一种基于受热面健康状态预测的锅炉吹灰优化方法专利检索-大数据资料储存系统专利检索查询-专利查询网

一种基于受热面健康状态预测的 锅炉吹灰优化方法

阅读：278发布：2021-04-13

专利汇可以提供一种基于受热面健康状态预测的锅炉吹灰优化方法专利检索，专利查询，专利分析的服务。并且本发明公开了一种基于受热面健康状态预测的锅炉吹灰优化方法，采用滤波算法滚筒式实现对单次吹灰周期内积灰段清洁因子特征变化的预测，并得到函数式，同时结合单吹灰周期内的单位最小传热能损耗吹灰优化模型，得到单次吹灰周期最佳吹灰时间点用于单次吹灰优化策略的制定。解决了基于大数据制定吹灰优化策略在单次吹灰操作上不准确的问题；并以某300MW燃煤电站锅炉为例，验证了此发明专利具有较好的经济性和科学性，对燃煤电站制定吹灰策略具有指导作用。，下面是一种基于受热面健康状态预测的锅炉吹灰优化方法专利的具体信息内容。

权利要求

1.一种基于受热面健康状态预测的锅炉吹灰优化方法，其特征在于，包括以下步骤：
步骤一、通过采集燃煤锅炉省煤器实时的积灰段清洁因子数据，对实时的清洁因子数据进行坏点处理和数据平滑处理；
步骤二、建立单吹灰周期内的单位最小传热能损耗吹灰优化模型；
步骤三、采用滤波算法滚筒式预测得到最佳的积灰段Fj清洁因子的变化曲线和最佳的吹灰时间点；
步骤四、通过步骤三的滤波算法预测得到最佳的反映单次积灰段清洁因子变化特征的曲线函数，计算吹灰段清洁因子变化曲线函数，将得到的积灰段清洁因子变化特征的曲线函数和吹灰段清洁因子变化曲线函数带入到步骤二的单吹灰周期内的单位最小传热能损耗吹灰优化模型中，计算得到最佳的吹灰时间点和吹灰时长，从而使单吹灰周期内的单位最小传热能损耗最小。
2.根据权利要求1所述的基于受热面健康状态预测的锅炉吹灰优化方法，其特征在于：
所述步骤一中，实时的积灰段清洁因子数据的采集的具体步骤为：
通过锅炉的分散控制系统DSC系统获取锅炉受热面的实时传热系数Ksj，并和锅炉受热面的理论传热系数Ko通过公式计算得到，其中CF表示实时的积灰段清洁因子。
3.根据权利要求1所述的基于受热面健康状态预测的锅炉吹灰优化方法，其特征在于：
所述步骤二具体包括：
假设：Fj为积灰段清洁因子的变化，Fc为吹灰段的清洁因子的变化，Fmax和Fmin分别为临界清洁因子的上下限，T1和T2别为积灰和吹灰时间，T1+T2为单个吹灰周期总时间，则：
Qs：周期内总传热能量损失；
Qj：积灰段传热能量损失；
Qc：吹灰段传热能量损失；
Ql：吹灰操作造成的热能量损失；
从而得周期内总传热能量损失为：
Qs＝Qj+Qc+Ql
则单吹灰周期内的单位最小传热能损耗吹灰优化模型为：
上述热能损失具体表达式为：
其中，F为受热面传热面积，m2；
ΔT为对数平均温差，℃；
Ko为理想清洁传热系数，W/(m2·℃)；
假设T2为一次吹灰操作所需时间(h),m为该过程所消耗的蒸汽量(kg/h)，设Hchou和Ho分别为吹灰器所用的蒸汽气源焓和凝汽器入口焓(kJ/kg),则每次吹灰操作所消耗的能量为：
Ql＝T2*m*(hchou-ho)
于是周期内的总传热能能损耗为：
由于进行吹灰操作造成的损耗也会吹灰时长的增长而增大，所以吹灰获得的传热量收益必须要大于吹灰的能耗损失，以单位时间内省煤器传热能量Qd损失最小为目标，并加入约束条件，对应单吹灰周期内的单位最小传热能损耗为：
当计算得到单位最小的传热能损耗时，对应得到一个最佳的吹灰开始点和下限清洁因子数值。
4.根据权利要求3所述的基于受热面健康状态预测的锅炉吹灰优化方法，其特征在于：
所述步骤三具体为：
从步骤二得到的最佳的吹灰开始点开始，将滤波算法跟踪预测的双指数模型参数取出，带入到步骤二中的单吹灰周期内的单位
最小传热能损耗吹灰优化模型中：
其中：
Qs：周期内总传热能量损失；
Qj：积灰段传热能量损失，
Qc：吹灰段传热能量损失，
Ql：吹灰操作造成的热能量损失，Ql＝T2*m*(hchou-ho)；
从而得最终单吹灰周期内的单位时间最小传热能损耗为：
将得到的积灰段清洁因子Fj变化曲线带入
计算得到最佳的吹灰时
间点，通过预测得到的最佳吹灰时间点前的吹灰操作准备时间点就是滤波算法预测的截止时间点，在截止时间点前，每隔一段时间把新的数据加入再进行预测，直到预测的开始吹灰操作准备起始点与当前时间点接近为止，从而形成滚筒式预测方式，使最终获取的积灰段清洁因子变化曲线最能反映单次积灰段的变化情况。
5.根据权利要求4所述的基于受热面健康状态预测的锅炉吹灰优化方法，其特征在于：
所述步骤四的具体包括：
通过步骤三的滤波算法预测积灰段模型参数Fj，根据历史数据拟合得到吹灰段函数Fc，将积灰段模型参数Fj和吹灰段函数Fc带入公式
计算得到最佳的吹灰时
间点和吹灰时长，从而使单吹灰周期内的单位最小传热能损耗最小。

