基于大数据分析的热风炉燃烧监测系统及方法技术方案

本发明专利技术公开了基于大数据分析的热风炉燃烧监测系统及方法，涉及计算机技术领域，自适应调节管控模块，所述自适应调节管控模块根据热风炉所处的燃烧阶段在数据库中预置的阶段燃烧目标值及阶段燃烧初始设定步长，对热风炉中的输入煤气流量及输入空气流量进行自适应调节，不同燃烧阶段相应的自适应调节方式不同。本发明专利技术适应于同种结构不同炉况的热风炉，在热风炉燃烧过程中，通过引入自适应调节方式，根据阶段目标和实时数据动态计算、调节空气流量和煤气流量等，保证燃烧过程的稳定性，使得燃烧效率的最大化，降低污染物排放，提高经济效益。经济效益。经济效益。

【技术实现步骤摘要】
基于大数据分析的热风炉燃烧监测系统及方法


[0001]本专利技术涉及计算机
，具体为基于大数据分析的热风炉燃烧监测系统及方法。

技术介绍

[0002]热风炉燃烧过程受到影响因素较多，如设备状况、燃料类型、流量、管道压力、工艺要求等，这些参数具有非线性、难量化的特点。现有的热风炉燃烧监测系统只是单纯的通过传感器监测热风炉内的数据情况，无法根据实际获取的情况对热风炉的状态进行调节，同时热风炉燃烧普遍采用级联控制、串级控制和人工辅助方式，该方法在一定程度上满足使用要求，但仍存在一定的不足：（1）热风炉的工况不确定性和各参数的非线性和不稳定性，需人员根据不同的阶段目标和实际燃烧情况，持续人工调节参数和阀门开度；（2）过多人工干预存在较大的失误和安全风险；（3）未真正实现系统的全程自动调节；（4）生产依靠经验，无法有效的确保整个燃烧过程平稳运行，达到燃烧效率最优化。
[0003]综合上述内容，可知，现有的热风炉燃烧监测系统存在较大的缺陷。

