一種循環(huán)流化床鍋爐吹灰優(yōu)化系統(tǒng)及方法
【專利摘要】本發(fā)明涉及一種循環(huán)流化床鍋爐吹灰優(yōu)化系統(tǒng)及方法。受熱面污染因子監(jiān)測模塊利用數(shù)據(jù)通訊模塊從DCS系統(tǒng)讀取的過程數(shù)據(jù)，通過ε?模糊樹方法建立過熱器或再熱器污染因子、省煤器污染因子、空氣預熱器污染因子、排煙溫度和鍋爐效率的預測模型；然后，受熱面污染因子優(yōu)化模塊以排煙溫度和鍋爐效率為導向，采用改進的果蠅優(yōu)化算法對受熱面污染因子監(jiān)測模塊中的預測值進行優(yōu)化，得到可調(diào)變量的最佳設定值，將最佳可調(diào)變量值通過數(shù)據(jù)通訊模塊發(fā)送到DCS系統(tǒng)，從而指導現(xiàn)場設備運行；受熱面吹灰決策模塊通過實時監(jiān)測的情況設定臨界污染因子值，當監(jiān)測到的受熱面污染因子超過臨界污染因子時，指導受熱面吹灰。本發(fā)明從根本上達到了節(jié)能吹灰和按需吹灰的目的。
【專利說明】
-種循環(huán)流化床鍋妒吹灰優(yōu)化系統(tǒng)及方法
技術領域
[0001] 本發(fā)明屬于循環(huán)流化床吹灰技術領域，特別設及一種循環(huán)流化床鍋爐吹灰優(yōu)化系 統(tǒng)及方法。
【背景技術】
[0002] 我國是能源消費和污染氣體排放大國，其特點是：總量大、份額大、且在繼續(xù)增長 中。能源消費結構W煤炭為主導，其中火力發(fā)電主要依靠煤炭，因而帶來了嚴重的環(huán)境污染 問題。因此，發(fā)展?jié)崈裘喊l(fā)電技術，提高發(fā)電效率，降低污染排放，成為我國能源和經(jīng)濟可持 續(xù)發(fā)展的重要戰(zhàn)略決策。循環(huán)流化床燃燒技術是一種新型高效、低污染的清潔燃燒技術，具 有可燃劣質(zhì)煤、燃料適應性廣和爐內(nèi)直接脫硫獨特優(yōu)勢，已經(jīng)成為國內(nèi)外發(fā)展?jié)崈裘喝紵?技術的重點。
[0003] 循環(huán)流化床燃燒技術與粉煤爐燃燒技術在節(jié)能和環(huán)保方面有著顯著的優(yōu)勢，但由 于循環(huán)流化床燃燒技術能夠使用劣質(zhì)煤，循環(huán)流化床鍋爐尾部煙道的積灰問題也較為嚴 重，并且積灰呈現(xiàn)出不同于煤粉爐的積灰特性。受熱面積灰是影響循環(huán)流床鍋爐安全經(jīng)濟 運行要素之一，飛灰在受熱面上沉積產(chǎn)生灰污熱阻，致使受熱面?zhèn)鳠崮芰ο陆?，進而出現(xiàn)氣 溫降低、排煙溫度升高、受熱面管壁超溫、煙氣阻力增加等問題，運些問題直接影響機組的 正常運行。
[0004] 目前，對于煤粉爐的吹灰優(yōu)化研究較多，并集成發(fā)展了多個吹灰優(yōu)化系統(tǒng)，循環(huán)流 化床鍋爐與煤粉爐在本體設計方面有很大區(qū)別，需要更深入地研究。如今電站鍋爐多采用 定時吹灰，由于受熱面積灰的因素十分復雜，常常出現(xiàn)欠吹灰和過吹灰的問題。欠吹灰會導 致?lián)Q熱效率低，進而影響鍋爐的效率;頻繁吹灰不僅會消耗大量能量，而且會因磨蝕和熱應 力對鍋爐受熱面造成損壞，縮短受熱面的壽命，同時也增加了吹灰裝置的維修費。因此，研 究電站鍋爐的受熱面按需吹灰非常必要。

【發(fā)明內(nèi)容】

[0005] 針對現(xiàn)有技術不足，本發(fā)明提供了一種循環(huán)流化床鍋爐吹灰優(yōu)化系統(tǒng)及方法。
[0006] 一種循環(huán)流化床鍋爐吹灰優(yōu)化系統(tǒng)，DCS系統(tǒng)分別連接循環(huán)流化床鍋爐和循環(huán)流 化床鍋爐吹灰系統(tǒng)，所述循環(huán)流化床鍋爐吹灰優(yōu)化系統(tǒng)置于化C系統(tǒng)中，其包括數(shù)據(jù)通訊模 塊、受熱面污染因子監(jiān)測模塊、受熱面污染因子優(yōu)化模塊和受熱面吹灰決策模塊;其中，數(shù) 據(jù)通訊模塊通過DSC系統(tǒng)的服務器通訊軟件與DCS系統(tǒng)連接，進行交換數(shù)據(jù);受熱面污染因 子監(jiān)測模塊、受熱面污染因子優(yōu)化模塊和受熱面吹灰決策模塊依次連接，并分別與數(shù)據(jù)通 訊模塊鏈接；
[0007] 受熱面污染因子監(jiān)測模塊用于利用數(shù)據(jù)通訊模塊從DCS系統(tǒng)讀取的過程數(shù)據(jù)建立 過熱器或再熱器污染因子、省煤器污染因子、空氣預熱器污染因子、排煙溫度和鍋爐效率的 預測模型；受熱面污染因子優(yōu)化模塊用于對受熱面污染因子監(jiān)測模塊中的預測值進行優(yōu) 化，得到可調(diào)變量的最佳設定值，將最佳可調(diào)變量值通過數(shù)據(jù)通訊模塊發(fā)送到DCS系統(tǒng)，從 而指導現(xiàn)場設備運行；受熱面吹灰決策模塊用于通過實時監(jiān)測的情況設定臨界污染因子 值，當監(jiān)測到的受熱面污染因子超過臨界污染因子時，指導受熱面吹灰。
[0008] -種循環(huán)流化床鍋爐吹灰優(yōu)化系統(tǒng)的吹灰優(yōu)化方法，包括W下步驟：
[0009] 1)數(shù)據(jù)通訊模塊通過Mcxlbus通訊協(xié)議與DCS系統(tǒng)交換數(shù)據(jù);首先，數(shù)據(jù)通訊模塊從 DCS系統(tǒng)讀取過程數(shù)據(jù)，包括:機組負荷Load，燃料熱值Q，燃料揮發(fā)分V，一次風壓Pa，一次風 左擋板開度Vra，一次風右擋板開度Vrb，上二次風左擋板開度Sea,上二次風右擋板開度Seb，下 二次風左擋板開度Sec，下二次風右擋板開度Sed，煙氣含氧量P(化），飛灰含碳量Cfh，排煙溫 度Tpy，計算燃料消耗量B，鍋爐主蒸汽流量G，蒸汽入日洽值出1，蒸汽出日洽值出2,蒸汽壓力 扣，煙氣進入受熱面時的洽值Isl，煙氣流出受熱面時的洽值Is2,煙氣壓力Pi，冷空氣洽值Is， 空氣體積Vk，空氣預熱器入口空氣洽值Iki，空氣預熱器出口空氣洽值Ik2，排煙熱損失qi，可 燃氣體未完全燃燒熱損失Q2，固體未完全燃燒熱損失Q3，散熱損失Q4，灰渣物理熱損失qs ;
