基于燃烧调控与负荷分配的智能化减污降碳方法及应用技术

本发明专利技术涉及基于燃烧调控与负荷分配的智能化减污降碳方法及应用，包括数据处理层

【技术实现步骤摘要】
基于燃烧调控与负荷分配的智能化减污降碳方法及应用


[0001]本专利技术涉及热电机组运行优化
，特别是涉及一种多源燃料掺烧机组的基于燃烧调控与负荷分配的智能化减污降碳方法及应用
。

技术介绍

[0002]污泥
、
生物质等低碳
/
零碳燃料掺烧能够为电厂降低燃料成本的同时减少电厂碳排放，已成为电力
/
热电联产工业深度减碳的关键途径，在国内外多个电厂实现了应用
。
煤
‑
污泥多源燃料掺烧的母管制热电机组相比于传统的燃煤母管制热电机组而言，能够为电厂降低燃料成本的同时最大化地实现资源的优化配置，成为了破解污泥垃圾污染的有效途径
。
但由于多源燃料热值不稳定
、
理化特性各异导致其难以建立稳定的燃料
‑
负荷映射关系，限制了机组经济性
。
[0003]在火电厂运行调控过程中，由于不同电厂的设备和运行水平不同，机组的性能也有差异，需要通过调整能源资源与各机组运行状态间的有效配置，综合分析厂内各机组的最优运行方式和负荷的最优分配方案，充分挖掘厂内各机组的经济潜力
。
此外，以热电联产机组为例，传统的以热定电的运行模式受制于机组运行状态的约束，在负荷的频繁变动的过程中，可能会导致低负荷工况下的能量浪费及高负荷工况下的供能不足，机组运行灵活性具有较大的提升空间，需要通过更加合理的能量规划方式，建立更加灵活的机组运行策略
。
[0004]火电机组的灵活性运行，对机组的深度调峰
、
负荷爬坡以及快速启停能力提出了较高的要求，如何在面对快速
、
大范围的变负荷工况时，建立单台机组的参数优化策略，实时获取关键燃烧运行参数的优化指令并对其作出及时准确的控制调整，成为了灵活运行调控背景下锅炉燃烧系统亟待解决的难题
。
现有的基于数据挖掘以及智能优化算法的多目标燃烧优化仍然是一种开环的优化方式，在锅炉变负荷运行工况下难以实现系统的多目标最优
。