技术实现思路

[0004]本专利技术的目的在于提供基于大数据分析的热风炉燃烧监测系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：基于大数据分析的热风炉燃烧监测方法，所述方法包括以下步骤：S1、每隔第一单位时间t1获取一次热风炉中设置的各个传感器监测的数据，传感器监测数据的类型包括输入煤气流量、输入空气流量、炉内残氧量、拱顶温度及废气温度，并将时间t对应的各个传感器获取数据逐个录入到一个空白集合中，得到时间t采集的热风炉状态数据集合，所述第一单位时间t1为数据库中预置的常数；S2、对时间t采集的热风炉状态数据集合进行处理，筛选出异常数据，将筛选的异常数据传递给S5，将筛选的正常数据传递给S3；S3、根据数据库中预置的拱顶温度管理值、拱顶温度目标值及废气温度目标值，判断热风炉所处的燃烧阶段，并获取热风炉所处的燃烧阶段在数据库中预置的阶段燃烧目标值及阶段燃烧初始设定步长，阶段燃烧目标值包括相应阶段的空燃比上下限、废气温度上下限及残氧量上下限；S4、根据热风炉所处的燃烧阶段在数据库中预置的阶段燃烧目标值及阶段燃烧初始设定步长，对热风炉中的输入煤气流量及输入空气流量进行自适应调节，不同燃烧阶段相应的自适应调节方式不同；
S5、对热风炉使用过程中的历史数据进行分析，计算热风炉的状态稳定值，并判断热风炉的状态稳定值是否异常，将热风炉的异常状态稳定值及S2中筛选的异常数据发送给管理员，进行预警。
[0006]进一步的，所述S2筛选异常数据的方法包括以下步骤：S2.1、获取时间t采集的热风炉状态数据集合，将时间t采集的热风炉状态数据集合中第i个元素对应的值记为Xi
t
；S2.2、获取Xi
t
与Xi
t
‑
t1
之间的偏差值
△
Ai，所述Xi
t
与Xi
t
‑
t1
之间的偏差值等于Xi
t
与Xi
t
‑
t1
差值的绝对值，即
△
Ai=|Xi
t
‑
Xi
t
‑
t1
|；S2.3、获取基于时间t的历史采集数据中的第i个队列，所述基于时间t的历史采集数据中的第i个队列为Xi1、Xi2、Xi3、...、Xi
n
，所述Xi
n
表示与Xi
t
对应传感器监测数据的种类相同且在历史采集数据中，时间t之前的第n个数据，计算Xi
t
与基于时间t的历史采集数据中的第i个队列之间的偏差比Ki，n为正整数，；S2.4、对Xi
t
相应的偏差值
△
Ai及偏差比Ki进行判断，当
△
Ai小于等于第一阈值Ai且Ki小于等于第二阈值M时，则判定Xi
t
为正常数据，当
△
Ai大于第一阈值Ai或Ki大于第二阈值M时，则判定Xi
t
为异常数据，并传递给管理员进行预警，所述第一阈值Ai为数据库中预置的与Xi
t
对应传感器监测数据的种类相同的数据中，相邻两次采集数据之间允许的最大偏差值，所述第二阈值M为数据库中预置的与Xi
t
对应传感器监测数据的种类相同的数据中，采集数据与相应队列之间允许的最大偏差比。
[0007]本专利技术筛选异常数据，使得传感器既能避免偶然因素的脉冲干扰，又能避免周期脉冲干扰，精准的筛选出传感器得到的异常数据，进而保证参与后续分析计算的数据真实、有效，确保后续分析结果的准确性，偏差值
△
Ai判断传感器获取Xi
t
时是否受到偶然因素的脉冲干扰，偏差比Ki判断传感器获取Xi
t
时是否受到周期干扰。
[0008]进一步的，所述S3中判断热风炉所处的燃烧阶段的方法包括以下步骤：S3.1、获取数据库中预置的拱顶温度管理值Tg、拱顶温度目标值Tgm及废气温度目标值Tf，获取热风炉的起始工作时间t0，获取t0至t对应的时间段内各个时间点采集的热风炉状态数据集合中的拱顶温度的最大值Tgtz及废气温度最大值Tftz，所述t0与t分别对应的热风炉工作次数相同；S3.2、将Tg、Tgm分别与Tgt进行比较，将Tf与Tft进行比较，根据比较结果判断热风炉的燃烧阶段，当Tgtz＜Tg＜Tgm时，则判定时间t时热风炉处于燃烧初始阶段；当Tg≤Tgtz＜Tgm时，则判定时间t时热风炉处于拱顶温度管理阶段；当Tg＜Tgm≤Tgtz且Tftz＜Tf时，则判定时间t时热风炉处于拱顶温度稳定阶段；当Tg＜Tgm≤Tgtz且Tf≤Tftz时，则判定时间t时热风炉处于废气温度管理阶段。
