数据归一化到[
‑
1,1]区间内，具体归一化公式如下：
[0020][0021]其中x是归一化前的原始数据样本，x
*
是归一化后的数据样本，x
max
、x
min
分别为原始数据样本中的最大值与最小值。
[0022]进一步的技术方案是所述步骤S2的具体步骤如下：
[0023]S2
‑
1.把数据样本分割成若干数据块存储在HDFS中；
[0024]S2
‑
2.通过Hadoop的map操作读取数据块中的内容并处理数据，输出的数据样本合并成列表；
[0025]S2
‑
3.通过Hadoop的Reduce操作列表数据根据逻辑规则处理后写到HDFS中；
[0026]S2
‑
4.通过基于大数据的最小二乘支持向量机建立锅炉燃烧热效率和氮氧化物、二氧化硫、锅炉主汽压力、锅炉主汽温度、料层温度、返料器温度、汽包水位、分汽缸压力、分汽缸温度、高压蒸汽压力、高压蒸汽温度、除氧器温度、疏水箱液位等预测模型；最小二乘支持向量机模型如下：
[0027][0028]其中，其中x1(t)与x2(t)，是可控变量，y(t)是目标变量。p、m、n表示当前时刻t到前
p、m、n分钟的样本数据。最小二乘支持向量机模型使用高斯径向基函数核，如下：
[0029][0030]S2
‑
4.通过均方根误差用来评估模型精度，并实时更新模型精度。
[0031]进一步的技术方案是所述步骤S3具体为在更新的模型基础上使用遗传算法优化各个锅炉控制变量，每个时间段均使用十进制编码，初始种群设定100，变异率设定10％，交叉率设定60％，迭代次数200；如果寻优的结果RMSE小于1，则把控制变量组传递给限制函数判定是否超参，如果RMSE不小于1，则需要返回到S2中，修改预测模型，继续优化，直到选取出最优的控制变量组。
[0032]进一步的技术方案是所述步骤S4具体为根据控制变量组合计算出限制变量的预测，判断是否超参，如果不超参，则直接传递到组态软件中，否则返回S2中，剔除超参的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的循环流化床燃煤锅炉优化节能方法，其特征在于包括以下步骤：S1:采集组态软件DCS的历史数据，对历史数据进行预处理，生成数据样本；S2:使用Hadoop中的MapReduce分布式计算框架建立支持大数据运行的最小二乘支持向量机算法，并通过基于大数据的最小二乘支持向量机建立锅炉燃烧热效率和氮氧化物、二氧化硫的预测模型；S3:通过权重系数法将以锅炉燃烧热效率最大化和氮氧化物、二氧化硫排放量最小化组成的多目标优化问题转换成单目标优化问题，并采用遗传算法参数调优，获取最大的锅炉效率输入组合量，组合量包括排渣量、链斗输送机速度、引风机转速、一次风机转速、二次风机转速、给煤量、主给水量、副给水量、前减温水量、后减温水量；S4:检测输入量组合是否满足限制参数要求，将满足要求的输入量组合传递给组态软件DCS实现控制锅炉运行，如果不满足参数要求，则选择次优组合量参数输入到组态软件中；S5:实时读取锅炉最新的运行数据，并通过预处理导入到Hadoop的数据块中，定期更新模型，获取最佳的锅炉燃烧模型；S6:建立一键切换是否使用大数据优化算法功能，用户可以随时关闭优化算法控制功能。2.根据权利要求1所述的一种基于大数据的循环流化床燃煤锅炉优化节能方法，其特征在于：所述步骤S1的具体步骤如下：S1
‑
1.以0.2Hz从组态软件DCS采集6个月的历史数据，建立原始数据样本，数据样本包括控制变量、优化目标变量和限制变量，其中控制变量包括排渣量、链斗输送机速度、引风机转速、一次风机转速、二次风机转速、给煤量、主给水量、副给水量、前减温水量、后减温水量；优化目标变量包括锅炉燃烧热效率的煤耗系数和氮氧化物含量、二氧化硫含量；限制变量包括锅炉主汽压力、锅炉主汽温度、料层温度、返料器温度、汽包水位、分汽缸压力、分汽缸温度、高压蒸汽压力、高压蒸汽温度、除氧器温度、疏水箱液位；S1
‑
2.删除原始数据样本中重复数据、离群点数据、超参数据，对于缺失的数据插值填充，对修改后的数据以1分钟一次重采样形成样本数据；S1
‑
3.对S1
‑
2中的样本数据做关联，同一时间的控制变量和目标变量关联，并关联10分钟之前的控制变量值，形成新的样本数据；S1
‑
4.为了消除数据特征之间的量纲影响，对S1
‑
3...

【专利技术属性】
技术研发人员：王云见，赵汝强，孙延贞，于忠清，
申请(专利权)人：青岛洪锦智慧能源技术有限公司，
类型：发明
国别省市：