[0010] 2)受熱面污染因子監(jiān)測模塊通過ε-模糊樹方法利用過程數(shù)據(jù)建立過熱器或再熱 器污染因子、省煤器污染因子、空氣預熱器污染因子、排煙溫度和鍋爐效率的預測模型；
[0011] 3)受熱面污染因子優(yōu)化模塊W排煙溫度和鍋爐效率為導向，對受熱面污染因子監(jiān) 測模塊中的預測值進行優(yōu)化，得到可調(diào)變量的最佳設定值，將最佳可調(diào)變量值通過數(shù)據(jù)通 訊模塊發(fā)送到DCS系統(tǒng)，從而指導現(xiàn)場設備運行；
[0012] 4)受熱面吹灰決策模塊通過實時監(jiān)測的情況設定臨界污染因子值，當監(jiān)測到的受 熱面污染因子超過臨界污染因子時，指導受熱面吹灰。
[0013] 為了消除異常值，并減少參數(shù)的波動，對數(shù)據(jù)通訊模塊所讀取的過程數(shù)據(jù)進行預 處理，具體步驟如下：
[0014] 3.1:依次確定可疑數(shù)據(jù)Xi，i e [ 1，η ]; η為所采集的數(shù)據(jù)個數(shù)；
[0015] 3.2:然后計算刪除可疑數(shù)值之后的數(shù)列平均值
W及標準差
[0016] 3.3:計算可疑數(shù)據(jù)的殘差:=義^.-玄；
[0017] 3.4:根據(jù)判別式I I >κσ來判定此可疑數(shù)值是否存在粗大誤差，如果存在，則進 行剔除，其中Κ為檢驗系數(shù)；
[0018] 3.5:為保證數(shù)據(jù)的連續(xù)性，利用差分方程計算結果對Xi進行替換，具體算式為 義；=1 +(乂,_1 -X,.-2)，義;為i位置上新的數(shù)值。
[0019] 步驟2)中，所述受熱面污染因子監(jiān)測模塊使用ε-模糊樹方法利用過程數(shù)據(jù)建立過 熱器或再熱器污染因子FFe、省煤器污染因子FFs、空氣預熱器污染因子FFkW及排煙溫度Tpy 和鍋爐效率riBDiler的預測模型，方案如下：
[0020] 首先，基于過程數(shù)據(jù)利用公式
陽鍋爐熱力計算標準求出各受熱面的實 際傳熱系數(shù)Kfact和理想傳熱系數(shù)Kideal，使用
計算各受熱面的污染因子；
[0021] 對于過熱器或再熱器吸熱量使用公
^計算；
[0022] 對于省煤器吸熱量使用公式資=戰(zhàn),-i：,2 十算；
[0023] 對于空氣預熱器吸熱量使用公
十算；
[0024] 其中，K為受熱面?zhèn)鳠嵯禂?shù)，W/(m2 · °C);B為計算燃料消耗量，t/h;Q為受熱面的吸 熱量，kj/kg; ΔΤ為受熱面的傳熱溫差，°C;S為受熱面的面積，m2;G為鍋爐主蒸汽流量，t/h; 出2為蒸汽出口洽值，kj/kg;出1為蒸汽入口洽值，kj/kg; Isl為煙氣進入受熱面時的洽值，kj/ kg;Is2為煙氣流出受熱面時的洽值，kj/kg;i3為受熱面處的漏風系數(shù)；Is為冷空氣洽值，kj/ kg; φ為保熱系數(shù);Vk為空氣體積，kNm3;山為空氣預熱器入口空氣洽值，kJ/Nm3; Ik2為空氣預 熱器出口空氣洽值，kJ/Nm3;
[002引然后，基于過程數(shù)據(jù)利用公式riB0iler=l-q廣q2-q3-q4-q計算鍋爐效率riBoile;其中， qi為排煙熱損失，％ ;q2為可燃氣體未完全燃燒熱損失，％ ;q3為固體未完全燃燒熱損失，％ ; Q4為散熱損失，％ ; qs為灰渣物理熱損失，％ ;
[00%]所述預測模型的輸入變量為:機組負荷Load,燃料熱值Q，燃料揮發(fā)分V，一次風壓 Pa，一次風左擋板開度Vra，一次風右擋板開度Vrb，上二次風左擋板開度Sea,上二次風右擋板 開度Seb，下二次風左擋板開度Sec，下二次風右擋板開度Sed，煙氣含氧量P(化），飛灰含碳量 Cfh，鍋爐主蒸汽流量G，蒸汽入口洽值出1，蒸汽出口洽值出2，蒸汽壓力扣，煙氣進入受熱面時 的洽值Isl，煙氣流出受熱面時的洽值Is2,煙氣壓力Pi，空氣體積Vk，空氣預熱器入口空氣洽 值山，空氣預熱器出日空氣洽值Ik2;輸出變量為:過熱器或再熱器污染因子FFg、省煤器污染 因子肌、空氣預熱器污染因子FF擬及排煙溫度Tpy和鍋爐效率riBoiler;
[0027]然后，分別基于ε-模糊樹方法得到過熱器或再熱器污染因子FFe、省煤器污染因子 FFs、空氣預熱器污染因子FF擬及排煙溫度Tpy和鍋爐效率riBniler的預測模型，具體包括W下 步驟：
[00巧]4.1:給定ε-模糊樹預測模型輸入輸出數(shù)據(jù)集合(xj，yj)，j = 1，2，…，Μ，Μ是樣本數(shù) 量，x^eRn，y^eR，設定ε-模糊樹輸出模型的期望誤差和最大葉節(jié)點數(shù)；
[0029] 4.2:設定模糊帶的寬度λ = 5，初始化根節(jié)點，令Ni (X) s 1，樹的深度d = 1;根據(jù)式 (1)求解根節(jié)點上的后件參數(shù)C1;
[0030]
( 1 )
[0031] 其中，S =隨烏.，…南f，。二 kti，，. . .，ctL]T，詩二，其中 & ，.? =[詩，cf，...，苗]r，cti為第1個葉節(jié)點上的后件參數(shù)，4'表示第1 個葉節(jié)點的模型誤差；巧.V)=以/, (.V)-;·'，:(.坤;·'，…媽,作)心]'，其中
Nti(x)為葉節(jié)點tl上的隸屬度函數(shù)，μ*ι(χ)為Nti(x)的歸一化隸屬度函數(shù)，X為輸入變量， X二;每《批')為模型預測值;1 = 1，2,…，L，功葉節(jié)點數(shù)量;T為轉置;式中第一 項是經(jīng)驗風險，代表模型的誤差，第二項代表模型的復雜程度，平衡因子丫 >0,其為實現(xiàn)模 型復雜度與訓練誤差之間的折衷；
[0032] 4.3:依次處理當前深度的每一個節(jié)點：劃分該節(jié)點，根據(jù)式(2)-(5)計算劃分后左 右子節(jié)點上的隸屬度函數(shù)，根據(jù)式（1)求出所有葉節(jié)點上的后件參數(shù)，進而根據(jù)式(6)計算 輸入樣本對應的劃分后的模型輸出：