说明书全文

一种基于受热面健康状态预测的 锅炉吹灰优化方法

技术领域

[0001] 本发明涉及燃煤电站锅炉受热面吹灰优化领域，特别是一种基于受热面健康状态预测的锅炉吹灰优化方法。

背景技术

[0002] 电能是现在人类文明中最重要的能源之一。现阶段我国的电能的生产很大部分都来自于燃煤发电，然而燃煤在燃烧过程中会在电站锅炉的受热面产生积灰和结渣，降低锅炉的传热效率，造成能源的浪费，严重时甚至会危害机组的安全运行。因此为了达到煤燃烧能量的利用的最大化，必须对锅炉管道的受热面进行及时的清扫吹灰。制定最合理、最科学的吹灰优化策略，才能保证一段时间内受热面传热效率的最大化，实现节能减排和机组的安全运行。

[0003] 目前我国大多数燃煤电站采用按时、定量的吹灰方案，即每天按照固定的时间点进行相同时间的吹灰操作，形成一个固定的吹灰周期，然而固定吹灰周期只考虑工作人员的排班，并未考虑到实际燃煤、工况等因素对积灰的影响可能造成的过吹灰和欠吹灰，对资源的节约和安全生产造成不良的影响；

[0004] 为了解决上述问题，国内外学者以制定最佳的吹灰优化策略来展开研究。查阅现有文献发现：邓喆等人提出的“基于声学测温与人工神经网络的炉膛结渣在线监测方法”通过建立神经网络模型训练大量离线参数预测实际监测结果，而神经网络方法要取得较好的结果需要大量的训练样本，同时神经网络预测存在预测间隔太大、一旦工况变化太大导致预测的不准确等问题

[0005] 如徐力刚等人提出的“基于炉膛结渣监测模型的吹灰优化”提出了建立出一种基于单位时间炉膛传热量最大的吹灰优化模型，在模型的优化计算过程中，需要求得积灰段清洁因子的变化曲线。文中采用多组历史数据求出均值再进行拟合的办法获得积灰段清洁因子的变化曲线，该方法在统计和预测一段时间内的最佳吹灰策略中取得了一定的成效，但是由于单次的积灰段清洁因子的变化与统计均值的变化存在一定的差异，所以在精确到单次的吹灰优化策略的制定上不够准确。

发明内容

[0006] 本发明的目的是要解决现有技术中存在的不足，提供一种基于受热面健康状态预测的锅炉吹灰优化方法，以清洁因子来评估受热面的健康状况。并根据机组实时监测数据结合滤波算法，采用滚筒式预测单次积灰过程内清洁因子未来的变化趋势。

[0007] 为达到上述目的，本发明是按照以下技术方案实施的：

[0008] 一种基于受热面健康状态预测的锅炉吹灰优化方法，包括以下步骤：

[0009] 步骤一、通过采集燃煤锅炉省煤器实时的积灰段清洁因子数据，对实时的清洁因子数据进行坏点处理和数据平滑处理；

[0010] 步骤二、建立单吹灰周期内的单位最小传热能损耗吹灰优化模型；

[0011] 步骤三、采用滤波算法滚筒式预测得到最佳的积灰段Fj清洁因子的变化曲线和最佳的吹灰时间点；

[0012] 步骤四、通过步骤三的滤波算法预测得到最佳的反映单次积灰段清洁因子变化特征的曲线函数，计算吹灰段清洁因子变化曲线函数，将得到的积灰段清洁因子变化特征的曲线函数和吹灰段清洁因子变化曲线函数带入到步骤二的单吹灰周期内的单位最小传热能损耗吹灰优化模型中，计算得到最佳的吹灰时间点和吹灰时长，从而使单吹灰周期内的单位最小传热能损耗最小。

