一种工业锅炉的燃烧控制优化方法及装置与流程

本发明涉及工业锅炉燃烧控制，尤其涉及一种工业锅炉的燃烧控制优化方法。

背景技术：

1、工业锅炉在供热、石化、化工、钢铁、有色、造纸等行业及日常生活中广泛应用，是保障国民经济发展和人民生活的重要基础设施，也是主要的能源消费装备和重要的大气污染物及碳排放源。工业锅炉行业碳排放总量高，约占我国碳排放总量的15%。锅炉是重要的能源转换装备，也是能源消费大户和重要的二氧化碳排放源。

2、我国工业锅炉以燃煤为主，保有量大、分布广、能耗及碳排放量高，能效和二氧化碳排放控制整体水平与国外相比有一定的差距，节能减排潜力巨大。现在大型工业锅炉上大多具备自动化控制系统，能够实现对锅炉运行的自动化智能控制，但是企业对于工业锅炉效率的监测、管理和控制，效率不高，传统的锅炉自动化控制方法，也需要进行改进，从而更加高效地优化锅炉的运行工况。

3、因此，实施锅炉节能降碳改造，结合实际采用自动化控制、燃烧优化调整、换热系统改造等手段，对于工业锅炉能效水平提升、优化燃料结构和过程、减少碳排放，进而提高企业整体的竞争力，实现工业锅炉行业绿色低碳高质量发展，对我国实现碳达峰、碳中和目标具有重要的意义。

技术实现思路

1、为了弥补现有技术的不足，本发明提供一种工业锅炉的燃烧控制优化方法及装置，通过智能优化算法对工业锅炉燃烧过程进行优化控制，从而改进锅炉的热效率和能源利用效率，减少锅炉碳排放，降低企业成本。

2、本发明第一方面提供了一种工业锅炉的燃烧优化控制方法，包括以下步骤：

3、s1、在不同运行工况下，利用dcs数字控制系统的数据采集模块对工业锅炉运行过程中产生的数据进行收集，结合工业锅炉历史运行数据，获得锅炉燃烧控制过程相关数据；

4、s2、通过费舍尔分数和包装法，从所述燃烧控制过程相关数据中确定影响锅炉燃烧控制的关键特征参数；

5、s3、采用格拉布斯准则将所述关键特征参数中数据的异常值进行剔除；采用pandas插值填充法对各项特征参数的数据进行填充，使得所有特征参数的数据的时间标签相匹配，对填充后数据进行标准化处理，作为训练特征数据；

6、s4、以所述特征数据为输入，以蒸汽压力和排烟含氧量预测值为输出参数，搭建神经网络预测模型；

7、s5、在粒子群优化算法更新公式中使用灰狼优化算法边界策略，得到性能增强的更新策略，基于该策略优化神经网络预测模型，并利用特征数据对优化后的神经网络模型进行训练；

8、s6、基于训练好的神经网络模型进行蒸汽压力和排烟含氧量预测；

9、s7、设置调节函数，根据工业锅炉类型和实际工况确定出燃烧状况最优时对应的蒸汽压力值和排烟含氧量值，结合所述模型的蒸汽压力和排烟含氧量预测值，选择调节函数最小时的目标值，作为工业锅炉燃烧状况最优时对应的参数，将该参数提供给控制设备，以使控制设备基于所述参数生成锅炉燃烧优化的控制信号。

10、作为本发明的进一步改进，对于步骤s2、通过费舍尔分数和包装法，从所述燃烧控制过程相关数据中确定影响锅炉燃烧控制的关键特征参数；包括：在特征处理阶段，首先通过费舍尔分数法从所述燃烧控制过程相关数据中找出耦合性强的特征，剔除其中和燃烧控制相关性低的特征，然后通过包装法进一步提取重要特征，包装法通过特征选取模型进行迭代选出最佳特征子集，其中所述迭代的方式为，每次淘汰一个特征，根据新的特征子集重新进行交叉验证更新特征重要程度，最后根据最终的目标特征子集的数目，选择预测精度最高的特征子集作为最优特征子集，从而通过包装法将费舍尔分数法选出的多个特征再次过滤选出表现最佳的相关特征，作为影响锅炉燃烧控制的关键特征参数。

11、作为本发明的进一步改进，所述影响锅炉燃烧控制的关键特征参数，包括当前锅炉蒸汽压力，当前排烟含氧量，锅炉每小时补水量，锅炉炉膛压力，锅炉炉膛温度，引风机转速，鼓风机转速，炉排转速，锅炉每五分钟补水变化量，锅炉每五分钟蒸汽压力变化值，每五分钟排烟含氧量变化值。

