一種工業(yè)燃氣鍋爐多目標多約束燃燒優(yōu)化方法
【技術領域】
[0001] 本發(fā)明涉及鍋爐，特別涉及一種工業(yè)燃氣鍋爐多目標多約束燃燒優(yōu)化方法。
【背景技術】
[0002] 燃料分級和煙氣再循環(huán)是燃氣鍋爐NOx燃燒控制的常用方法。目前，一二次燃料比 例、煙氣循環(huán)量及過剩空氣系數等運行參數的確定仍是人工調試，費時耗力，通常難以找到 最佳運行工況且無法實現多目標優(yōu)化。目前涉及多目標燃燒優(yōu)化的方法限于鍋爐效率和 NOx排放兩個優(yōu)化目標，多數適用于燃煤鍋爐，鮮有燃氣鍋爐的燃燒優(yōu)化方法。就國內情況 而言，燃氣鍋爐采取低氮技術大多通過低氮改造實現，在原有鍋爐上更換燃燒器或加煙氣 再循環(huán)，不改造爐膛，火焰外形與爐膛尺寸的匹配就至關重要，如果火焰過長，則會出現火 焰直接沖刷受熱面，造成未燃盡碳或氣體的急冷而在受熱面上積炭;若火焰過短，則會出現 火焰充滿度差，影響受熱面的有效利用。

【發(fā)明內容】

[0003] 針對現有技術的缺陷，本發(fā)明提供了一種工業(yè)燃氣鍋爐多目標多約束燃燒優(yōu)化方 法。
[0004] -種工業(yè)燃氣鍋爐多目標多約束燃燒優(yōu)化方法，包括如下步驟:S100:采集燃氣鍋 爐運行中的可調參數和表征燃燒狀態(tài)的特征指標作為基礎數據，所述可調參數包括總燃料 量、二次燃料比例、氧含量和煙氣循環(huán)率，所述特征指標包括NOx濃度值、CO濃度值和火焰長 度值;S200:以基礎數據作為訓練數據，建立燃氣鍋爐燃燒的數學模型，所述數學模型包括； NOx的SVM模型、CO的SVM模型和火焰長度的SVM模型；
[0005] S300:確定目標函數和約束條件，所述目標函數為:min:N0x+a(C0-C0'）+b(L-L'）； 所述約束條件為：四個可調參數的調節(jié)范圍；
[0006] 其中，C0'為鍋爐運行允許的最大值，CO為采集的濃度值，a、b為加權系數，當C0> CO'時，a取IO3，當⑶< CO'時，a = 0; L'是爐膛允許的最大火焰長度，L為采集到的火焰長度， iL>L'時，b取103,當LSL'時，b = 0;
[0007] S400:根據所建立的數學模型、目標函數和約束條件，通過遺傳算法搜索出各負荷 下可調參數的最佳組合。
[0008] 可選的，所述煙氣循環(huán)率β由下式計算：
[0009]
[0010] 共中：μ是煙η循樸卒，丫 c/是η垣ir氧重，V煙是埋論煙η重，丫 ο是煙氣谷氧量，V空 是理論空氣量，ν'煙是實際煙氣量。
[0011]可選的，所述NOx濃度值是將煙氣分析儀測得的NOx濃度值折算至氧含量為3.5% 時的值，折算公式：
[0012]，其中氧含量為煙氣分析儀測得的煙氣氧 含量。
[0013] 可選的，所述步驟S200具體包括:S201:數據預處理，將所有基礎數據做歸一化處 理;S202:選取訓練集，以總燃料量、二次燃料比例、氧含量和煙氣循環(huán)率為輸入，對應的NOx 濃度值、CO濃度值和火焰長度的值為輸出，通過matlab加載工具箱libsvm-faruto訓練NOx 的SVM模型、CO的SVM模型和火焰長度的SVM模型，其中工具箱Iibsvm-faruto中核函數參數g 和懲罰因子c，采用工具箱默認值;S203:通過試算法調整核函數參數g和懲罰因子c。
[0014] 可選的，所述步驟S203包括：以訓練集以外數據作為測試集，用所建模型預測測試 集的輸入所對應的輸出作為預測值，對比預測值與實際值，計算預測值與實際值的相關系 數、平均誤差和最大誤差;若相關系數、平均誤差和最大誤差大于相應設定閾值時，則通過 試算法調整g和c，通過網格尋優(yōu)方法確定g、c的較優(yōu)范圍，在此范圍內任選5-10組g、c組合， 返回步驟S202,直至模型預測效果滿足需要
[0015] 本發(fā)明的有益效果是:通過優(yōu)化運行參數配比，可以適當調整火焰長度，提高鍋爐 低氮技術的匹配度，同時實現了燃氣鍋爐的高效、節(jié)能、低污染運行。
【附圖說明】
[0016] 圖1是本發(fā)明工業(yè)燃氣鍋爐系統(tǒng)的結構示意圖；
[0017] 圖2是本發(fā)明燃燒優(yōu)化方法的流程圖；
[0018] 圖3是步驟S200的流程圖；
[0019]圖4是步驟S400的優(yōu)化流程圖。
【具體實施方式】