[0013] 具体地，所述步骤一中，实时的积灰段清洁因子数据的采集的具体步骤为：

[0014] 通过锅炉的分散控制系统DSC系统获取锅炉受热面的实时传热系数Ksj，并和锅炉受热面的理论传热系数Ko通过公式计算得到，其中CF表示实时的积灰段清洁因子。

[0015] 具体地，所述步骤二具体包括：

[0016] 假设：Fj为积灰段清洁因子的变化，Fc为吹灰段的清洁因子的变化，Fmax和Fmin分别为临界清洁因子的上下限，T1和T2别为积灰和吹灰时间，T1+T2为单个吹灰周期总时间，则：

[0017] Qs：周期内总传热能量损失；

[0018] Qj：积灰段传热能量损失；

[0019] Qc：吹灰段传热能量损失；

[0020] Ql：吹灰操作造成的热能量损失；

[0021] 从而得周期内总传热能量损失为：

[0022] Qs＝Qj+Qc+Ql

[0023] 则单吹灰周期内的单位最小传热能损耗吹灰优化模型为：

[0024]

[0025] 上述热能损失具体表达式为：

[0026]

[0027]

[0028] 其中，F为受热面传热面积，m2；

[0029] ΔT为对数平均温差，℃；

[0030] Ko为理想清洁传热系数，W/(m2·℃)；

[0031] 假设T2为一次吹灰操作所需时间(h),m为该过程所消耗的蒸汽量(kg/h)，设Hchou和Ho分别为吹灰器所用的蒸汽气源焓和凝汽器入口焓(kJ/kg),则每次吹灰操作所消耗的能量为：

[0032] Ql＝T2*m*(hchou-ho)

[0033] 于是周期内的总传热能能损耗为：

[0034]

[0035] 由于进行吹灰操作造成的损耗也会吹灰时长的增长而增大，所以吹灰获得的传热量收益必须要大于吹灰的能耗损失，以单位时间内省煤器传热能量Qd损失最小为目标，并加入约束条件，对应单吹灰周期内的单位最小传热能损耗为：

[0036]

[0037]

[0038] 当计算得到单位最小的传热能损耗时，对应得到一个最佳的吹灰开始点和下限清洁因子数值。

[0039] 进一步，所述步骤三具体为：从步骤二得到的最佳的吹灰开始点开始，将滤波算法跟踪预测的双指数模型参数取出，带入到步骤二中的单吹灰周期内的单位最小传热能损耗吹灰优化模型中：

[0040] 其中：

[0041] Qs：周期内总传热能量损失；

[0042] Qj：积灰段传热能量损失，

[0043] Qc：吹灰段传热能量损失，

[0044] Ql：吹灰操作造成的热能量损失，Ql＝T2*m*(hchou-ho)；

[0045] 从而得最终单吹灰周期内的单位时间最小传热能损耗为：

[0046]

[0047]

[0048] 将得到的积灰段清洁因子Fj变化曲线带入计算得到最佳的吹灰时
间点，通过预测得到的最佳吹灰时间点前的吹灰操作准备时间点就是滤波算法预测的截止时间点，在截止时间点前，每隔一段时间把新的数据加入再进行预测，直到预测的开始吹灰操作准备起始点与当前时间点接近为止，从而形成滚筒式预测方式，使最终获取的积灰段清洁因子变化曲线最能反映单次积灰段的变化情况。

[0049] 具体地，所述步骤四的具体包括：

[0050] 通过步骤三的滤波算法预测积灰段模型参数Fj，根据历史数据拟合得到吹灰段函数Fc，将积灰段模型参数Fj和吹灰段函数Fc带入公式计算得到最佳的吹灰时
间点和吹灰时长，从而使单吹灰周期内的单位最小传热能损耗最小。

[0051] 与现有技术相比，本发明具有以下有益效果：

[0052] 1)本发明采用滤波算法实现对单次吹灰周期内积灰段清洁因子特征变化的预测，并得到函数式，同时结合单吹灰周期内的单位最小传热能损耗吹灰优化模型，得到单次吹灰周期最佳吹灰时间点用于单次吹灰优化策略的制定。解决了基于大数据制定吹灰优化策略在单次吹灰操作上不准确的问题。

[0053] 2)本发明采用清洁因子作为健康因子来表征受热面的健康状态，清洁因子具有很好的反映受热面健康状态变化的特性，同时计算简易，需求的原始数据获取也很方便。

[0054] 3)本发明提供的单吹灰周期内的单位最小传热能损耗吹灰优化模型用于计算最低的单位传热损耗，计算结果简单易懂，且实际应用价值较大。

[0055] 4)本发明提供的预测单次积灰段清洁因子的方法具有很高的准确性，同时可以使单次吹灰优化策略的制定更加科学有效，明显的降低了燃煤电站的运行成本。附图说明