[00削 i)根節(jié)點隸屬度函數(shù)，Νι(χ)^1 (2)
[0034] ii)非根節(jié)點隸屬度函數(shù)，(乂成切 （3)
[003引其中，p(t)表示節(jié)點t的父節(jié)點，Np(t)(x)為父節(jié)點上的隸屬度函數(shù)，W,( g為非根 節(jié)點上的輔助隸屬度函數(shù)，
[003引其中，0p(t)為父節(jié)點上的數(shù)據(jù)中屯、，λ*為左葉節(jié)點，取-5，X巧第j個樣本輸入變量， 克巧[l，(xj)T]T;
[0039]
(6)
[0040] 其中，訪e f為葉節(jié)點集合，尹二川，/2，..，化}，
[0041] 4.4:根據(jù)式(7)計算均方根誤差RISE:
[0042]
[0043] 如果均方根誤差小于劃分前模型輸出的均方根誤差，則保存此次劃分，否則，處理 當前層的下一個節(jié)點；
[0044] 4.5:當前層處理完畢后，如果模型輸出的均方根誤差小于允許最大誤差或者當前 二叉樹的葉節(jié)點數(shù)超過最大節(jié)點數(shù)，得到輸出變量過熱器或再熱器污染因子FFg、省煤器污 染因子FFs、空氣預熱器污染因子FFkW及排煙溫度Tpy和鍋爐效率riBoiler，算法結束；否則令d =(1+1，返回步驟4.3，繼續(xù)算法。
[0045] 步驟3)中，所述受熱面污染因子優(yōu)化模塊采用改進的果蛹優(yōu)化算法，W排煙溫度 和鍋爐效率為導向，對受熱面污染因子監(jiān)測模塊中的預測值進行優(yōu)化，得到可操作變量的 最佳設定值，具體包括W下步驟：
[0046] 5.1:對優(yōu)化過程進行優(yōu)化策略構建，提出兩種優(yōu)化方式：I、排煙溫度和各受熱面 污染因子滿足限定條件，鍋爐效率尋求最高；II、鍋爐效率和各受熱面污染因子滿足限定條 件，排煙溫度尋求最低；多目標尋優(yōu)引入罰函數(shù)實現(xiàn)，兩種優(yōu)化方式依次對應的罰函數(shù)如 下：
[0049] 式中，為排煙溫度上限；F巧為過熱器污染因子上限；i7巧為省煤器污染因子 上限；巧畫為空氣預熱器污染因子上限；請。,7。.為允許的最低鍋爐效率;μL、μ2、μ3、μ4、μ5、μ6、 μ?、μ8為足夠大的正數(shù)；
[0050] 5.2:為了保障鍋爐的安全運行，對循環(huán)流化床鍋爐運行工況的m個可調(diào)變量設置 合理的優(yōu)化區(qū)間；
[0051] 5.3:采用改進的果蛹優(yōu)化算法實現(xiàn)受熱面污染因子的優(yōu)化，其步驟如下：
[0052] ①:初始化，設定m個果蛹群體，即為步驟5.2中的m個可調(diào)變量，每個群體果蛹數(shù)量 為E，迭代次數(shù)為F，果蛹種群的初始位置為[Χο,Υο]，進而得到捜尋食物的隨機方向和距離為 [Xk，Yk]，其中，隨機值區(qū)間為[-1,1];
[0化3]②:計算果蛹個體到原點的距離1? =義^ +巧，進而得出味道濃度判定值Sk=l/ Dk+Rand XDk，站即為各可調(diào)變量值，其中Rand的取值區(qū)間為[0，1 ];
[0054] ③:優(yōu)化步驟5.1中的尋優(yōu)策略函數(shù)值即為適應度函數(shù)，也就是味道濃度函數(shù)，將 步驟②中的各Sk經(jīng)過ε-模糊樹模型得到過熱器或再熱器污染因子FFg、省煤器污染因子FFs、 空氣預熱器污染因子FFk、排煙溫度Tpy和鍋爐效率riBoiler，代入步驟5.1中的尋優(yōu)策略函數(shù)， 求得該果蛹個體位置的味道濃度值，并保留該果蛹位置、味道濃度值、過熱器或再熱器污染 因子FFg、省煤器污染因子FFs、空氣預熱器污染因子FFk、排煙溫度Tpy和鍋爐效率％oiler;
[0055] ④:通過迭代尋優(yōu)，保留味道濃度最低值，W及此時的各種群果蛹最優(yōu)位置、過熱 器或再熱器污染因子FFe、省煤器污染因子FFs、空氣預熱器污染因子FFk、排煙溫度Tpy和鍋爐 效率riBoile"并利用果蛹的最優(yōu)位置算出各可調(diào)變量的取值；
[0056] 5.4:得出最優(yōu)的可調(diào)變量設定值和最優(yōu)的模型預測值，所述最優(yōu)的模型預測值包 括過熱器或再熱器污染因子FFe、省煤器污染因子FFs、空氣預熱器污染因子FFk、排煙溫度Tpy 和鍋爐效率riBoiler，將最優(yōu)的可調(diào)變量設定值發(fā)送到DCS系統(tǒng)，將最優(yōu)的模型預測值發(fā)送到 受熱面吹灰決策模塊。
[0057] 所述受熱面吹灰決策模塊根據(jù)優(yōu)化情況，對不同的受熱面設定不同的受熱面臨界 污染因子，如果某個受熱面的污染因子超過了臨界污染因子，則對該受熱面單獨進行吹灰。 [005引設置的過熱器臨界污染因子巧苦應小于過熱器污染因子上限FF/i ;省煤器臨界污 染因子巧7/應小于省煤器污染因子上限及空氣預熱器臨界污染因子Fi等應小于 空氣預熱器污染因子上限FF之。
[0059] 本發(fā)明的有益效果為：
[0060] 本發(fā)明利用ε-模糊樹方法構建了各受熱面吹灰因子的預測模型，然后，W排煙溫 度和鍋爐效率為導向，采用改進的果蛹優(yōu)化算法，對運行工況的可調(diào)參數(shù)進行調(diào)節(jié)進而優(yōu) 化各受熱面吹灰因子的預測值，最后，設定受熱面的臨界吹灰因子指導吹灰，從根本上達到 了節(jié)能吹灰和按需吹灰的目的。
[0061 ]本發(fā)明基于ε-模糊樹方法建立的FFG、FFs、FFκ、Tpy、rlB。iler的預測模型有較小的誤 差，能夠相對準確地監(jiān)測當前運行工況和下一步運行工況。提出的兩種優(yōu)化策略均能實現(xiàn) 提高toiler同時降低FFG、FFs、FFκ、Tpy，其中，W鍋爐效率為導向的優(yōu)化策略，在其他變量得到 優(yōu)化的同時，鍋爐效率的得到了最大程度的提升；W排煙溫度為導向的優(yōu)化策略，在其他變 量得到優(yōu)化的同時，最大程度地降低了排煙溫度。通過預測和優(yōu)化各受熱面污染因子，并設 定了各受熱面的臨界污染因子，運樣避免了尾部煙道受熱面同時吹灰和盲目吹灰造成的能 源浪費，實現(xiàn)了各受熱面節(jié)能吹灰和按需吹灰。
