一种锅炉受热面超温预警方法技术

本发明专利技术提出了一种锅炉受热面超温预警方法，选取影响锅炉受热面壁温的主要因素；基于历史数据确定热偏差最大位置，结合壁温动态响应特性，确定各受热面所需的壁温预测时长，采用XGBoost模型特征重要性提取方法选取影响壁温的关键特征变量；通过SSA优化XGBoost模型超参数，构建锅炉受热面壁温预测模型，结合置信区间确定不同时刻壁温的预测区间；通过概率密度估计，确定受热面超温预警阈值；采用滑动窗口检测方法，统计窗口内预测壁温上限的平均值，判断其是否超过预警阈值，实现受热面壁温超温预警。本发明专利技术提出的锅炉受热面超温预警方法可为运行人员提供锅炉受热面壁温预警信息，减少超温爆管发生的可能性，助力锅炉安全运行。行。行。

【技术实现步骤摘要】
一种锅炉受热面超温预警方法


[0001]本专利技术属于锅炉安全
，尤其是涉及一种锅炉受热面的超温预警方法。

技术介绍

[0002]锅炉在调峰工况，特别是深度调峰工况运行时，给水流量减少，水循环动力变差，不可避免地出现热负荷偏差，使部分受热面管壁温度超过其最大许用温度，这种长期的超温运行可能造成管壁裂纹，甚至爆管等安全事故，严重影响机组安全运行。因此，准确预测锅炉受热面壁温变化趋势，合理确定其正常运行的壁温阈值，尽早发现其超温趋势进行预警，可有效降低深度调峰对燃煤锅炉受热面的超温影响，减少其超温爆管发生的可能性。
[0003]现阶段我国学者对锅炉受热面壁温超温预警的研究，主要依赖数值模拟方法和数据驱动方法。其中，数值模拟方法可以获得锅炉内部详细的工质流动、燃烧、传热过程和温度分布。然而，由于燃煤锅炉呈现非线性、迟滞性和不确定性等特性，其燃烧及传热机理较为复杂，建立准确的数值模拟模型非常困难。同时，数值模拟方法耗时长，模拟计算的工况有限，很难得到连续工况下锅炉的壁温特性，在工程应用上受到一定的限制。
专利技术内容
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锅炉受热面超温预警方法，其特征在于，选取影响锅炉受热面壁温的主要影响因素；基于壁温的历史运行数据确定热负荷偏差最大的位置，结合壁温动态响应特性，确定各受热面所需的壁温预测时长，采用XGBoost模型特征重要性提取方法选取影响壁温的关键特征变量；通过SSA优化XGBoost模型的超参数，构建锅炉受热面壁温预测模型，结合置信区间算法，确定不同时刻壁温的预测区间；通过估计数据样本的概率密度分布，确定受热面超温的预警阈值；采用滑动窗口检测方法，统计窗口内预测壁温上限的平均值，判断其是否超过预警阈值，实现锅炉受热面壁温超温检测与预警，具体包括如下步骤：步骤1、锅炉受热面壁温主要影响因素的数据采集及存储：对影响锅炉受热面壁温的主要因素及锅炉各受热面壁温的运行数据进行实时采集；同时，同步存储锅炉各受热面壁温运行数据，建立历史运行数据库；锅炉受热面壁温的主要因素包括给煤量、炉膛风量、烟气挡板调节阀位、主蒸汽温度、主蒸汽压力、锅炉给水流量、给水温度、过热减温水流量、过热减温水温度、机组负荷；步骤2、数据分析及关键特征变量的选取：基于历史运行数据，确定热负荷偏差最大的位置，结合壁温响应特性，确定所需的受热面壁温预测时长；采用XGBoost模型特征重要性提取方法选取影响壁温的关键特征变量，并将获得的关键特征变量的运行时序数据重构为监督学习数据；步骤3、锅炉受热面壁温预测模型的构建：通过麻雀搜索算法SSA优化XGBoost模型的超参数，构建SSA
‑
XGBoost壁温预测模型；结合置信区间算法，将预测的壁温点值拓展成为壁温预测区间；步骤4、锅炉受热面超温预警阈值的确定：对历史运行数据进行稳态筛选，采用Parezn窗估计壁温数据样本的概率密度分布，设置置信度为85％，求取不同工况下对应的壁温置信区间上限作为超温预警阈值；步骤5、锅炉受热面壁温超温预警：采用滑动窗口检测方法，统计窗口内不同预测时刻的壁温上限的平均值，判断壁温上限的平均值是否小于超温预警阈值，当壁温上限的平均值大于超温预警阈值时，进行超温预警；否则，继续进行检测。2.根据权利要求1所述的锅炉受热面超温预警方法，其特征在于：所述步骤1中的给煤量、炉膛风量、烟气挡板调节阀位、主蒸汽温度、主蒸汽压力、锅炉给水流量、给水温度、过热减温水流量、过热减温水温度、机组负荷、锅炉各受热面壁温参数每30秒采集并存储一次。3.根据权利要求1所述的锅炉受热面超温预警方法，其特征在于：所述步骤2具体包括以下步骤：步骤201、锅炉受热面易超温位置的确定：分析锅炉各受热面的壁温历史运行数据，观察各位置处热负荷分布，寻找热负荷偏差最大的位置，将热负荷偏差最大的位置的壁温作为锅炉受热面超温预警主要观测对象；步骤202、锅炉受热面壁温预测时长的确定：基于受热面壁温及其降温措施的历史运行数据，分析锅炉受热面壁温的动态响应特性，确定壁温动态响应时长m；为避免因实时采集数据异常而发生异常告警，采用时间裕度m/5作为滑动告警窗口；确定最终所需的壁温预测时长为6m/5；步骤203、锅炉受热面壁温关键特征变量确定：采用XGBoost模型特征重要性提取方法，从步骤1中获取的锅炉受热面壁温的主要影响因素中选择XGBoost模型特征重要性最高的5
个影响因素作为关键特征变量；步骤204、时序数据重构：采用Python中的Pandas.shift函数将关键特征变量的时序数据转换为机器学习算法能够处理的监督学习数据。4.根据权利要求1所述的锅炉受热面超温预警方法，其特征在于：所述步骤3具体包括以下步骤：步骤301、SSA
‑
XGBoost壁温预测模型的构建：通过SSA对XGBoost模型的超参数进行寻优，构建壁温预测模型；超参数包括树的数目、回归树深度、学习率和叶子样本权重；步骤302、壁温预测模型输入数据样本数的确定：通过计算比较在不同的输入样...

【专利技术属性】
技术研发人员：徐婧，崔智鹏，王策，杜敏，史凯，邵亚特，
申请(专利权)人：欧博源科技北京有限公司，
类型：发明
国别省市：