[0009]本专利技术判断热风炉所处的燃烧阶段，是因为不同阶段的热风炉燃烧情况存在较大的差异，进行分析时参考的传感器数据种类也不相同，进而判断热风炉的燃烧阶段，不同燃烧阶段对应的阶段燃烧目标值存在差异，便于后续过程对热风炉的燃烧状态进行有效调
节。
[0010]进一步的，所述S4中对热风炉中的输入煤气流量及输入空气流量进行自适应调节的方法包括以下步骤：S4.1、获取时间t采集的热风炉状态数据集合中的拱顶温度Tgt、废气温度Tft及残氧量CYt，获取时间t采集的热风炉状态数据集合中的输入煤气流量Smt及输入空气流量Skt，并计算空燃比Smt/Skt；S4.2、获取热风炉所处的燃烧阶段及其在数据库中预置的阶段燃烧目标值及阶段燃烧初始步长；S4.3、当热风炉所处的燃烧阶段为燃烧初始阶段或拱顶温度管理阶段或拱顶温度稳定阶段时，保持输入煤气流量不变，确保空燃比在相应阶段燃烧目标值的空燃比上下限之间，若CYt小于相应阶段燃烧目标值的残氧量下限，按照自适应调节方式增加输入空气流量，增大空燃比，若CYt大于相应阶段燃烧目标值的残氧量上限，按照自适应调节方式降低输入空气流量，减小空本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据分析的热风炉燃烧监测方法，其特征在于，所述方法包括以下步骤：S1、每隔第一单位时间t1获取一次热风炉中设置的各个传感器监测的数据，传感器监测数据的类型包括输入煤气流量、输入空气流量、炉内残氧量、拱顶温度及废气温度，并将时间t对应的各个传感器获取数据逐个录入到一个空白集合中，得到时间t采集的热风炉状态数据集合，所述第一单位时间t1为数据库中预置的常数；S2、对时间t采集的热风炉状态数据集合进行处理，筛选出异常数据，将筛选的异常数据传递给S5，将筛选的正常数据传递给S3；S3、根据数据库中预置的拱顶温度管理值、拱顶温度目标值及废气温度目标值，判断热风炉所处的燃烧阶段，并获取热风炉所处的燃烧阶段在数据库中预置的阶段燃烧目标值及阶段燃烧初始设定步长，阶段燃烧目标值包括相应阶段的空燃比上下限、废气温度上下限及残氧量上下限；S4、根据热风炉所处的燃烧阶段在数据库中预置的阶段燃烧目标值及阶段燃烧初始设定步长，对热风炉中的输入煤气流量及输入空气流量进行自适应调节，不同燃烧阶段相应的自适应调节方式不同；S5、对热风炉使用过程中的历史数据进行分析，计算热风炉的状态稳定值，并判断热风炉的状态稳定值是否异常，将热风炉的异常状态稳定值及S2中筛选的异常数据发送给管理员，进行预警。2.根据权利要求1所述的基于大数据分析的热风炉燃烧监测方法，其特征在于：所述S2筛选异常数据的方法包括以下步骤：S2.1、获取时间t采集的热风炉状态数据集合，将时间t采集的热风炉状态数据集合中第i个元素对应的值记为Xi
t
；S2.2、获取Xi
t
与Xi
t
‑
t1
之间的偏差值
△
Ai，所述Xi
t
与Xi
t
‑
t1
之间的偏差值等于Xi
t
与Xi
t
‑
t1
差值的绝对值，即
△
Ai=|Xi
t
‑
Xi
t
‑
t1
|；S2.3、获取基于时间t的历史采集数据中的第i个队列，所述基于时间t的历史采集数据中的第i个队列为Xi1、Xi2、Xi3、...、Xi
n
，所述Xi
n
表示与Xi
t
对应传感器监测数据的种类相同且在历史采集数据中，时间t之前的第n个数据，计算Xi
t
与基于时间t的历史采集数据中的第i个队列之间的偏差比Ki，n为正整数，；S2.4、对Xi
t
相应的偏差值
△
Ai及偏差比Ki进行判断，当
△
Ai小于等于第一阈值Ai且Ki小于等于第二阈值M时，则判定Xi
t
为正常数据，当
△
Ai大于第一阈值Ai或Ki大于第二阈值M时，则判定Xi
