【技术实现步骤摘要】
本专利技术涉及锅炉碳排放，特别涉及一种适用于燃煤锅炉碳排放核算及实时监测的计算方法。
技术介绍
1、为应对全球变暖的气候挑战、日益严苛的环保法规、碳排放交易市场建立双，在发展清洁能源的同时，有必要结合我国基本国情构建完善的碳排放法律法规、交易市场与减碳技术体系，以规范工业企业的碳排放行为。
2、目前国内的电力、冶金、化工、水泥、建筑等高能耗、高排放的工业部门已开始行动，而火力发电行业作为最重要的碳排放源之一，必须更加积极地响应，建立符合自身特色的碳排放核算体系、降低企业碳排放管理成本，因此，如何对碳排放进行平衡排放是亟需解决的问题。
技术实现思路
1、本专利技术的目的在于提供一种适用于燃煤锅炉碳排放核算及实时监测的计算方法，能够实现在不同类型锅炉和燃烧工况下，精准的进行碳排放计算和实时监测以及统一碳排放评价指标，从而有效管理燃煤发电企业碳排放行为。
2、本专利技术解决其技术问题，采用的技术方案是：
3、一种适用于燃煤锅炉碳排放核算及实时监测的计算方法，包括如下步骤：
4、结合煤质数据集构建并训练基于遗传算法优化的神经网络，该神经网络为以煤质工业分析获得煤质元素分析结果的预测模型；
5、获取锅炉机组日常运行数据，通过热力计算获得空气量、烟气量、锅炉热效率、耗煤量；
6、根据耗煤量、煤质元素分析预测数据和锅炉脱硫数据，计算燃烧碳排放量和脱硫碳排放量；
7、定义碳排放评价指标，并根据机组负荷、碳排放量计算
8、作为进一步优化，所述煤质数据集包括收到基下煤质工业分析中的固定碳fcar、挥发分var、灰分aar、水分mar和低位发热量qnet,ar，以及收到基下煤质元素分析中的碳car、氢har、氧oar、氮nar和硫sar。
9、作为进一步优化，所述基于遗传算法优化的神经网络以固定碳fcar、挥发分var、灰分aar、水分mar和低位发热量qnet,ar作为输入，以碳car、氢har、氧oar、氮nar和硫sar作为输出。
10、作为进一步优化，所述构建的基于遗传算法优化的神经网络的结构为5-8-5，激活函数为tanh函数，第一个5表示5个输入节点，分别为煤质工业分析5项成分，8表示8个隐藏节点，第二个5表示5个输出节点，分别为煤质元素分析5项成分。
11、作为进一步优化，煤质工业分析5项成分x1、x2、...、x5所构成的输入向量x，输入的下一级是一个线性单元，其有6个参数，包含与各输入相对应的5个权重系数w1、w2、...、w5以及外加的一个偏置系数b；
12、线性单元的输出为z(x)，其将输出值送给下一个激活函数f(z)，激活函数将输出值范围映射到一个规定的范围内，预测输出值为对应的5项元素分析值a1、a2、...、a5，通过将预测输出值与实际输出值对比，反向传播更新各输入值的权重系数wi，直至找到最优的权重系数组合{wi}，使预测输出值与实际值满足误差平方和最小。
13、作为进一步优化，所述基于遗传算法优化的神经网络，遗传算法采用实数编码，根据神经网络权值和阈值的数目确定编码长度，编码中的每一个数代表神经网络结构中的一个权值或阈值，种群规模设置为40，交叉概率为0.8，变异概率为0.05，迭代次数为100；
14、训练过程中，首先通过遗传算法找到神经网络最优的初始权值和阈值，再采用梯度下降法求解最终的权值和阈值。
15、作为进一步优化，所述基于遗传算法优化的神经网络训练完成后，保存训练完成后的基于遗传算法优化的神经网络模型，即储存最终的权值和阈值，并获取锅炉机组每日燃烧煤质的工业分析数据带入训练完成后的基于遗传算法优化的神经网络模型，运行神经网络模型，输出该煤质对应的煤质元素分析的预测值。
16、作为进一步优化，所述获取的锅炉机组日常运行数据，包括：
17、用于预测煤质元素分析的锅炉机组每日燃烧煤质的工业分析数据
18、用于计算蒸汽吸热量的主蒸汽流量、压力和温度，再热蒸汽冷段的流量、压力和温度，再热蒸汽热段的温度和压力、给水压力和温度；
19、用于热损失计算的尾部烟道氧浓度、排烟温度；
20、用于脱硫碳排放计算的炉内喷钙脱硫石灰石消耗量、排烟so2浓度；
21、用于烟气量、耗煤量计算的每日底渣飞灰含碳量、环境温度、煤质元素分析，其中煤质元素分析结果为预测模型输出的煤质元素分析预测值。
