基于燃烧调控与负荷分配的智能化减污降碳方法及应用

本发明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。

背景技术：

1、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。

2、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。

3、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

1、为了克服现有技术存在的不足，本发明提出“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。

2、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；

3、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；

4、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；

5、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；

6、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；

7、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。

8、作为优选，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、垃圾等燃料热值，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：

9、

10、式中，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。

11、作为优选，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但一次风、二次风及其他主要风量参数不变的变负荷工况段，统计去除其他因素干扰后，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。

12、作为优选，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。

13、所述多机组负荷优化分配模型是基于燃料消耗量经济性目标，设定机组启停约束、容量约束以及负荷爬坡约束，在上层结构中实现对多机组的负荷优化分配，在多个机组出力确定的情况下获得以经济性为目标的各机组负荷优化分配方案；在以燃料消耗量经济性为目标的多机组负荷优化分配中，为了平衡电厂运营获取的最佳经济效益，通常采用汽耗率、热耗率、供电成本、燃料消耗量等指标来衡量多机组运行的经济性。然而，由于机组能源输出形式包括热、电、气、冷等多种能源，单采用汽耗率和热耗率无法对多机组的运行经济性进行评价，同理供电成本也不能与热电联产机组的经济性直接挂钩。而燃料成本对多机组经济效益变化起到决定性作用，燃料消耗量的大小可以在电厂稳定运行的情况下直接反映机组的经济性，故本专利以燃料消耗量作为目标函数。

14、作为优选，所述燃料消耗量-蒸汽量模型表述为：

15、

16、其中，bi为第i台机组的燃料消耗量，fi(χi)为蒸汽量函数符号，xi为第i台机组的锅炉出口蒸汽量，bi为第i台机组的燃料消耗量，ai、bi、ci为燃料消耗量和锅炉出口蒸汽量的相关系数。

17、作为优选，所述燃料消耗量目标函数表述为：

18、

19、其中，jeco为燃料消耗量目标函数，bi表示第i台机组的燃料消耗量；xi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；fi(χi)表示第i台机组的燃料消耗特性模型。

20、作为优选，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；

21、进一步优选，所述机组蒸汽量平衡约束表述为：

22、

23、其中，x为多机组蒸汽量，χi为第i台运行机组的蒸汽量。

24、进一步优选，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：

25、ximin＜xi＜ximax

26、式中，χimin为第i台运行机组的最低负荷，χimax为其最高负荷。

27、进一步优选，所述机组升降负荷速率约束表述为：

28、0＜|xit-xi，t-1|＜δtvi-

29、0＜|xit-xi，t-1|＜δtvi+

30、其中，xit、xi,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；vi+、vi-分别指代第i个机组升负荷及降负荷速率。

31、作为优选，所述多机组灵活运行优化模型，采用多机组燃料消耗量作为目标函数，但与负荷优化分配模型不同的是，采用一段时间内的总燃料消耗量来衡量灵活运行优化模型的目标函数。

32、进一步优选，所述一段时间内多机组总燃料消耗量表述为：

33、

34、其中，j′eco为一段时间内多机组总燃料消耗量，t’为灵活运行时间，bt为t时刻的多机组的总燃料消耗量，δt是单位间隔时间。

35、进一步优选，所述多机组蒸汽量进行优化调度约束条件包括污泥干化耗用蒸汽容量约束和总蒸汽容量约束。

36、进一步优选，泥干化耗用蒸汽容量约束表述为：

37、0＜x′t＜x′max

38、其中，x′t指在t时刻污泥干化耗用的蒸汽量，x′max在污泥干化机的满负荷运行的工况下耗用的最大蒸汽量。

39、进一步优选，通过对每个时刻的蒸汽量进行重新分配而实现降低燃料消耗量，因此在相同的时间段内，优化前后干化全部污泥耗用的蒸汽总量是不变的，总蒸汽容量约束表述公式为：

40、q＝q'