【附圖說明】
[0062] 圖1為一種循環(huán)流化床鍋爐吹灰優(yōu)化系統(tǒng)及方法的結構框圖；
[0063] 圖2為基于ε-模糊樹方法的各受熱面污染因子、排煙溫度和鍋爐效率的預測模型 結構框圖；
[0064] 圖3為基于改進的果蛹算法的各受熱面污染因子優(yōu)化的結構框圖。
【具體實施方式】
[0065] 下面結合附圖和【具體實施方式】對本發(fā)明做進一步說明。應該強調(diào)的是，下述說明 僅僅是示例性的，而不是為了限制本發(fā)明的范圍及其應用。
[0066] 如圖1所示一種循環(huán)流化床鍋爐吹灰優(yōu)化系統(tǒng)，DCS系統(tǒng)分別連接循環(huán)流化床鍋爐 和循環(huán)流化床鍋爐吹灰系統(tǒng)，所述循環(huán)流化床鍋爐吹灰優(yōu)化系統(tǒng)置于PLC系統(tǒng)中，其包括數(shù) 據(jù)通訊模塊、受熱面污染因子監(jiān)測模塊、受熱面污染因子優(yōu)化模塊和受熱面吹灰決策模塊； 其中，數(shù)據(jù)通訊模塊通過DSC系統(tǒng)的服務器通訊軟件與DCS系統(tǒng)連接，進行交換數(shù)據(jù);受熱面 污染因子監(jiān)測模塊、受熱面污染因子優(yōu)化模塊和受熱面吹灰決策模塊依次連接，并分別與 數(shù)據(jù)通訊模塊鏈接；
[0067] 受熱面污染因子監(jiān)測模塊用于利用數(shù)據(jù)通訊模塊從DCS系統(tǒng)讀取的過程數(shù)據(jù)建立 過熱器或再熱器污染因子、省煤器污染因子、空氣預熱器污染因子、排煙溫度和鍋爐效率的 預測模型；受熱面污染因子優(yōu)化模塊用于對受熱面污染因子監(jiān)測模塊中的預測值進行優(yōu) 化，得到可調(diào)變量的最佳設定值，將最佳可調(diào)變量值通過數(shù)據(jù)通訊模塊發(fā)送到DCS系統(tǒng)，從 而指導現(xiàn)場設備運行；受熱面吹灰決策模塊用于通過實時監(jiān)測的情況設定臨界污染因子 值，當監(jiān)測到的受熱面污染因子超過臨界污染因子時，指導受熱面吹灰。
[0068] -種循環(huán)流化床鍋爐吹灰優(yōu)化系統(tǒng)的吹灰優(yōu)化方法，包括W下步驟：
[0069] 1)數(shù)據(jù)通訊模塊通過Mcxlbus通訊協(xié)議與DCS系統(tǒng)交換數(shù)據(jù);首先，數(shù)據(jù)通訊模塊從 DCS系統(tǒng)讀取過程數(shù)據(jù)，包括:機組負荷Load，燃料熱值Q，燃料揮發(fā)分V，一次風壓Pa，一次風 左擋板開度Vra，一次風右擋板開度Vrb，上二次風左擋板開度Sea,上二次風右擋板開度Seb，下 二次風左擋板開度Sec，下二次風右擋板開度Sed，煙氣含氧量P(化），飛灰含碳量Cfh，排煙溫 度Tpy，計算燃料消耗量B，鍋爐主蒸汽流量G，蒸汽入日洽值出1，蒸汽出日洽值出2,蒸汽壓力 扣，煙氣進入受熱面時的洽值Isl，煙氣流出受熱面時的洽值Is2,煙氣壓力Pi，冷空氣洽值Is， 空氣體積Vk，空氣預熱器入口空氣洽值Iki，空氣預熱器出口空氣洽值Ik2，排煙熱損失qi，可 燃氣體未完全燃燒熱損失Q2，固體未完全燃燒熱損失Q3，散熱損失Q4，灰渣物理熱損失qs ;為 了消除異常值，并減少參數(shù)的波動，對數(shù)據(jù)通訊模塊所讀取的過程數(shù)據(jù)進行預處理，具體步 驟如下：
[0070] 3.1:依次確定可疑數(shù)據(jù)Xi，i e [1，n] ;n為所采集的數(shù)據(jù)個數(shù)；
[0071] 3.2:然后計算刪除可疑數(shù)值之后的數(shù)列平均值
W及標準差
[0072] 3.3:計算可疑數(shù)據(jù)的殘差：^.二義^.-玄；
[0073] 3.4:根據(jù)判別式I >Κ〇來判定此可疑數(shù)值是否存在粗大誤差，如果存在，則進 行剔除，其中Κ為檢驗系數(shù)；
[0074] 3.5:為保證數(shù)據(jù)的連續(xù)性，利用差分方程計算結果對Xi進行替換，具體算式為 《=+(不,_1 -義/_2 )，《1為i位置上新的數(shù)值。
[0075] 2)受熱面污染因子監(jiān)測模塊通過ε-模糊樹方法利用過程數(shù)據(jù)建立過熱器或再熱 器污染因子、省煤器污染因子、空氣預熱器污染因子、排煙溫度和鍋爐效率的預測模型；方 案如下：
[0076] 圖2為基于ε-模糊樹方法的各受熱面污染因子、排煙溫度和鍋爐效率的預測模型 結構框圖。首先，基于過程數(shù)據(jù)利用公式
和鍋爐熱力計算標準求出各受熱面的 /( 實際傳熱系數(shù)Kfact和理想傳熱系數(shù)Kideal，使用= 1 - ^計算各受熱面的污染因子；
[0077] 對于過熱器或再熱器吸熱量使用公
計算；
[007引對于省煤器吸熱量使用公式谷= +公></,.)><(0計算；
[0079] 對于空氣預熱器吸熱量使用公式
開算；
[0080] 其中，K為受熱面?zhèn)鳠嵯禂?shù)，W/(m2 · °C);B為計算燃料消耗量，t/h;Q為受熱面的吸 熱量，kj/kg; ΔΤ為受熱面的傳熱溫差，°C;S為受熱面的面積，m2;G為鍋爐主蒸汽流量，t/h; 出2為蒸汽出口洽值，kj/kg;出1為蒸汽入口洽值，kj/kg; Isl為煙氣進入受熱面時的洽值，kj/ kg;Is2為煙氣流出受熱面時的洽值，kj/kg;i3為受熱面處的漏風系數(shù)；Is為冷空氣洽值，kj/ kg; φ為保熱系數(shù);Vk為空氣體積，kNm3;山為空氣預熱器入口空氣洽值，kJ/Nm3; Ik勸空氣預 熱器出口空氣洽值，kJ/Nm3;
[0081] 然后，基于過程數(shù)據(jù)利用公式riB〇iler=l-q廣q2-q3-q4-q計算鍋爐效率riBoiler;其中， qi為排煙熱損失，％ ;q2為可燃氣體未完全燃燒熱損失，％ ;q3為固體未完全燃燒熱損失，％ ; Q4為散熱損失，％ ; qs為灰渣物理熱損失，％ ;