技术实现思路

[0005]为了克服现有技术存在的不足，本专利技术提出“多机组负荷分配优化
‑
单机组燃烧调控”多层级多能流灵活调控的思路，建立基于燃烧调控与负荷分配的智能化减污降碳方法，解决变负荷
/
变燃料等复杂工况下锅炉源头减污降碳与多机组运行灵活调控难题
。
具体基于燃烧调控与负荷分配的智能化减污降碳方法体现如下：从燃煤电厂全局出发，针对多源燃料机组煤质多变
、
燃料特性复杂所导致的负荷分配与灵活运行难的问题，提出一种适应复杂燃料的以经济性为目标的多源燃料掺烧机组负荷优化分配与灵活运行方法，解决污泥干化
‑
蒸汽分配等多源燃料掺烧热电机组关键生产流程的运行优化难题，实现多源燃料机组的母管制多机组负荷优化分配与灵活运行；针对变负荷
/
变燃料的单机组，现有燃烧调控方法建模难
、
寻优计算复杂
、
难以在闭环条件下实施等缺点，基于机理分析
‑
优化模型构建
‑
闭环仿真验证
‑
参数调整思路，即首先对锅炉燃烧关键运行参数进行机理分析，结合炉膛燃
烧机理确定以辅助风
、
紧凑型燃尽风和分离型燃尽风的风煤比作为决策参数，进一步构建锅炉总风量优化
‑
锅炉分层配风优化的优化模型，对锅炉总风量和分层配风进行优化调配，在稳定负荷与变负荷工况下开展参数整定与闭环仿真验证，同时在算法回路中添加机理修正参数提升模型泛化能力，实现机组能效提升的同时减少污染物排放
。
[0006]所述基于燃烧调控与负荷分配的智能化减污降碳方法包括数据处理层
、
多机组负荷分配与运行优化层和单机组锅炉多目标燃烧优化层；所述数据处理层
、
多机组负荷分配与运行优化层和单机组锅炉多目标燃烧优化层以模块的形式内嵌于电站信息系统中，与电站信息系统进行实时通信；
[0007]所述数据处理层，包含数据聚类子模块
、
数据时延处理子模块和数据滤波子模块；从电站信息系统中取得燃料量
、
燃料特化性质等历史数据，对多源燃料掺烧机组离线数据通过筛选
、
聚类
、
时延处理以及数据滤波等方式，将不同热值
、
掺烧比的多源燃料进行聚类并深度分割划分为多个工况区间，获得适合后续建模的稳定数据；
[0008]所述多机组负荷分配与运行优化层，包括多机组负荷分配优化模型
、
多机组灵活运行优化模型；
[0009]所述多机组负荷分配优化模型基于所述数据处理层获得适合建模的稳定数据，将不同热值
、
掺烧比的多源燃料进行聚类并划分为燃料特性相近的子区间，在此基础上建立不同机组不同燃料特性的燃料消耗量
‑
蒸汽量模型；进一步以煤耗经济性目标，设定机组启停约束
、
容量约束以及负荷爬坡约束，当电厂的总热电负荷发生变化时，将当日燃料数据与历史运行数据进行匹配，获取稳定的燃料消耗量
‑
负荷映射关系，采用自适应的减污降耗优化算法对多机组实时生产蒸汽量进行分配，实现对多机组的负荷优化分配，获得参与负荷分配的各台多源燃料机组的负荷分配方案；
[0010]所述多机组灵活运行优化模型，在负荷优化分配方案的基础上，根据当日污泥干化等多源燃料预处理情况，将每时刻污泥干化所需蒸汽量纳入到考虑中，采用自适应的减污降耗优化算法进行灵活负荷分配，获得污泥
/
垃圾干化流程的蒸汽分配方式以及各台多源燃料机组的负荷分配方式，进一步地对逐小时的多机组蒸汽量进行优化调度，实现多机组的灵活运行；
[0011]所述单机组锅炉多目标燃烧优化层，基于机理分析
‑
优化模型构建
‑
闭环仿真验证
‑
参数调整思路，首先对锅炉燃烧关键运行参数进行机理分析，即在多目标燃烧调控场景下，辅助风
、
紧凑型燃尽风以及分离型燃尽风能够以非线性映射的方式对度电煤耗以及炉膛
NOx
浓度产生影响，结合炉膛燃烧机理确定以辅助风
、
紧凑型燃尽风以及分离型燃尽风的风煤比作为决策参数；其次定义包含度电煤耗与
NOx
浓度的综合目标函数并赋予相应的权值，将多目标优化问题转化为一个单目标优化问题；进一步构建锅炉总风量优化
‑
锅炉分层配风优化的优化模型，对锅炉总风量进行优化调配，针对锅炉分层配风优化问题引入多输入动态极值搜索控制算法，对其算法层
‑
激励层
‑
运行层
‑
底层的时间尺度进行分析和匹配，在稳定负荷与变负荷工况下开展参数整定与闭环仿真验证，同时在算法回路中添加机理修正本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于燃烧调控与负荷分配的智能化减污降碳方法及应用，其特征在于，包括数据处理层
、
多机组负荷分配与运行优化层和单机组锅炉多目标燃烧优化层；所述数据处理层
、
多机组负荷分配与运行优化层和单机组锅炉多目标燃烧优化层以模块的形式内嵌于电站信息系统中，与电站信息系统进行实时通信；所述数据处理层，包含数据聚类子模块
、
数据时延处理子模块和数据滤波子模块；从电站信息系统中取得燃料量
、
燃料特化性质等历史数据，对多源燃料掺烧机组离线数据通过筛选
、
聚类
、
