一种基于大数据的锅炉组燃烧控制方法及装置与流程

本技术涉及电厂锅炉，尤其是涉及一种基于大数据的锅炉组燃烧控制方法及装置。

背景技术：

1、目前，电厂锅炉是发电厂三大主要设备中的重要能量转换设备之一，利用燃料燃烧释放出的热能进行水的加热,使之转变成为蒸汽,广泛应用于电力、机械、冶金、化工纺织造纸食品、采暖等行业。

2、当热能需求增加,原有的锅炉蒸发量不能满足需求时,增设锅炉便成为解决此问题的首选方案。而锅炉房出现多台锅炉时,在锅炉运行过程中，随着锅炉机组负荷的变化，锅炉运行效率的变化也非常大，同时，锅炉的热效率和磨损速度也随之发生变化。

3、现有的锅炉组调度依靠人工进行，调度工作繁琐复杂，且对管理人员的能力要求较高，存在有锅炉组调度效率低，难以及时对锅炉组的燃烧运行工况进行调控的问题。

技术实现思路

1、为了提高锅炉组的调度效率，及时对锅炉组的燃烧运行工况进行调控，本技术提供了一种基于大数据的锅炉组燃烧控制方法及装置。

2、第一方面，本技术提供一种基于大数据的锅炉组燃烧控制方法。

3、本技术是通过以下技术方案得以实现的：

4、一种基于大数据的锅炉组燃烧控制方法，包括以下步骤，

5、获取至少两个锅炉的特征参量历史数据，得到锅炉组特征参量历史数据；

6、采用大数据分析处理框架挖掘所述锅炉组特征参量历史数据，得到锅炉组的给煤机进煤量与运行负荷、热效率和磨损速度三者关系的燃烧控制拟合模型；

7、根据所述燃烧控制拟合模型，建立锅炉组的给煤机进煤量与运行负荷、热效率和磨损速度的对应关系的燃炉数据库；

8、预设锅炉组的燃烧控制目标，遍历所述燃炉数据库进行锅炉组运行参数的燃烧控制寻优，确定锅炉组的运行负荷、热效率和磨损速度的最优解组合；

9、基于所述最优解组合控制至少两个所述锅炉的燃烧运行工况。

10、本技术在一较佳示例中可以进一步配置为：所述预设锅炉组的燃烧控制目标，遍历所述燃炉数据库进行锅炉组运行参数的燃烧控制寻优，确定锅炉组的运行负荷、热效率和磨损速度的最优解组合的步骤包括，

11、预设锅炉组的燃烧控制目标为理想运行负荷时的锅炉组最低用煤成本；

12、遍历所述燃炉数据库，得到在所述理想运行负荷下，各锅炉不同的热效率分别所需的给煤机进煤量，并计算锅炉组的总给煤机进煤量；

13、选取最小的所述总给煤机进煤量对应的热效率和磨损速度，以及所述理想运行负荷作为所述锅炉组的最优解组合。

14、本技术在一较佳示例中可以进一步配置为：所述预设锅炉组的燃烧控制目标，遍历所述燃炉数据库进行锅炉组运行参数的燃烧控制寻优，确定锅炉组的运行负荷、热效率和磨损速度的最优解组合的步骤包括，

15、预设锅炉组的燃烧控制目标为理想给煤机进煤量下的锅炉组最少检修成本；

16、遍历所述燃炉数据库，得到在所述理想给煤机进煤量下，各锅炉在满足预设条件的热效率范围内，不同的运行负荷对应的磨损速度，并计算锅炉组的平均磨损速度；

17、选取最小的所述平均磨损速度对应的运行负荷和磨损速度，以及对应的所述热效率，作为所述锅炉组的最优解组合。

18、本技术在一较佳示例中可以进一步配置为：所述预设锅炉组的燃烧控制目标，遍历所述燃炉数据库进行锅炉组运行参数的燃烧控制寻优，确定锅炉组的运行负荷、热效率和磨损速度的最优解组合的步骤包括，