[0082] 所述預測模型的輸入變量為:機組負荷Load,燃料熱值Q，燃料揮發(fā)分V，一次風壓 Pa，一次風左擋板開度Vra，一次風右擋板開度Vrb，上二次風左擋板開度Sea,上二次風右擋板 開度Seb，下二次風左擋板開度Sec，下二次風右擋板開度Sed，煙氣含氧量P(化），飛灰含碳量 Cfh，鍋爐主蒸汽流量G，蒸汽入口洽值出1，蒸汽出口洽值出2，蒸汽壓力扣，煙氣進入受熱面時 的洽值Isl，煙氣流出受熱面時的洽值Is2,煙氣壓力Pi，空氣體積Vk，空氣預熱器入口空氣洽 值山，空氣預熱器出日空氣洽值Ik2;輸出變量為:過熱器或再熱器污染因子FFg、省煤器污染 因子肌、空氣預熱器污染因子FF擬及排煙溫度Tpy和鍋爐效率riBoiler;
[0083] 然后，分別基于ε-模糊樹方法得到過熱器或再熱器污染因子FFe、省煤器污染因子 FFs、空氣預熱器污染因子FF擬及排煙溫度Tpy和鍋爐效率riBniler的預測模型，具體包括W下 步驟：
[0084] 4.1:給定ε-模糊樹預測模型輸入輸出數(shù)據(jù)集合(xj，yj)，j = 1，2，…，Μ，Μ是樣本數(shù) 量，x^eRn，y^eR，設定ε-模糊樹輸出模型的期望誤差和最大葉節(jié)點數(shù)；
[0085] 4.2:設定模糊帶的寬度λ = 5，初始化根節(jié)點，令化(X) s 1，樹的深度d = 1;根據(jù)式 (1)求解根節(jié)點上的后件參數(shù)C1;
[0086]
(1)
[0087] 其牛
其中
，cti為第1個葉節(jié)點上的后件參數(shù)，cf表示第1 個葉節(jié)點的模型誤差；妾的= [//,Ι(Λ0.?<，也的於'，…施(句護f，其中，
Nti(x)為葉節(jié)點tl上的隸屬度函數(shù)，μ*ι(χ)為Nti(x)的歸一化隸屬度函數(shù)，X為輸入變量，
為模型預測值;1 = 1，2，…，L，L為葉節(jié)點數(shù)量;T為轉置;式中第一項 是經(jīng)驗風險，代表模型的誤差，第二項代表模型的復雜程度，平衡因子丫 >0,其為實現(xiàn)模型 復雜度與訓練誤差之間的折衷；
[0088] 4.3:依次處理當前深度的每一個節(jié)點：劃分該節(jié)點，根據(jù)式(2)-(5)計算劃分后左 右子節(jié)點上的隸屬度函數(shù)，根據(jù)式（1)求出所有葉節(jié)點上的后件參數(shù)，進而根據(jù)式(6)計算 輸入樣本對應的劃分后的模型輸出：
[0089] i)根節(jié)點隸屬度函數(shù)，Νι(χ)^1 (2)
[0090] ii)非根節(jié)點隸屬度函數(shù)，聽妨切次的 (3)
[0091] 其中，p(t)表示節(jié)點t的父節(jié)點，Np(t)(x)為父節(jié)點上的隸屬度函數(shù)，旁，的為非根節(jié) 點上的輔助隸屬度函數(shù)，
[0092]
(4)
[0093]
(5:)
[0094] 其中，9p(t)為父節(jié)點上的數(shù)據(jù)中屯、，λ*為左葉節(jié)點，取-5，x巧第j個樣本輸入變量， jP 為[l，(xj)T]T;
[00巧]
(貨
[0096] 其中，《/€_f為葉節(jié)點集合，旁二{化強…，注};[0097] 4.4:根據(jù)式(7)計算均方根誤差RISE:
[009引 (7)
[0099] 如果均方根誤差小于劃分前模型輸出的均方根誤差，則保存此次劃分，否則，處理 當前層的下一個節(jié)點；
[0100] 4.5:當前層處理完畢后，如果模型輸出的均方根誤差小于允許最大誤差或者當前 二叉樹的葉節(jié)點數(shù)超過最大節(jié)點數(shù)，得到輸出變量過熱器或再熱器污染因子FFg、省煤器污 染因子FFs、空氣預熱器污染因子FFkW及排煙溫度Tpy和鍋爐效率riBoiler，算法結束；否則令d =(1+1，返回步驟4.3，繼續(xù)算法。
[0101] 3)受熱面污染因子優(yōu)化模塊采用改進的果蛹優(yōu)化算法，W排煙溫度和鍋爐效率為 導向，對受熱面污染因子監(jiān)測模塊中的預測值進行優(yōu)化，得到可調(diào)變量的最佳設定值，將最 佳可調(diào)變量值通過數(shù)據(jù)通訊模塊發(fā)送到DCS系統(tǒng)，從而指導現(xiàn)場設備運行；圖3為基于改進 的果蛹算法的各受熱面污染因子優(yōu)化的結構框圖，具體包括W下步驟：
[0102] 5.1:對優(yōu)化過程進行優(yōu)化策略構建，提出兩種優(yōu)化方式：I、排煙溫度和各受熱面 污染因子滿足限定條件，鍋爐效率尋求最高；II、鍋爐效率和各受熱面污染因子滿足限定條 件，排煙溫度尋求最低；多目標尋優(yōu)引入罰函數(shù)實現(xiàn)，兩種優(yōu)化方式依次對應的罰函數(shù)如 下：
[010引式中，為排煙溫度上限：八7為過熱器污染因子上限；FF/為省煤器污染因子 上限；巧?為空氣預熱器污染因子上限；裙。,為允許的最低鍋爐效率;μι、μ2、μ3、μ4、μ5、μ6、 μ?、μ8為足夠大的正數(shù)；
[0106] 5.2 :為了保障鍋爐的安全運行，對循環(huán)流化床鍋爐運行工況的m個可調(diào)變量設置 合理的優(yōu)化區(qū)間，如表1:
[0107]表1 [010 引
[0109] 5.3:采用改進的果蛹優(yōu)化算法實現(xiàn)受熱面污染因子的優(yōu)化，其步驟如下：
[0110] ①:初始化，設定m個果蛹群體，即為步驟5.2中的m個可調(diào)變量，每個群體果蛹數(shù)量 為E，迭代次數(shù)為F，果蛹種群的初始位置為[Χο,Υο]，進而得到捜尋食物的隨機方向和距離為 [Xk，Yk]，其中，隨機值區(qū)間為[-1,1];
[01"]②:計算果蛹個體到原點的距離A二《+巧，進而得出味道濃度判定值Sk= 1/ Dk+Rand XDk，站即為各可調(diào)變量值，其中Rand的取值區(qū)間為[0，1 ];