[0020] 為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結合附圖對本發(fā)明 的【具體實施方式】做詳細的說明，使本發(fā)明的上述及其它目的、特征和優(yōu)勢將更加清晰。在全 部附圖中相同的附圖標記指示相同的部分。并未刻意按比例繪制附圖，重點在于示出本發(fā) 明的主旨。
[0021] 圖1為本發(fā)明工業(yè)燃氣鍋爐系統(tǒng)的結構示意圖，其采用低氮燃燒器，低氮技術為燃 料分級加煙氣再循環(huán)。系統(tǒng)由以下幾部分組成：1.燃料系統(tǒng):燃料為天然氣，燃氣由主管道 經閥組后進入一次燃料管道和二次燃料管道，主燃料管道和二次燃料管道上分別裝有流量 計，計量總燃料量和二次燃料量;2.送風系統(tǒng)：空氣和循環(huán)煙氣由風機送入燃燒器，風道上 裝有氧化鋯測量空氣與循環(huán)煙氣混合后的氧含量;3.排煙系統(tǒng):燃料與空氣在爐膛燃燒反 應后經鍋爐本體換熱，經過省煤器，最終煙氣由煙囪排出。煙氣分析儀可測定尾部煙氣組 分，包括氧含量、NOx實測濃度值、CO濃度值;4.控制系統(tǒng):通過控制系統(tǒng)調節(jié)總燃料量、二次 燃料量、空氣量和煙氣循環(huán)量(試驗系統(tǒng)圖中未顯示）；5.火焰觀測：爐膛中軸線側壁設有間 距為200mm的12個觀測孔，每個觀測孔距燃燒器入口（即火焰根部)距離可知，以可觀測到火 焰的最后一個觀測孔距燃燒器入口的距離為火焰長度。
[0022] 請參考圖2,其為本發(fā)明實施例的燃燒優(yōu)化方法的流程示意圖，本發(fā)明的優(yōu)化方法 包括以下步驟：
[0023] S100:采集燃氣鍋爐運行中的可調參數和表征燃燒狀態(tài)的特征指標作為基礎數 據，所述可調參數包括總燃料量、二次燃料比例、氧含量和煙氣循環(huán)率，所述特征指標包括 NOx濃度值、CO濃度值和火焰長度值。
[0024]燃氣鍋爐運行中確定影響NOx、CO和火焰長度的可調參數，負荷、二次燃料比例、空 氣過剩系數和煙氣循環(huán)率對于N0x、C0和火焰長度有重要影響。其中，負荷由總燃料量表征， 二次燃料比例根據總燃料量和二次燃料量得到，空氣過剩系數直接測量較困難，空氣量測 量準確度低，但是它與氧含量有直接對應關系，因此用氧含量表征。煙氣循環(huán)率通過風道含 氧量和煙氣含氧量確定，風道含氧量指循環(huán)煙氣與空氣混合后氧含量，煙氣氧含量即煙氣 分析儀測得的氧含量。公式如下：
[0025]
[0026] 兵甲：?定畑η循*1、準，丫 o'定η迫ir氧重，V煙定埋論畑η重，丫 ο定畑氣含氧量，V空 是理論空氣量，V'煙是實際煙氣量。其中，理論煙氣量、理論空氣量和實際煙氣量的計算方法 為現有技術，不再贅述。綜上，本發(fā)明將總燃料量、二次燃料比例、氧含量和煙氣循環(huán)率確定 為可調參數。所述特征指標包括NOx濃度值、CO濃度值和火焰長度值，特征指標用來表征燃 燒狀態(tài)。
[0027] 為了采集可調參數和特征指標，本發(fā)明采用單因素輪回法設置試驗工況。每個工況獲 取一組數據，包括可調參數:總燃料量、二次燃料比例、氧含量、煙氣循環(huán)率，特征指標:NOx濃 度值、CO濃度值和火焰長度的值，共7個量。此處NOx濃度值是將煙氣分析儀測得的NOx濃度值折 算至氧含量為3.5%時的值(標準中規(guī)定），折算公式：
氧含量是煙氣分析儀測得的煙氣氧含量。本實例共獲取160組樣本數據，表1為其中的5組部 分采樣值。
[0028] 表 1
[0030] S200:用基礎數據建立燃氣鍋爐燃燒的數學模型，所述數學模型包括;NOx的SVM模 型、⑶的SVM模型和火焰長度的SVM模型。首先建立NOx的SVM模型，如圖3所示，包括以下步 驟：
[0031] S201:數據預處理，將基礎數據做歸一化處理。將獲取的160組可調參數及對應的 折算后NOx濃度值導入matlab，將所有數據歸一化至(0，1)，表1中數據歸一化處理的結果如 表2所示。
[0032]表 2
[0034] S202:選取訓練集，以總燃料量、二次燃料比例、氧含量和煙氣循環(huán)率為輸入，對應 的NOx濃度值為輸出，通過matlab加載工具箱libsvm-faruto訓練NOx的SVM模型，其中核函 數參數g和懲罰因子c，采用工具箱默認值。
[0035]本發(fā)明從160組樣本中選120組(可為其它，樣本覆蓋工況盡可能全面，否則影響模 型精度)作為訓練集，訓練SVM模型，使該模型能夠反映輸入與輸出的數學關系。訓練過程由 matlab加