19、预设锅炉组的燃烧控制目标为理想磨损速度下的锅炉组最高热效率；

20、遍历所述燃炉数据库，得到在所述理想磨损速度下，各锅炉不同的运行负荷对应的热效率，并计算锅炉组的总热效率；

21、选取最大的所述总热效率对应的运行负荷和热效率，以及所述理想磨损速度作为所述锅炉组的最优解组合。

22、本技术在一较佳示例中可以进一步配置为：所述大数据分析处理框架采用大数据分析处理框架spark。

23、本技术在一较佳示例中可以进一步配置为：所述大数据分析处理框架spark包括统计分析算子、特征转换/选择算子、文本分析算子、机器学习算子、神经网络算子和时间序列算子，以实现海量数据的价值挖掘。

24、本技术在一较佳示例中可以进一步配置为：所述采用大数据分析处理框架挖掘所述锅炉组特征参量历史数据时，包括以下步骤，

25、所述特征参量历史数据包括煤质、床温、床压、氧量及一/二次风配比、给水温度和尾部受热面的清洁度；

26、采用大数据分析处理框架挖掘所述特征参量历史数据，得到锅炉的运行负荷与所述特征参量历史数据的规律关系。

27、本技术在一较佳示例中可以进一步配置为：所述采用大数据分析处理框架挖掘所述锅炉组特征参量历史数据时，包括以下步骤，

28、所述特征参量历史数据包括煤质、锅炉负荷、氧量及一/二次风配比、排烟温度、风机出口温度、飞灰含碳量、炉渣含碳量、排渣温度和给水温度；

29、采用大数据分析处理框架挖掘所述特征参量历史数据，得到锅炉的热效率与所述特征参量历史数据的规律关系。

30、本技术在一较佳示例中可以进一步配置为：所述采用大数据分析处理框架挖掘所述锅炉组特征参量历史数据时，包括以下步骤，

31、所述特征参量历史数据包括烟气、物料流速、烟气中物料的浓度粒度及硬度、被磨损的锅炉元件的表面形状和硬度；

32、采用大数据分析处理框架挖掘所述特征参量历史数据，得到锅炉的磨损速度与所述特征参量历史数据的规律关系。

33、第二方面，本技术提供一种基于大数据的锅炉组燃烧控制装置。

34、本技术是通过以下技术方案得以实现的：

35、一种基于大数据的锅炉组燃烧控制装置，包括，

36、大数据获取模块，用于获取至少两个锅炉的特征参量历史数据，得到锅炉组特征参量历史数据；

37、大数据挖掘模块，用于采用大数据分析处理框架挖掘所述锅炉组特征参量历史数据，得到锅炉组的给煤机进煤量与运行负荷、热效率和磨损速度三者关系的燃烧控制拟合模型；

38、燃炉数据库模块，用于根据所述燃烧控制拟合模型，建立锅炉组的给煤机进煤量与运行负荷、热效率和磨损速度的对应关系的燃炉数据库；

39、寻优模块，用于预设锅炉组的燃烧控制目标，遍历所述燃炉数据库进行锅炉组运行参数的燃烧控制寻优，确定锅炉组的运行负荷、热效率和磨损速度的最优解组合；

40、控制模块，用于基于所述最优解组合控制至少两个所述锅炉的燃烧运行工况。

41、本技术在一较佳示例中可以进一步配置为：所述寻优模块包括最低用煤成本寻优模块，所述最低用煤成本寻优模块包括，

42、第一燃烧控制目标单元，用于预设锅炉组的燃烧控制目标为理想运行负荷时的锅炉组最低用煤成本；

43、给煤机进煤量计算单元，用于遍历所述燃炉数据库，得到在所述理想运行负荷下，各锅炉不同的热效率分别所需的给煤机进煤量，并计算锅炉组的总给煤机进煤量；

44、最低用煤成本寻优单元，用于选取最小的所述总给煤机进煤量对应的热效率和磨损速度，以及所述理想运行负荷作为所述锅炉组的最优解组合。

45、本技术在一较佳示例中可以进一步配置为：所述寻优模块包括最少检修成本寻优模块，所述最少检修成本寻优模块包括，

46、第二燃烧控制目标单元，用于预设锅炉组的燃烧控制目标为理想给煤机进煤量下的锅炉组最少检修成本；

47、磨损速度计算单元，用于遍历所述燃炉数据库，得到在所述理想给煤机进煤量下，各锅炉在满足预设条件的热效率范围内，不同的运行负荷对应的磨损速度，并计算锅炉组的平均磨损速度；