[0112] ③:優(yōu)化步驟5.1中的尋優(yōu)策略函數(shù)值即為適應度函數(shù)，也就是味道濃度函數(shù)，將 步驟②中的各Sk經(jīng)過ε-模糊樹模型得到過熱器或再熱器污染因子FFg、省煤器污染因子FFs、 空氣預熱器污染因子FFk、排煙溫度Tpy和鍋爐效率riBoiler，代入步驟5.1中的尋優(yōu)策略函數(shù)， 求得該果蛹個體位置的味道濃度值，并保留該果蛹位置、味道濃度值、過熱器或再熱器污染 因子FFg、省煤器污染因子FFs、空氣預熱器污染因子FFk、排煙溫度Tpy和鍋爐效率％oiler;
[0113] ④:通過迭代尋優(yōu)，保留味道濃度最低值，W及此時的各種群果蛹最優(yōu)位置、過熱 器或再熱器污染因子FFe、省煤器污染因子FFs、空氣預熱器污染因子FFk、排煙溫度Tpy和鍋爐 效率riBoile"并利用果蛹的最優(yōu)位置算出各可調(diào)變量的取值；
[0114] 5.4:得出最優(yōu)的可調(diào)變量設定值和最優(yōu)的模型預測值，所述最優(yōu)的模型預測值包 括過熱器或再熱器污染因子FFe、省煤器污染因子FFs、空氣預熱器污染因子FFk、排煙溫度Tpy 和鍋爐效率riBoiler，將最優(yōu)的可調(diào)變量設定值發(fā)送到DCS系統(tǒng)，將最優(yōu)的模型預測值發(fā)送到 受熱面吹灰決策模塊。
[0115] 4)受熱面吹灰決策模塊通過實時監(jiān)測的情況設定臨界污染因子值，當監(jiān)測到的受 熱面污染因子超過臨界污染因子時，指導受熱面吹灰。
[0116] 所述受熱面吹灰決策模塊根據(jù)優(yōu)化情況，對不同的受熱面設定不同的受熱面臨界 污染因子，如果某個受熱面的污染因子超過了臨界污染因子，則對該受熱面單獨進行吹灰。 設置的過熱器臨界污染因子巧覆應小于過熱器污染因子上限f巧^省煤器臨界污染因子 應小于省煤器污染因子上限乃W及空氣預熱器臨界污染因子護巧?應小于空氣預 熱器污染因子上限受熱面的臨界污染因子設定可W考慮W下因素：（1)高負荷時，受 熱面污染因子增長的較快，設定的臨界污染因子可W小一些；（2)低負荷時，受熱面污染因 子增長的較慢，設定的臨界污染因子可W大一些；（3)當排煙溫度升高時，設定的臨界污染 因子要小一些。
[0117] 為了進一步解釋本發(fā)明，下面結合具體實施例做進一步說明。
[011引實施例1
[0119] W某300MW循環(huán)流化床鍋爐作為研究對象，分別對200MW~250MW、250MW~300MW兩 段負荷區(qū)間進行了研究，數(shù)據(jù)通訊模塊采集了不同負荷段下的各3600組數(shù)據(jù)，采樣時間為 1S，其中1000組作為訓練樣本，100組作為測試樣本。對兩段負荷進行的試驗，250MW~300MW 負荷段的整體效果更佳優(yōu)越。
[0120] 在250MW~300MW負荷段，設定7個果蛹群體，即為7個可調(diào)變量(見表1)，每個群體 果蛹數(shù)量為40,迭代次數(shù)為100,基于ε-模糊樹方法建立的FFG、FFs、FFκ、Tpy、rlB。iler的模型有 較小的誤差，訓練樣本的相對誤差依次為0.27%、0.19%、0.21%、0.36%、0.15%，預測樣 本的相對誤差依次為1.17%、〇.98%、1.01%、1.23%、1.15%。其中，^鍋爐效率％。山,為導 向的優(yōu)化策略，平均鍋爐效率提升了 0.67%，平均排煙溫度降低了 2.9°C，平均污染因子 FFG、FFs、FFκ依次降低了0.17、0.13、0.21;W排煙溫度Tpy為導向，平均排煙溫度降低了5.7 °C，鍋爐效率平均提高了0.45%，平均污染因子FFg、FFs、FFk依次降低了0.14、0.11、0.19。優(yōu) 化后的可調(diào)變量變化范圍：一次風壓Pa為19.9~20.8kPa，一次風左擋板開度Vra為30.1 %~ 35.2 %，一次風左擋板開度Vrb為25.2 %~30.3 %，上二次風左擋板開度Sea為49.5 %~ 50 %，上二次風右擋板開度Seb為31.2 %~31.5 %，下二次風左擋板開度Sec為49.3 %~ 49.9%，下二次風右擋板開度Sed為31.2%~31.8%。從可調(diào)變量的變化范圍可W看出，參數(shù) 變化符合實際工況運行的要求，本發(fā)明具有較強的使用價值。
[0121] W上所述，僅為本發(fā)明較佳的【具體實施方式】，但本發(fā)明的保護范圍并不局限于此， 任何熟悉本技術領域的技術人員在本發(fā)明掲露的技術范圍內(nèi)，可輕易想到的變化或替換， 都應涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應該W權利要求的保護范圍 為準。
【主權項】
1. 一種循環(huán)流化床鍋爐吹灰優(yōu)化系統(tǒng)，其特征在于，DCS系統(tǒng)分別連接循環(huán)流化床鍋爐 和循環(huán)流化床鍋爐吹灰系統(tǒng)，所述循環(huán)流化床鍋爐吹灰優(yōu)化系統(tǒng)置于PLC系統(tǒng)中，其包括數(shù) 據(jù)通訊模塊、受熱面污染因子監(jiān)測模塊、受熱面污染因子優(yōu)化模塊和受熱面吹灰決策模塊； 其中，數(shù)據(jù)通訊模塊通過DSC系統(tǒng)的服務器通訊軟件與DCS系統(tǒng)連接，進行交換數(shù)據(jù);受熱面 污染因子監(jiān)測模塊、受熱面污染因子優(yōu)化模塊和受熱面吹灰決策模塊依次連接，并分別與 數(shù)據(jù)通訊模塊鏈接； 受熱面污染因子監(jiān)測模塊用于利用數(shù)據(jù)通訊模塊從DCS系統(tǒng)讀取的過程數(shù)據(jù)建立過熱 器或再熱器污染因子、省煤器污染因子、空氣預熱器污染因子、排煙溫度和鍋爐效率的預測 模型;受熱面污染因子優(yōu)化模塊用于對受熱面污染因子監(jiān)測模塊中的預測值進行優(yōu)化，得 到可調(diào)變量的最佳設定值，將最佳可調(diào)變量值通過數(shù)據(jù)通訊模塊發(fā)送到DCS系統(tǒng)，從而指導 現(xiàn)場設備運行;受熱面吹灰決策模塊用于通過實時監(jiān)測的情況設定臨界污染因子值，當監(jiān) 測到的受熱面污染因子超過臨界污染因子時，指導受熱面吹灰。