一种火力发电机组深度调峰下负荷偏差自动控制方法技术

本发明专利技术公开了一种火力发电机组深度调峰下负荷偏差自动控制方法，包括以下步骤：步骤一、获取机组历史数据；步骤二、剔除数据集X的噪声数据；步骤三、基于多源信息构建卷积神经网络模型；步骤四、获取目标时刻的主蒸汽压力值：步骤五、根据主蒸汽压力偏差计算系统目标时刻的输入量，步骤六、到下一个采样时间，重复步骤四和步骤五。本发明专利技术结构简单、设计合理，对机组自动控制系统的检测值进行特征提取，增加多信息源协调控制的相关性，使用卷积神经网络预测目标时刻的主蒸汽压力值，并根据主蒸汽压力值的偏差值计算机组自动控制系统目标时刻的输入量，很好的解决了机组自动控制系统的开环优化问题。环优化问题。环优化问题。

【技术实现步骤摘要】
一种火力发电机组深度调峰下负荷偏差自动控制方法


[0001]本专利技术属于火力发电
，具体涉及一种火力发电机组深度调峰下负荷偏差自动控制方法。

技术介绍

[0002]为了响应国家能源政策，火电发电必须为新能源保驾护航，深度调峰的安全可靠性尤其重要。
[0003]在热电厂的直流锅炉运行期间，衡量热电厂锅炉燃烧系统性能的主要指标包括锅炉容量、蒸汽流量、蒸汽压力、蒸汽温度、给水温度、炉膛负压、出水温度等。由于锅炉燃烧系统的控制对象具有较大的滞后性，所以对锅炉燃烧系统的优化控制提出了很大的挑战，如发生重要辅机跳闸时，运行人员操作时完全是凭借常年的运行经验进行相关调整，对机组能维持稳定运行的重要参数并不能很好的确认，难以满足系统的要求，这种人工操作不仅控制质量差，而且控制精度差异很大。
[0004]通过锅炉燃烧产生的热量提供合格的蒸汽，然后利用蒸汽做功来驱动汽机进行工作，这就存在一个供求关系的平衡问题，而主蒸汽压力就是反应这种平衡性的直接参考依据，同时也是锅炉燃烧控制系统的重要调节依据。
[0005]蒸汽压力的突变将导致锅炉水位的变化。主蒸汽压力过高，说明蒸汽消耗量小于输出量；反之，主蒸汽压力过低，说明蒸汽的消耗量大于输出量。干扰蒸汽压力产生波动的因素有：第一，锅炉的外部因素，称为外部干扰；第二，锅炉的内部因素，称为内部干扰。外部干扰主要是外部负载的正常增加或减少以及发生事故时大幅度甩负荷。内部扰动主要是指炉内燃烧条件的变化。锅炉燃烧控制系统寻求主蒸汽压力的稳定，主要是通过实时调整内部扰动，包括送入锅炉炉膛燃料量的变化、煤粉的细度变化、煤质的变化、空气过剩系数的改变、燃料温度的改变、加热表面结垢灰尘沉积、进水温度变化或出现风粉混合不当现象，以使燃料供应和空气量成比例地进行匹配，从而保证锅炉的能量输出与汽轮机满足外部负载要求所需的能量输入持平。
[0006]针对锅炉燃烧系统，选择合适有效的输入量预测和计算方法，对维持主蒸汽压力的稳定，提高机组燃烧控制系统的控制效果，提升锅炉的燃烧效率具有现实意义。