48、最少检修成本寻优单元，用于选取最小的所述平均磨损速度对应的运行负荷和磨损速度，以及对应的所述热效率，作为所述锅炉组的最优解组合。

49、本技术在一较佳示例中可以进一步配置为：所述寻优模块包括最高热效率寻优模块，所述最高热效率寻优模块包括，

50、第三燃烧控制目标单元，用于预设锅炉组的燃烧控制目标为理想磨损速度下的锅炉组最高热效率；

51、热效率计算单元，用于遍历所述燃炉数据库，得到在所述理想磨损速度下，各锅炉不同的运行负荷对应的热效率，并计算锅炉组的总热效率；

52、最高热效率寻优单元，用于选取最大的所述总热效率对应的运行负荷和热效率，以及所述理想磨损速度作为所述锅炉组的最优解组合。

53、本技术在一较佳示例中可以进一步配置为：所述大数据挖掘模块包括，

54、采用大数据分析处理框架spark挖掘所述锅炉组特征参量历史数据的spark子模块。

55、本技术在一较佳示例中可以进一步配置为：所述spark子模块包括，

56、用于实现海量数据价值挖掘的统计分析算子、特征转换/选择算子、文本分析算子、机器学习算子、神经网络算子和时间序列算子。

57、本技术在一较佳示例中可以进一步配置为：所述大数据挖掘模块包括，

58、负荷数据单元，包括煤质、床温、床压、氧量及一/二次风配比、给水温度和尾部受热面的清洁度的特征参量历史数据；

59、负荷挖掘单元，用于采用大数据分析处理框架挖掘所述特征参量历史数据，得到锅炉的运行负荷与所述特征参量历史数据的规律关系。

60、本技术在一较佳示例中可以进一步配置为：所述大数据挖掘模块包括，

61、热效率数据单元，包括煤质、锅炉负荷、氧量及一/二次风配比、排烟温度、风机出口温度、飞灰含碳量、炉渣含碳量、排渣温度和给水温度的特征参量历史数据；

62、热效率挖掘单元，用于采用大数据分析处理框架挖掘所述特征参量历史数据，得到锅炉的热效率与所述特征参量历史数据的规律关系。

63、本技术在一较佳示例中可以进一步配置为：所述大数据挖掘模块包括，

64、磨损数据单元，包括烟气、物料流速、烟气中物料的浓度粒度及硬度、被磨损的锅炉元件的表面形状和硬度的特征参量历史数据；

65、磨损速度挖掘单元，用于采用大数据分析处理框架挖掘所述特征参量历史数据，得到锅炉的磨损速度与所述特征参量历史数据的规律关系。

66、第三方面，本技术提供一种计算机设备。

67、本技术是通过以下技术方案得以实现的：

68、一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一种基于大数据的锅炉组燃烧控制方法的步骤。

69、第四方面，本技术提供一种计算机可读存储介质。

70、本技术是通过以下技术方案得以实现的：

71、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一种基于大数据的锅炉组燃烧控制方法的步骤。

72、综上所述，与现有技术相比，本技术提供的技术方案带来的有益效果至少包括：

73、获取至少两个锅炉的特征参量历史数据，得到锅炉组特征参量历史数据，用于大数据分析；采用大数据分析处理框架挖掘锅炉组特征参量历史数据，得到锅炉组的给煤机进煤量与运行负荷、热效率和磨损速度三者关系的燃烧控制拟合模型，以基于经济性原则综合考量锅炉组的燃烧运行工况，有利于调控锅炉组燃烧过程中的运行负荷和热效率，以及控制其磨损速度，进而达到锅炉组燃烧的最优经济性，同时，基于大数据的燃烧控制拟合模型对锅炉组进行调控，调控精度更高；根据燃烧控制拟合模型，建立锅炉组的给煤机进煤量与运行负荷、热效率和磨损速度的对应关系的燃炉数据库，以提供锅炉组运行参数的燃烧控制参数；预设锅炉组的燃烧控制目标，遍历燃炉数据库进行锅炉组运行参数的燃烧控制寻优，确定锅炉组的运行负荷、热效率和磨损速度的最优解组合，并基于最优解组合控制至少两个锅炉的燃烧运行工况，以辅助人工进行锅炉组的联动调控，降低了锅炉组调度工作的难度，同时，能够及时调整锅炉的燃烧运行工况，提高了锅炉组的调度效率。