2. 權利要求1所述一種循環(huán)流化床鍋爐吹灰優(yōu)化系統(tǒng)的吹灰優(yōu)化方法，其特征在于，包 括W下步驟： 1) 數(shù)據(jù)通訊模塊通過Mo化US通訊協(xié)議與DCS系統(tǒng)交換數(shù)據(jù)；首先，數(shù)據(jù)通訊模塊從DCS 系統(tǒng)讀取過程數(shù)據(jù)，包括:機組負荷Load,燃料熱值Q，燃料揮發(fā)分V，一次風壓Pa，一次風左 擋板開度Vra，一次風右擋板開度Vrb，上二次風左擋板開度Sea,上二次風右擋板開度Seb，下二 次風左擋板開度Sec,下二次風右擋板開度Sed，煙氣含氧量P他），飛灰含碳量Cfh，排煙溫度 Tpy，計算燃料消耗量B，鍋爐主蒸汽流量G，蒸汽入口洽值出1，蒸汽出口洽值出2，蒸汽壓力Ph， 煙氣進入受熱面時的洽值Isl，煙氣流出受熱面時的洽值Is2,煙氣壓力Pi，冷空氣洽值Is,空 氣體積Vk，空氣預熱器入口空氣洽值Iki，空氣預熱器出口空氣洽值Ik2，排煙熱損失qi，可燃 氣體未完全燃燒熱損失Q2,固體未完全燃燒熱損失Q3,散熱損失Q4,灰渣物理熱損失qs; 2) 受熱面污染因子監(jiān)測模塊通過ε-模糊樹方法利用過程數(shù)據(jù)建立過熱器或再熱器污 染因子、省煤器污染因子、空氣預熱器污染因子、排煙溫度和鍋爐效率的預測模型； 3) 受熱面污染因子優(yōu)化模塊W排煙溫度和鍋爐效率為導向，對受熱面污染因子監(jiān)測模 塊中的預測值進行優(yōu)化，得到可調(diào)變量的最佳設定值，將最佳可調(diào)變量值通過數(shù)據(jù)通訊模 塊發(fā)送到DCS系統(tǒng)，從而指導現(xiàn)場設備運行； 4) 受熱面吹灰決策模塊通過實時監(jiān)測的情況設定臨界污染因子值，當監(jiān)測到的受熱面 污染因子超過臨界污染因子時，指導受熱面吹灰。3. 根據(jù)權利要求2所述的吹灰優(yōu)化方法，其特征在于，為了消除異常值，并減少參數(shù)的 波動，對數(shù)據(jù)通訊模塊所讀取的過程數(shù)據(jù)進行預處理，具體步驟如下： 3.1:依次確定可疑數(shù)據(jù)Xi，i e [ 1，η];η為所采集的數(shù)據(jù)個數(shù)； 3. 2:然后計算刪除可疑數(shù)值之后的數(shù)列平均值（iW及標準差3.3:計算可疑數(shù)據(jù)的殘差：復^=義^ -支；； 3.4:根據(jù)判別式I >Κσ來判定此可疑數(shù)值是否存在粗大誤差，如果存在，則進行剔 除，其中Κ為檢驗系數(shù)； 3. 5:為保證數(shù)據(jù)的連續(xù)性，利用差分方程計算結果對Xi進行替換，具體算式為為i位置上新的數(shù)值。4. 根據(jù)權利要求2所述的吹灰優(yōu)化方法，其特征在于，步驟2)中，所述受熱面污染因子 監(jiān)測模塊使用ε-模糊樹方法利用過程數(shù)據(jù)建立過熱器或再熱器污染因子FFe、省煤器污染 因子FFs、空氣預熱器污染因子FFkW及排煙溫度Tpy和鍋爐效率riBDiler的預測模型，方案如 下： 首先，基于過程數(shù)據(jù)利用公式和鍋爐熱力計算標準求出各受熱面的實際傳 熱系數(shù)Kfact和理想傳熱系數(shù)Kideal，使用十算各受熱面的污染因子； 對于過熱器或再熱器吸熱量使用公式計算； 對于省煤器吸熱量使用公式〇 = ( /、1 - /,2 +店X /.、.）X ^計算； 對于空氣預熱器吸熱量使用公式計算； 其中，K為受熱面?zhèn)鳠嵯禂?shù)，W/(m2 · °C);B為計算燃料消耗量，t/h;Q為受熱面的吸熱量， kj/kg; Δ T為受熱面的傳熱溫差，°C ;S為受熱面的面積，m2;G為鍋爐主蒸汽流量，t/h;Hs2為 蒸汽出口洽值，kj/kg;出1為蒸汽入口洽值，kj/kg; Isi為煙氣進入受熱面時的洽值，kj/kg; Is2為煙氣流出受熱面時的洽值，kj/kg;i3為受熱面處的漏風系數(shù);Is為冷空氣洽值，kj/kg;(p 為保熱系數(shù);Vk為空氣體積，kNm3;Iki為空氣預熱器入口空氣洽值，kJ/Nm3;Ik2為空氣預熱器 出口空氣洽值，kJ/Nm3; 然后，基于過程數(shù)據(jù)利用公式-A -街-f3 -? -9計算鍋爐效率郵。心。其中， qi為排煙熱損失，％ ; Q2為可燃氣體未完全燃燒熱損失，％ ; Q3為固體未完全燃燒熱損失，％ ; Q4為散熱損失，％ ; Q5為灰渣物理熱損失，％ ; 所述預測模型的輸入變量為:機組負荷Load，燃料熱值Q，燃料揮發(fā)分V，一次風壓Pa，一 次風左擋板開度Vra，一次風右擋板開度Vrb，上二次風左擋板開度Sea,上二次風右擋板開度 Seb，下二次風左擋板開度Seg，下二次風右擋板開度Sed，煙氣含氧量P他），飛灰含碳量Cfh，鍋 爐主蒸汽流量G，蒸汽入口洽值出1，蒸汽出口洽值出2,蒸汽壓力Ph，煙氣進入受熱面時的洽值 Isl，煙氣流出受熱面時的洽值Is2,煙氣壓力Pi，空氣體積Vk，空氣預熱器入口空氣洽值Ikl，空 氣預熱器出口空氣洽值Ik2;輸出變量為：過熱器或再熱器污染因子FFc、省煤器污染因子 FFs、空氣預熱器污染因子FFkW及排煙溫度Tpy和鍋爐效率riBniler; 然后，分別基于ε-模糊樹方法得到過熱器或再熱器污染因子FFe、省煤器污染因子FFs、 空氣預熱器污染因子FFkW及排煙溫度Tpy和鍋爐效率riBDiler的預測模型，具體包括W下步 驟： 4.1:給定ε-模糊樹預測模型輸入輸出數(shù)據(jù)集合(x^y叫，j = l，2,…，M，M是樣本數(shù)量，xJ er，yjeR，設定ε-模糊樹輸出模型的期望誤差和最大葉節(jié)點數(shù)； 4.2:設定模糊帶的寬度λ = 5，初始化根節(jié)點，令化(x)sl，樹的深度d=l;根據(jù)式α)求 解根節(jié)點上的后件參數(shù)Cl;(1) 其中，C.=與1,馬2，...