技术实现思路

[0007]本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种火力发电机组深度调峰下负荷偏差自动控制方法，其结构简单、设计合理，对机组自动控制系统的检测值进行特征提取，增加多信息源协调控制的相关性，使用卷积神经网络预测目标时刻的主蒸汽压力值，并根据主蒸汽压力值的偏差值计算机组自动控制系统目标时刻的输入量，很好的解决了机组自动控制系统的开环优化问题。
[0008]为解决上述技术问题，本专利技术采用的技术方案是：一种火力发电机组深度调峰下负荷偏差自动控制方法，其特征在于：包括以下步骤：
[0009]步骤一、获取机组历史数据；
[0010]根据设定的采样周期T，在各个采样时刻，获取机组自动控制系统的多个检测值x
ij
和主蒸汽压力p
j
，形成数据集X＝(x
ij
)，i表示检测值的个数，i不小于2，1≤j≤N，N表示采样个数；
[0011]步骤二、剔除数据集X的噪声数据；
[0012]步骤三、基于多源信息构建卷积神经网络模型：
[0013]步骤301：对检测值x
k
分别进行归一化处理，
[0014]步骤302：分别以第j个采样时刻的x
kj
、x
hj
、p
j
‑
t
作为矩阵元素构建第k个检测值的三维图像，1≤h≤i，h≠k，提取第k个检测值的三维图像的图像特征，得到第一特征向量Q
kh
，最终得到第k个检测值的第一特征向量集合Q
k
＝[Q
k1
,...Q
kh
,...Q
ki
]；
[0015]步骤303：分别计算第一特征向量Q
kh
与第一特征向量Q
kr
之间的相似度值，1≤r≤i，并对相似度值进行排序，在Q
k
中删除最小相似度值对应的第一特征向量Q
kh
；
[0016]步骤304：对第一特征向量集合Q
k
中的多个第一特征向量进行融合得到第二特征向量；
[0017]步骤305：对第二特征向量分别进行权重赋值得到第三特征向量；
[0018]步骤306：对第三特征向量进行降维处理，将降维处理后的第三特征向量划分为训练集和测试集；
[0019]步骤307：选取卷积神经网络模型，定义网络模型目标函数，将训练集作为网络模型输入，将t+l时刻的主蒸汽压力p
j
‑
t
作为输出值，求解网络模型最优参数从而完成网络模型训练；
[0020]步骤四、获取目标时刻的主蒸汽压力值：
[0021]步骤401、实时获取当前时刻的多个检测值x
ij
‑
p
；
[0022]步骤402、根据步骤步骤301
‑
步骤305，获取降维处理后的第三特征向量；
[0023]步骤403、将第三特征向量输入网络模型，获得目标时刻的主蒸汽压力预测值；
[0024]步骤五、根据主蒸汽压力偏差计算系统目标时刻的输入量；
[0025]步骤501、计算机计算目标时刻的主蒸汽压力预测值和机组稳态主蒸汽压力值的偏差值ΔY，并根据偏差值ΔY计算机组自动控制系统的输入量，输入量包括将t+l时刻的燃料输入量x
1(t+l)
、送风机开度x
2(t+l)
和引风量x
3(t+l)
；
[0026]步骤502、将系统目标时刻的输入量反馈给机组自动控制系统；
[0027]步骤六、到下一个采样时间，重复步骤四和步骤五。
[0028]上述的一种火力发电机组深度调峰下负荷偏差自动控制方法，其特征在于：计算机按照公式计算t+l时刻的燃料输入量x
1(t+l)
，其中A1、B1和D1表示采用matlab进行数据拟合得到的拟合系数。
[0029]上述的一种火力发电机组深度调峰下负荷偏差自动控制方法，其特征在于：计算机按照公式计算t+l时刻的送风机开度x
2(t+l)
，其中A2、B2和E2表示采用matlab进行数据拟合得到的拟合系数，x
6t
表示汽机总阀位指令开度，
C
t
表示t时刻烟道内SO2的浓度值。
[0030]上述的一种火力发电机组深度调峰下负荷偏差自动控制方法，其特征在于：计算机按照公式计算t+l时刻的引风量x
3(t+l)
，其中A3、B3表示采用matlab进行数据拟合得到的拟合系数，表示燃料量增加到x
1t
引起的炉膛热负荷变化的比例因子，τ表示机组自动控制系统的反馈滞后时间，x
4t
表示t时刻送风机出口压力，P表示大气压力本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火力发电机组深度调峰下负荷偏差自动控制方法，其特征在于：包括以下步骤：步骤一、获取机组历史数据；根据设定的采样周期T，在各个采样时刻，获取机组自动控制系统的多个检测值x
ij
和主蒸汽压力p
j
，形成数据集X＝(x
ij
)，i表示检测值的个数，i不小于2，1≤j≤N，N表示采样个数；步骤二、剔除数据集X的噪声数据；步骤三、基于多源信息构建卷积神经网络模型：步骤301：对检测值x
k
分别进行归一化处理，1≤k≤i；步骤302：分别以第j个采样时刻的x
kj
、x
hj
、p
j
‑
t
作为矩阵元素构建第k个检测值的三维图像，1≤h≤i，h≠k，提取第k个检测值的三维图像的图像特征，得到第一特征向量Q
kh
，最终得到第k个检测值的第一特征向量集合Q
k
＝[Q
k1
,...Q
kh
,...Q
ki
]；步骤303：分别计算第一特征向量Q
kh
与第一特征向量Q
kr
之间的相似度值，1≤r≤i，并对相似度值进行排序，在Q
k
中删除最小相似度值对应的第一特征向量Q
kh
；步骤304：对第一特征向量集合Q
k
中的多个第一特征向量进行融合得到第二特征向量；步骤305：对第二特征向量分别进行权重赋值得到第三特征向量；步骤306：对第三特征向量进行降维处理，将降维处理后的第三特征向量划分为训练集和测试集；步骤307：选取卷积神经网络模型，定义网络模型目标函数，将训练集作为网络模型输入，将t+l时刻的主蒸汽压力p
j
‑
t
作为输出值，求解网络模型最优参数从而完成网络模型训练；步骤四、获取目标时刻的主蒸汽压力值：步骤401、实时获取当前时刻的多个检测值x
ij
‑
p
；步骤402、根据步骤步骤301
‑
步骤305，获取降维处理后的第三特征向量；步骤403、将第三特征向量输入网络模型，获得目标时刻的主蒸汽压力预测值；步骤五、根据主蒸汽压力偏差计算系统目标时刻的输入量；步骤501、计算机计算目标时刻的主蒸汽压力预测值和机组稳态主蒸汽压力值的偏差值ΔY，并根据偏差值ΔY计算机组自动控制系统的输入量，输入量包括将t+l时刻的燃料输入量x
1(t+l)
、送风机开度x
2(t+l)
和引风量x
3(t+l)
；步骤502、将系统目标时刻的输入量反馈给机组自动控制系统；步骤六、到下一个采样时间，重复步骤四和步骤五。2.按照权利要求1所述的一种火力发电机组深度调峰下负荷偏差自动控制方法，其特征在于：计算机按照公式计算t+l时刻的燃料输入量x
1(t+l)
...

【专利技术属性】
技术研发人员：赵东升，田桦，李强，王静，乔咪咪，刘建华，丁振宇，陈清，景雪晖，孔德安，刘攀，韩森，韦培元，秦仁杰，胥梁，葛鹏，熊巍，李欣，
申请(专利权)人：兰州陇能电力科技有限公司宁夏电力能源科技有限公司国网新疆电力有限公司电力科学研究院，
类型：发明
国别省市：