时延处理以及数据滤波等方式，将不同热值
、
掺烧比的多源燃料进行聚类并深度分割划分为多个工况区间，获得适合后续建模的稳定数据；所述多机组负荷分配与运行优化层，包括多机组负荷分配优化模型
、
多机组灵活运行优化模型；所述多机组负荷分配优化模型基于所述数据处理层获得适合建模的稳定数据，将不同热值
、
掺烧比的多源燃料进行聚类并划分为燃料特性相近的子区间，在此基础上建立不同机组不同燃料特性的燃料消耗量
‑
蒸汽量模型；进一步以煤耗经济性目标，设定机组启停约束
、
容量约束以及负荷爬坡约束，当电厂的总热电负荷发生变化时，将当日燃料数据与历史运行数据进行匹配，获取稳定的燃料消耗量
‑
负荷映射关系，采用自适应的减污降耗优化算法对多机组实时生产蒸汽量进行分配，实现对多机组的负荷优化分配；所述多机组灵活运行优化模型，在负荷优化分配方案的基础上，根据当日污泥干化
、
生物质
、
生活垃圾多源燃料预处理情况，将每时刻污泥干化所需蒸汽量纳入到考虑中，采用自适应的减污降耗优化算法进行灵活负荷分配，获得污泥
/
垃圾干化流程的蒸汽分配方式以及各台多源燃料机组的负荷分配方式，进一步地对逐小时的多机组蒸汽量进行优化调度；所述单机组锅炉多目标燃烧优化层，基于机理分析
‑
优化模型构建
‑
闭环仿真验证
‑
参数调整思路，首先对锅炉燃烧关键运行参数进行机理分析，结合炉膛燃烧机理确定以辅助风
、
紧凑型燃尽风以及分离型燃尽风的风煤比作为决策参数，进一步构建锅炉总风量优化
‑
锅炉分层配风优化的优化模型，对锅炉总风量进行优化调配，在稳定负荷与变负荷工况下开展参数整定与闭环仿真验证
。2.
根据权利要求1所述的基于燃烧调控与负荷分配的智能化减污降碳方法及应用，其特征在于，所述数据聚类子模块从历史运行数据中获取每日多源燃料掺烧比
、
入炉煤热值以及污泥和垃圾的燃料热值，以掺烧比以及燃料热值为变量进行数据聚类，考虑到聚类数据的特征，划分不同的燃料工况，各个工况下燃料热值以及理化性质相近，聚类效果表述公式为：其中，
SC(i)
为聚类效果系数；
a(i)
为每个数据点
i
与同一聚类簇内所有其他数据点的平均距离；
b(i)
为数据点
i
与距离它最近的另一个簇中所有数据点的平均距离
。
所述数据时延处理子模块从历史运行数据中选取入炉燃料量变化，及一次风
、
二次风主要风量参数不变的变负荷工况段，分析锅炉出口蒸汽量与入炉燃料量变化的时延，并在后续的流程中消除锅炉出口蒸汽量与入炉燃料量数据的响应时间差
。
所述数据滤波子模块将经过数据时延处理后的两项数据作进一步的数据滤波处理，考虑到入炉燃料量的数据特征，采用
Savitzky
‑
Golay
滤波器进行数据滤波，消除入炉燃料信
号的高频噪声和抖动
。3.
根据权利要求1所述的基于燃烧调控与负荷分配的智能化减污降碳方法及应用，其特征在于，所述燃料消耗量
‑
蒸汽量模型表述为：其中，
B
i
为第
i
台机组的燃料消耗量，
F
i
(
χ
i
)
为蒸汽量函数符号，
x
i
为第
i
台机组的锅炉出口蒸汽量，
B
i
为第
i
台机组的燃料消耗量，
a
i
、b
i
、c
i
为燃料消耗量和锅炉出口蒸汽量的相关系数
。4.
根据权利要求1所述的基于燃烧调控与负荷分配的智能化减污降碳方法及应用，其特征在于，所述燃料消耗量目标函数公式为：其中，
J
eco
为燃料消耗量目标函数，
B
i
表示第
i
台机组的燃料消耗量；
x
i
表示第
i
台机组的负荷，循环流化床机组的负荷采用主蒸汽流量表征；
n
表示电厂内运行的机组数量；
F
i
(
χ
i
)
表示第
i
台机组的燃料消耗特性模型
。
所述设定机组启停约束
、
容量约束以及负荷爬坡约束对于各机组启停状态确定状态下的多机组负荷优优化分配，设置机组蒸汽量平衡约束
、
机组负荷约束和机组升降负荷速率约束；所述机组蒸汽量平衡约束表述为：其中，
X
为多机组蒸汽量，
χ
i
为第
i
台运行机组的蒸汽量
。
为保持机组的安全稳定运行，各台机组的负荷需要控制在一定范围之内，所述机组负荷约束表述为：
x
imin
＜
x
i
＜
x
imax
式中，
x
imin
为第
i
台运行机组的最低负荷，
x
imax
为其最高负荷
。
所述机组升降负荷速率约束表述为：0＜
|x
it
‑
x
i
，
t
‑1|
＜
Δ
tv
i
‑0＜
|x
it
‑
x
i
，
t
‑1|
＜
Δ
tv
i+
其中，
x
it
、x
i,t
‑1分别代表在
t
时刻及
t
时刻的上一时刻第
i
个机组的主蒸汽量；
△
t
为变负荷的时间；
v
i+
、v
i
‑
分别指代第
i
个机组升负荷及降负荷速率

【专利技术属性】
技术研发人员：郑成航，高翔，周灿，谭畅，赵中阳，杨超，李钦武，翁卫国，张涌新，吴卫红，俞李斌，李廉明，田江磊，邵凌宇，
申请(专利权)人：浙江大学嘉兴研究院，
类型：发明
国别省市：