12、作为本发明的进一步改进，所述神经网络模型包括3层结构，分别为：输入层、隐含层和输出层；其中，隐含层神经元的激活函数为高斯函数；第一层用于输入锅炉燃烧相关训练特征数据，在第二层中，使用高斯函数作为激活函数对输入参数进行非线性处理，第三层是输出层，用于输出最终的蒸汽压力和排烟含氧量预测结果。

13、相较于现有技术，本发明具有以下有益效果：本发明所述方法提出了一种工业锅炉的燃烧优化控制方法，通过费舍尔分数法和包装法，从所述相关数据中确定锅炉燃烧控制关键影响参数，将特征数据作为输入，以蒸汽压力和排烟含氧量预测值为输出，基于训练好的神经网络模型进行蒸汽压力和排烟含氧量预测，并通过调节函数对燃烧过程进行优化控制；采用神经网络模型可以处理复杂的非线性关系，能够提高预测精度；在粒子群优化算法更新公式中使用灰狼优化算法边界策略，得到性能增强的更新策略，通过该策略对神经网络模型进行寻优，从而对神经网络模型进行改进，这种组合可以提高全局搜索能力，改进粒子群算法后期收敛性能下降的问题，通过上述预测方法能够对锅炉燃烧过程进行优化控制，能够提高工业锅炉燃烧过程的效率和性能。本发明所述方法实用性强，可以广泛应用于实际生产中，帮助司炉工更好地控制锅炉燃烧过程，从而提升工业锅炉能效水平、优化燃料结构和过程、减少碳排放，进而提高企业整体的竞争力。

技术特征：

1.一种工业锅炉的燃烧优化控制方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，对于步骤s2、通过费舍尔分数和包装法，从所述燃烧控制过程相关数据中确定影响锅炉燃烧控制的关键特征参数；包括：在特征处理阶段，首先通过费舍尔分数法从所述燃烧控制过程相关数据中找出耦合性强的特征，剔除其中和燃烧控制相关性低的特征，然后通过包装法进一步提取重要特征，包装法通过特征选取模型进行迭代选出最佳特征子集，其中所述迭代的方式为，每次淘汰一个特征，根据新的特征子集重新进行交叉验证更新特征重要程度，最后根据最终的目标特征子集的数目，选择预测精度最高的特征子集作为最优特征子集，从而通过包装法将费舍尔分数法选出的多个特征再次过滤选出表现最佳的相关特征，作为影响锅炉燃烧控制的关键特征参数。

3.根据权利要求2所述的方法，其特征在于，所述影响锅炉燃烧控制的关键特征参数，包括当前锅炉蒸汽压力，当前排烟含氧量，锅炉每小时补水量，锅炉炉膛压力，锅炉炉膛温度，引风机转速，鼓风机转速，炉排转速，锅炉每五分钟补水变化量，锅炉每五分钟蒸汽压力变化值，每五分钟排烟含氧量变化值。

4.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括3层结构，分别为：输入层、隐含层和输出层；其中，隐含层神经元的激活函数为高斯函数；第一层用于输入锅炉燃烧相关训练特征数据，在第二层中，使用高斯函数作为激活函数对输入参数进行非线性处理，第三层是输出层，用于输出蒸汽压力和排烟含氧量预测结果。

5.根据权利要求4所述的方法，其特征在于，所述神经网络模型为径向基神经网络，其中径向基神经网络的输入向量为，输入向量中为不同的特征数据，t为转置，基函数为非线性激活函数：

6.根据权利要求1所述的方法，其特征在于，所述调节函数为：

7.一种工业锅炉的燃烧优化控制装置，其包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中所述处理器执行计算机程序，并实现如权利要求1-6任一项所述的工业锅炉的燃烧优化控制方法。

技术总结本发明涉及一种工业锅炉的燃烧控制优化方法及装置，首先获得锅炉燃烧过程相关数据；通过费舍尔分数法和包装法，从相关数据中确定影响锅炉燃烧控制的关键特征参数，将特征参数数据作为输入，以蒸汽压力和排烟含氧量预测值为输出，基于训练好的神经网络模型进行蒸汽压力和排烟含氧量预测，并基于预测值通过调节函数对燃烧过程进行优化控制，通过上述方法能够对锅炉燃烧过程进行优化控制，提高工业锅炉的燃烧效率和性能。技术研发人员：陈永东,吕岩岩,周杨,汪杰,朱雅雯,蔡晓锋受保护的技术使用者：上海工业锅炉研究所有限公司技术研发日：技术公布日：2024/5/16