22、本专利技术的有益效果是：通过上述一种适用于燃煤锅炉碳排放核算及实时监测的计算方法，首先，本专利技术通过煤质工业分析与元素分析之间的相关性，并结合经遗传算法优化的神经网络模型，实现煤质元素分析的快速预测，降低检测成本、缩短检测周期，为构建碳排放核算模型奠定基础；其次，本专利技术基于锅炉内部热平衡与碳平衡计算，构建了精确、适用范围广的锅炉碳排放核算模型和统一的碳排放评价指标；最后，本专利技术采用锅炉实时运行数据计算锅炉运行碳排放量，其结果更可靠，数据获取更容易，且应用成本低。
本文档来自技高网...【技术保护点】
1.一种适用于燃煤锅炉碳排放核算及实时监测的计算方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种适用于燃煤锅炉碳排放核算及实时监测的计算方法，其特征在于，所述煤质数据集包括收到基下煤质工业分析中的固定碳FCar、挥发分Var、灰分Aar、水分Mar和低位发热量Qnet,ar，以及收到基下煤质元素分析中的碳Car、氢Har、氧Oar、氮Nar和硫Sar。
3.根据权利要求2所述的一种适用于燃煤锅炉碳排放核算及实时监测的计算方法，其特征在于，所述基于遗传算法优化的神经网络以固定碳FCar、挥发分Var、灰分Aar、水分Mar和低位发热量Qnet,ar作为输入，以碳Car、氢Har、氧Oar、氮Nar和硫Sar作为输出。
4.根据权利要求3所述的一种适用于燃煤锅炉碳排放核算及实时监测的计算方法，其特征在于，所述构建的基于遗传算法优化的神经网络的结构为5-8-5，激活函数为Tanh函数，第一个5表示5个输入节点，分别为煤质工业分析5项成分，8表示8个隐藏节点，第二个5表示5个输出节点，分别为煤质元素分析5项成分。
5.根据权利
6.根据权利要求1所述的一种适用于燃煤锅炉碳排放核算及实时监测的计算方法，其特征在于，所述基于遗传算法优化的神经网络，遗传算法采用实数编码，根据神经网络权值和阈值的数目确定编码长度，编码中的每一个数代表神经网络结构中的一个权值或阈值，种群规模设置为40，交叉概率为0.8，变异概率为0.05，迭代次数为100；
7.根据权利要求6所述的一种适用于燃煤锅炉碳排放核算及实时监测的计算方法，其特征在于，所述基于遗传算法优化的神经网络训练完成后，保存训练完成后的基于遗传算法优化的神经网络模型，即储存最终的权值和阈值，并获取锅炉机组每日燃烧煤质的工业分析数据带入训练完成后的基于遗传算法优化的神经网络模型，运行神经网络模型，输出该煤质对应的煤质元素分析的预测值。
8.根据权利要求1所述的一种适用于燃煤锅炉碳排放核算及实时监测的计算方法，其特征在于，所述获取的锅炉机组日常运行数据，包括：
...【技术特征摘要】
1.一种适用于燃煤锅炉碳排放核算及实时监测的计算方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种适用于燃煤锅炉碳排放核算及实时监测的计算方法，其特征在于，所述煤质数据集包括收到基下煤质工业分析中的固定碳fcar、挥发分var、灰分aar、水分mar和低位发热量qnet,ar，以及收到基下煤质元素分析中的碳car、氢har、氧oar、氮nar和硫sar。
3.根据权利要求2所述的一种适用于燃煤锅炉碳排放核算及实时监测的计算方法，其特征在于，所述基于遗传算法优化的神经网络以固定碳fcar、挥发分var、灰分aar、水分mar和低位发热量qnet,ar作为输入，以碳car、氢har、氧oar、氮nar和硫sar作为输出。
4.根据权利要求3所述的一种适用于燃煤锅炉碳排放核算及实时监测的计算方法，其特征在于，所述构建的基于遗传算法优化的神经网络的结构为5-8-5，激活函数为tanh函数，第一个5表示5个输入节点，分别为煤质工业分析5项成分，8表示8个隐藏节点，第二个5表示5个输出节点，分别为煤质元素分析5项成分。
5.根据权利要求4所述的一种适用于燃煤锅炉碳排放核算及实...
【专利技术属性】
技术研发人员：段洪斌，周黎明，亢银虎，向同琼，敬硕肄，刘亚玲，邵志翔，
申请(专利权)人：四川省特种设备检验研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。