[0056] 图1是本发明实施例中的省煤器清洁因子变化示意图。

[0057] 图2是本发明实施例中的滤波算法与历史数据拟合模型和实时数据结合的滚筒式预测方法流程图。

具体实施方式

[0058] 为使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步的详细说明。此处所描述的具体实施例仅用于解释本发明，并不用于限定发明。

[0059] 为了详细说明本发明的可行性，本实施例以贵州某燃煤火力电站2号300MW机组锅炉为研究对象。

[0060] 第一步，根据电站的实际情况选取固定的采样时间(采样时间为5秒)，通过锅炉的DSC系统获取实时传热系数Ksj，并和理论传热系数Ko通过下式：

[0061]

[0062] 计算得到实时的积灰段清洁因子数据。同时对获取的积灰段清洁因子数据进行坏点处理和平滑处理用于后续计算。

[0063] 如图2所示，对第一步获取的清洁因子数据，选取前五分钟处理过的数据进行拟合得到参数数值作为RPF预测的初始值，实际上在一次吹灰周期内，由于吹灰时间较短，绝大部分时间都是积灰的一个过程。大量历史数据显示，从锅炉开始运行到吹灰点大约是7小时左右，因此我们选取6小时作为预测最佳吹灰点的起始点，前6小时获取的实时清洁因子数据，用于RPF跟踪修正模型参数。

[0064] 从第6小时时间点开始，我们把RPF跟踪预测的双指数模型参数取出，带入到上一节提出的的单吹灰周期内的单位最小传热能损耗吹灰优化模型中如下：

[0065]

[0066] 其中：

[0067] Qs：周期内总传热能量损失；

[0068] Qj：积灰段传热能量损失，

[0069] Qc：吹灰段传热能量损失，

[0070] Ql：吹灰操作造成的热能量损失，Ql＝T2*m*(hchou-ho)；

[0071] 从而得最终单吹灰周期内的单位最小传热能损耗为：

[0072]

[0073]

[0074] 设置燃煤电站省煤器及以上部分未知参数，具体如表1的锅炉物理特性参数所示。

[0075] 表1

[0076]

[0077]

[0078] 结合上述数值，计算一个基于当前时间的最优吹灰时间点。由于我们预测开始时间点较为提前，理论上计算出的最佳时间点加上吹灰操作准备时间距离当前时间也是有一段的时间，即：

[0079] T(预测吹灰时间点)+T(吹灰准备时间)

[0081] T(预测吹灰时间点)+T(吹灰准备时间)＝T(预测吹灰时间点与当前时间差)[0082] 当然时间并无需完全吻合，在一个小范围之内就可以停止预测。

[0083] 如图1所示，通过以上方法获得一个基于本例数据的RPF预测积灰段模型参数如下：

[0084] Fj＝0.746*(exp(0.00096*t))-0.00082*(exp(-0.062*t)) (5)[0085] 历史数据拟合得到吹灰段函数如下：

[0086] Fc＝0.5358*(exp(0.04726*t))-0.1214*(exp(-0.0661*t)) (6)[0087] 将上述两式带入吹灰优化模型公式(3)中，求解优化计算结果得到如表2的吹灰优化计算结果：

[0088] 表2

[0089]

[0090] 从表中可以得到，优化计算结果中吹灰起始点时间提前，吹灰周期(T1+T2)从727min降低到了326.1min，单次吹灰时间从67min降低到了38.2min，有效的降低了吹灰成本。而单位时间省煤器传热能损失减少了51501kJ/min，相当于节省了1.76kg/min的标煤发热量，以标准煤500元/t计算，则相当于每分钟节省0.88元优化效果明显，大大提高了燃煤锅炉运行的经济性和安全性，使单次的吹灰优化策略更具有科学性。从而有效的说明了本发明的有效性，同时也证明了本发明在实际应用中是可以发挥很大作用。

[0091] 本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。

标题	发布/更新时间	阅读量
基于大数据的电商客户关怀短信推送方法	2020-05-08	104
大数据量Excel文件导出方法、装置、计算机设备及存储介质	2020-05-08	182
一种用于构建多业务场景自动化流水线的方法	2020-05-11	874
用于电力保密数据的大数据云平台安全防护方法	2020-05-08	602
一种基于交通大数据的智能光感抓取方法及其系统	2020-05-08	713
一种移动互联网大数据处理系统及其处理方法	2020-05-08	135
无障碍出行智能眼镜	2020-05-11	979
数据上报方法与装置	2020-05-08	912
一种游戏平台用户问答业务的短文本分类方法	2020-05-08	340
基于大数据的定价方法、装置、计算机设备及存储介质	2020-05-08	373

一种基于受热面健康状态预测的锅炉吹灰优化方法

一种基于受热面健康状态预测的锅炉吹灰优化方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：