，馬￡_ r，C 二[Ctl,Ct2, · · · ,CtL]T，Cf = [C"，仁。':,,..,'(化]其中 ^=[卻，...記]/，，cti為第1個葉節(jié)點上的后件參數(shù)，詩表示第1個葉節(jié) 點的模型誤差;Nti(x)為葉節(jié)點tl上的隸屬度函數(shù)，μ*ι(χ)為Nti(x)的歸一化隸屬度函數(shù)，X為輸入變量，對模型預測值;1 = 1，2,…，L，L為葉節(jié)點數(shù)量;T為轉置;式中第一項 是經(jīng)驗風險，代表模型的誤差，第二項代表模型的復雜程度，平衡因子丫 >0,其為實現(xiàn)模型 復雜度與訓練誤差之間的折衷； 4.3:依次處理當前深度的每一個節(jié)點：劃分該節(jié)點，根據(jù)式(2)-(5)計算劃分后左右子 節(jié)點上的隸屬度函數(shù)，根據(jù)式（1)求出所有葉節(jié)點上的后件參數(shù)，進而根據(jù)式(6)計算輸入 樣本對應的劃分后的模型輸出： i) 根節(jié)點隸屬度函數(shù)，Νι(χ)^1 (2) ii) 非根節(jié)點隸屬度函數(shù)，的托抑切 巧) 其中，P(t)表示節(jié)點t的父節(jié)點，Np(t)(x)為父節(jié)點上的隸屬度函數(shù)，成',切為非根節(jié)點上 的輔助隸屬度函數(shù)，其中，目p(t)為父節(jié)點上的數(shù)據(jù)中屯、，λ*為左葉節(jié)點，取-5，x^Bj個樣本輸入變量，玉./'為 [l，(xJ)T]T;其中，紅臣f為葉節(jié)點集合，責=掉A…，勾； 4.4:根據(jù)式(7)計算均方根誤差RISE:如果均方根誤差小于劃分前模型輸出的均方根誤差，則保存此次劃分，否則，處理當前 層的下一個節(jié)點； 4.5:當前層處理完畢后，如果模型輸出的均方根誤差小于允許最大誤差或者當前二叉 樹的葉節(jié)點數(shù)超過最大節(jié)點數(shù)，得到輸出變量過熱器或再熱器污染因子FFg、省煤器污染因 子肌、空氣預熱器污染因子FF擬及排煙溫度Tpy和鍋爐效率riBniler，算法結束;否則令d = d+ 1，返回步驟4.3,繼續(xù)算法。5.根據(jù)權利要求2所述的吹灰優(yōu)化方法，其特征在于，步驟3)中，所述受熱面污染因子 優(yōu)化模塊采用改進的果蛹優(yōu)化算法，W排煙溫度和鍋爐效率為導向，對受熱面污染因子監(jiān) 測模塊中的預測值進行優(yōu)化，得到可操作變量的最佳設定值，具體包括W下步驟： 5.1:對優(yōu)化過程進行優(yōu)化策略構建，提出兩種優(yōu)化方式：I、排煙溫度和各受熱面污染 因子滿足限定條件，鍋爐效率尋求最高；II、鍋爐效率和各受熱面污染因子滿足限定條件， 排煙溫度尋求最低;多目標尋優(yōu)引入罰函數(shù)實現(xiàn)，兩種優(yōu)化方式依次對應的罰函數(shù)如下：式中，r苗為排煙溫度上限；巧5為過熱器污染因子上限；巧為省煤器污染因子上限. 護巧為空氣預熱器污染因子上限；請。為允許的最低鍋爐效率;μι、μ2、μ3、μ4、μ5、μ6、μ?、μ8 為足夠大的正數(shù)； 5.2:為了保障鍋爐的安全運行，對循環(huán)流化床鍋爐運行工況的m個可調(diào)變量設置合理 的優(yōu)化區(qū)間； 5.3:采用改進的果蛹優(yōu)化算法實現(xiàn)受熱面污染因子的優(yōu)化，其步驟如下： ① :初始化，設定m個果蛹群體，即為步驟5.2中的m個可調(diào)變量，每個群體果蛹數(shù)量為E， 迭代次數(shù)為F，果蛹種群的初始位置為[Χο,Υο]，進而得到捜尋食物的隨機方向和距離為[Xk， 化]，其中，隨機值區(qū)間為[-1,1]; ② ：計算果蛹個體到原點的距離公^=義42+巧，進而得出味道濃度判定值Sk=l/Dk+ Rand X Dk，Sk即為各可調(diào)變量值，其中Rand的取值區(qū)間為[0，1 ]; ③ :優(yōu)化步驟5.1中的尋優(yōu)策略函數(shù)值即為適應度函數(shù)，也就是味道濃度函數(shù)，將步驟 ②中的各Sk經(jīng)過ε-模糊樹模型得到過熱器或再熱器污染因子FFe、省煤器污染因子FFs、空氣 預熱器污染因子FFk、排煙溫度Tpy和鍋爐效率IlBoiler，代入步驟5.1中的尋優(yōu)策略函數(shù)，求得 該果蛹個體位置的味道濃度值，并保留該果蛹位置、味道濃度值、過熱器或再熱器污染因子 FFg、省煤器污染因子FFs、空氣預熱器污染因子FFk、排煙溫度Tpy和鍋爐效率riBoiler; ④ :通過迭代尋優(yōu)，保留味道濃度最低值，W及此時的各種群果蛹最優(yōu)位置、過熱器或 再熱器污染因子FFe、省煤器污染因子FFs、空氣預熱器污染因子FFk、排煙溫度Tpy和鍋爐效率 riBoiler，并利用果蛹的最優(yōu)位置算出各可調(diào)變量的取值； 5.4:得出最優(yōu)的可調(diào)變量設定值和最優(yōu)的模型預測值，所述最優(yōu)的模型預測值包括過 熱器或再熱器污染因子FFe、省煤器污染因子FFs、空氣預熱器污染因子FFk、排煙溫度Tpy和鍋 爐效率riBDiler，將最優(yōu)的可調(diào)變量設定值發(fā)送到DCS系統(tǒng)，將最優(yōu)的模型預測值發(fā)送到受熱 面吹灰決策模塊。6. 根據(jù)權利要求2所述的吹灰優(yōu)化方法，其特征在于，所述受熱面吹灰決策模塊根據(jù)優(yōu) 化情況，對不同的受熱面設定不同的受熱面臨界污染因子，如果某個受熱面的污染因子超 過了臨界污染因子，則對該受熱面單獨進行吹灰。7. 根據(jù)權利要求6所述的吹灰優(yōu)化方法，其特征在于，設置的過熱器臨界污染因子護Fe" 應小于過熱器污染因子上限;省煤器臨界污染因子巧導應小于省煤器污染因子上限 巧奪；W及空氣預熱器臨界污染因子巧節(jié)應小于空氣預熱器污染因子上限巧是。
【文檔編號】F23J3/00GK105972585SQ201610282690
【公開日】2016年9月28日
【申請日】2016年4月29日
【發(fā)明人】張文廣, 張越, 劉吉臻, 曾德良, 牛玉廣, 高明明, 房方, 楊婷婷
【申請人】華北電力大學