41、其中，q为优化前干化全部污泥耗用蒸汽量，q′为优化后干化全部污泥耗用蒸汽量。

42、作为优选，所述自适应的减污降耗优化算法结构如下：第一步初始化多机组总蒸汽量x和多机组启停状态，第二步初始化算法参数与粒子属性，随机生成一定数量的粒子，并确定每个粒子的位置和速度，计算粒子适应度，第三步判定粒子适应度是否满足变异条件，当粒子适应度满足变异条件时每个粒子位置和粒子速度；第四步通过粒子适应度计算确定各机组蒸汽量xi，第五步当满足污泥干化耗用蒸汽容量和总蒸汽容量等约束条件后，输出各机组蒸汽量xi；第六步当不满足约束条件，返回更新粒子速度和粒子位置后重新开展粒子适应度计算。

43、进一步优选，在算法迭代过程中，根据目标函数值的变化率，动态地调整算法的变异概率；当目标函数值的变化缓慢时，适当增加变异概率，以促进算法的全局搜索；当目标函数值变化快速时，适当减少变异概率，以避免搜索过早陷入局部最优解；当搜索状态分布均匀且局部最优解较少时，适当扩大变异范围以促进全局搜索；当搜索状态分布不均且出现多个局部最优解时，适当缩小变异范围以避免搜索过早陷入局部最优解。

44、所述锅炉总风量优化-锅炉分层配风优化模型，风煤比设定值结合agc(自动发电控制)负荷指令下达后由dcs系统直接计算获得给煤量，结合给煤量进一步计算获得当前入炉风量值，并通过对阀门的控制实现辅助风、紧凑型燃尽风和分离型燃尽风等风量的入炉量调控；进一步计算获得当前度电煤耗和nox排放浓度综合目标函数值，数据传入辅助风风煤比优化控制器、紧凑型燃尽风风煤比优化控制器和分离型燃尽风风煤比优化控制器对三种风煤比进行在线优化，完成一轮在线优化控制循环。同时在三种风煤比进行在线优化回路中添加了辅助风、紧凑型燃尽风和分离型燃尽风等的机理修正参数，实现在不同初始工况下对控制模型进行参数微调，以提升风煤比对目标函数的响应速度，使算法更好地进行收敛。多个燃烧工况下，辅助风、紧凑型燃尽风和分离型燃尽风等的机理修正参数取值在1～1.1之间，其取决于初始工况的nox排放浓度与度电煤耗值，通过该模块的添加，将一部分先验机理知识融入了优化控制方法中，提升模型的泛化性。

45、作为优选，将燃料价格、锅炉运行数据以及仿真数据代入燃料成本模型和脱硝成本模型计算得到燃料成本与脱硝成本，进一步通过成本的角度去界定综合目标函数中的权重，所述度电煤耗与nox浓度的综合目标函数值计算公式为：

46、jmesc＝pmccr+qmnox

47、其中，jmesc度电煤耗与nox浓度的综合目标函数值，p、q分别是燃料成本与脱硝成本在综合目标函数中的权重因子，且满足p+q＝1；mccr为燃料成本；mnox为脱硝成本。

48、进一步优选，所述度电煤耗计算公式为：

49、b＝106bcqnet，ar/29300p

50、其中，b为机组度电煤耗；bc为锅炉给煤量；qnet,ar为入炉煤的低位发热量；p为机组有功功率。

51、进一步优选，所述燃料成本计算公式为：

52、

53、其中，b为机组度电煤耗；mc为燃料价格；mccr为燃料成本。

54、进一步优选，所述脱硝成本计算公式为：

55、

56、其中，mnox为脱硝成本；сnoχ为锅炉出口noχ浓度；b为给煤量；vgv为干烟气体积；qnh3为脱除noχ所需理论氨量；λ为氨氮比；为液氨成本；γ为机组负荷率。

57、作为优选，所述辅助风风煤比、紧凑型燃尽风风煤比和分离型燃尽风风煤比的约束条件：

58、

59、

60、

61、其中，表示辅助风风煤比、紧凑型燃尽风风煤比和分离型燃尽风风煤比的值，和分别表示辅助风风煤比在正常运行工况下的最小与最大值；和分别表示紧凑型燃尽风风煤比在正常运行工况下的最小与最大值；和分别表示分离型燃尽风风煤比在正常运行工况下的最小与最大值。