t
为异常数据，并传递给管理员进行预警，所述第一阈值Ai为数据库中预置的与Xi
t
对应传感器监测数据的种类相同的数据中，相邻两次采集数据之间允许的最大偏差值，所述第二阈值M为数据库中预置的与Xi
t
对应传感器监测数据的种类相同的数据中，采集数据与相应队列之间允许的最大偏差比。3.根据权利要求1所述的基于大数据分析的热风炉燃烧监测方法，其特征在于：所述S3中判断热风炉所处的燃烧阶段的方法包括以下步骤：
S3.1、获取数据库中预置的拱顶温度管理值Tg、拱顶温度目标值Tgm及废气温度目标值Tf，获取热风炉的起始工作时间t0，获取t0至t对应的时间段内各个时间点采集的热风炉状态数据集合中的拱顶温度的最大值Tgtz及废气温度最大值Tftz，所述t0与t分别对应的热风炉工作次数相同；S3.2、将Tg、Tgm分别与Tgt进行比较，将Tf与Tft进行比较，根据比较结果判断热风炉的燃烧阶段，当Tgtz＜Tg＜Tgm时，则判定时间t时热风炉处于燃烧初始阶段；当Tg≤Tgtz＜Tgm时，则判定时间t时热风炉处于拱顶温度管理阶段；当Tg＜Tgm≤Tgtz且Tftz＜Tf时，则判定时间t时热风炉处于拱顶温度稳定阶段；当Tg＜Tgm≤Tgtz且Tf≤Tftz时，则判定时间t时热风炉处于废气温度管理阶段。4.根据权利要求3所述的基于大数据分析的热风炉燃烧监测方法，其特征在于：所述S4中对热风炉中的输入煤气流量及输入空气流量进行自适应调节的方法包括以下步骤：S4.1、获取时间t采集的热风炉状态数据集合中的拱顶温度Tgt、废气温度Tft及残氧量CYt，获取时间t采集的热风炉状态数据集合中的输入煤气流量Smt及输入空气流量Skt，并计算空燃比Smt/Skt；S4.2、获取热风炉所处的燃烧阶段及其在数据库中预置的阶段燃烧目标值及阶段燃烧初始设定步长；S4.3、当热风炉所处的燃烧阶段为燃烧初始阶段或拱顶温度管理阶段或拱顶温度稳定阶段时，保持输入煤气流量不变，确保空燃比在相应阶段燃烧目标值的空燃比上下限之间，若CYt小于相应阶段燃烧目标值的残氧量下限，按照自适应调节方式增加输入空气流量，增大空燃比，若CYt大于相应阶段燃烧目标值的残氧量上限，按照自适应调节方式降低输入空气流量，减小空燃比，调节后的空燃比依旧在相应阶段燃烧目标值的空燃比上下限之间；S4.4、当热风炉所处的燃烧阶段为废气温度管理阶段时，若Tft大于相应阶段燃烧目标值的废气温度上限，按照自适应调节方式降低输入煤气流量；若Tft小于相应阶段燃烧目标值的废气温度下限，按照自适应调节方式增加输入煤气流量；所述自适应调节方式对应的调节方法包括以下步骤：S4
‑
1、构建期望误差与实际输出之间的关系模型，式中，ε(k)代表时间k对应的期望误差，d(k)表示时间k时对应的期望值，y(k)表示时间k时对应的输出结果，当热风炉所处的燃烧阶段为燃烧初始阶段或拱顶温度管理阶段或拱顶温度稳定阶段，且CYk小于相应阶段燃烧目标值的残氧量下限时，d(k)等于时间k时相应阶段燃烧目标值的残氧量下限，y(k)等于时间k时对应的残氧量CYk，当热风炉所处的燃烧阶段为燃烧初始阶段或拱顶温度管理阶段或拱顶温度稳定阶段，
且CYk大于相应阶段燃烧目标值的残氧量上限时，d(k)等于时间k时相应阶段燃烧目标值的残氧量上限，y(k)等于时间k时对应的残氧量CYk，当热风炉所处的燃烧阶段为废气温度管理阶段且Tfk大于相应阶段燃烧目标值的废气温度上限时，d(k)等于时间k时相应阶段燃烧目标值的废气温度上限，y(k)等于时间k时对应的废气温度Tfk，当热风炉所处的燃烧阶段为废气温度管理阶段且Tfk小于相应阶段燃烧目标值的废气温度下限时，d(k)等于时间k时相应阶段燃烧目标值的废气温度下限，y(k)等于时间k时对应的废气温度Tfk；S4
‑
2、建立输入输出之间的关系模型，式中,u...

【专利技术属性】
技术研发人员：杨文仁，熊年昀，李杉，
申请(专利权)人：宝信软件南京有限公司，
类型：发明
国别省市：