62、作为优选，所述多输入动态极值搜索控制算法主要参数包括高通滤波参数ωh、低通滤波参数ωl、自适应增益参数k、扰动幅值α、β及扰动频率ω，他们对控制算法的收敛速度、稳定性及极值搜索精准度都有一定的影响。因此，在考虑提升系统的极值搜索精度基础上，通过高通滤波参数ωh、低通滤波参数ωl、自适应增益参数k、扰动幅值α、β及扰动频率ω等参数整定提升算法的收敛速度及稳定性。

63、进一步优选，所述多输入动态极值搜索控制算法的参数整定，在每一个输入参数回路的结构设计中，设计了2套适应综合目标函数变化区间的控制结构，在实际控制中，同样可以基于先验机理知识以及初始燃烧状态参数对具体控制结构进行选取。

64、本发明有益效果在于：

65、(1)根据燃料消耗量-蒸汽量映射关系，入炉燃料消耗量上涨一定时间后，蒸汽量相应随之升高，说明燃料消耗量-蒸汽量存在时延，为保证燃料消耗量-蒸汽量模型的精准性，本发明对燃料消耗量-蒸汽量映射关系进行消除纯时延，保证所建立映射关系的准确性。入炉燃料消耗量通过传送皮带上的测量装置进行实时监测，然而，由于仪器本身精度、测量环境及煤种的差异等因素，测量数据含有一定的高频噪声且通常具有随机性、非线性以及呈现出高斯分布等特点。因此，在给煤量的实时监测与控制中，需要对这些随机误差进行有效的处理与滤波，以提高测量数据的准确度；滤波后的数据段在保有原始数据的变化趋势的基础上，较好地去除了原始数据的噪声，降低了燃料消耗量数据的波动程度。

66、(2)相比传统的遗传算法与灰狼算法，本专利基于自适应的减污降耗优化算法在求解过程中具备较强的全局搜索能力和跳出局部最优解的能力，在静态优化中具有展现出较好的优化效果，相比遗传算法和灰狼算法，优化燃料消耗量可降低达5％以上，进一步可以源头减污降碳5％以上。

67、(3)电厂操作运行人员可以依据每日的计划焚烧污泥量在污泥干化机最大干化功率内分配每个时刻的参与干化的蒸汽量，从而对机组的负荷进行调节。通常，机组的操作人员为减少操作频率，采用恒定的蒸汽量对湿污泥进行干化。本专利采用多机组灵活运行优化模型，以提升多机组整体经济性为目标，通过对一段时间内用于干化湿污泥的蒸汽量进行再分配，最大程度地降低时间段内的多机组燃料消耗量；所建的优化模型对不同负荷下的单炉启停负荷工况的进行优化，总负荷量均可以收敛到负荷设定值左右，并且无数据跃变、优化超限等异常优化工况出现。多时段分配验证以及典型日灵活运行验证结果表明应用多源燃料掺烧机组负荷优化分配与灵活运行方法后，最高可达20％以上的燃料节省效果，进一步可以燃煤电站整体源头减污降碳20％以上。

68、(4)多源燃料机组的频繁变负荷以及复杂多变的煤质特性致使机组的最优风煤比也随工况而不断变化，依赖于经验知识的传统的风量调配方式难以确定复杂工况下的风煤比的优化，同时难以保证炉膛的高效燃烧，为实现灵活运行调控背景下锅炉的多变负荷下燃烧调控，提出基于机理分析-优化模型构建-闭环仿真验证-参数调整的完整优化流程。高度电煤耗高nox、低度电煤耗高nox、高度电煤耗低nox等复杂燃烧工况下实现机组度电煤耗和nox排放浓度均实现降低，最高分别降低可达9g/kwh和120mg/m3以上，在变负荷工况以及煤质扰动工况下模型具有较好的稳定性以及较强的自适应寻优能力。