CN114562720A - 生物质高效焚化用催化燃烧调控锅炉 - Google Patents
生物质高效焚化用催化燃烧调控锅炉 Download PDFInfo
- Publication number
- CN114562720A CN114562720A CN202210191930.4A CN202210191930A CN114562720A CN 114562720 A CN114562720 A CN 114562720A CN 202210191930 A CN202210191930 A CN 202210191930A CN 114562720 A CN114562720 A CN 114562720A
- Authority
- CN
- China
- Prior art keywords
- oxygen concentration
- time period
- degree
- sequence
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B35/00—Control systems for steam boilers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
- F24H9/00—Details
- F24H9/20—Arrangement or mounting of control or safety devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/34—Indirect CO2mitigation, i.e. by acting on non CO2directly related matters of the process, e.g. pre-heating or heat recovery
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Thermal Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Regulation And Control Of Combustion (AREA)
- Incineration Of Waste (AREA)
Abstract
本发明属于控制或安全装置技术领域;具体涉及生物质高效焚化用催化燃烧调控锅炉;锅炉的控制系统包括控制器:控制器获取锅炉连续的各历史运行时间段对应的炉膛尾部的氧气浓度序列、引风机转速序列;根据引风机转速序列、催化程度和氧气浓度序列,得到各历史运行时间段对应的生物质燃料的燃烧程度;根据生物质燃料的燃烧程度、引风机转速序列和氧气浓度序列,得到各历史运行时间段对应的数据可信程度;利用数据可信程度、生物质燃料的燃烧程度、氧气浓度序列和目标预测网络,预测未来时间段生物质锅炉对应的炉膛尾部的氧气浓度和生物质燃料的燃烧程度。本发明能对影响锅炉运行状态的因素进行预测,能降低燃烧产生的烟气对环境的污染。
Description
技术领域
本发明涉及控制或安全装置技术领域,具体涉及生物质高效焚化用催化燃烧调控锅炉。
背景技术
生物质锅炉是利用是利用秸秆、水稻秆、薪材、木屑、花生壳、瓜子壳、甜菜粕、树皮等所有废弃的农林剩余物作为锅炉燃料使用,具有节约常规能源、减轻环境污染、运行成本低等特征。
生物质锅炉在运行过程中运行状态会受到诸多因素的影响,例如生物质燃料的燃烧程度或者炉膛内的氧气含量等,当前只能在生物质锅炉运行过程中生物质燃料的燃烧程度或者炉膛内的氧气含量出现明显异常时才能对生物质锅炉进行调整,而不能对影响生物质锅炉的运行状态的因素进行提前预测,也不能及时为工作人员争取较多的调控锅炉的时间。
发明内容
本发明提供生物质高效焚化用催化燃烧调控锅炉,用于解决现有无法对影响生物质锅炉的运行状态的因素进行提前预测的问题,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了生物质高效焚化用催化燃烧调控锅炉,所述锅炉包括炉膛、省煤器以及空气预热器,其特征在于,锅炉还包括设置在省煤器与空气预热器之间的选择性催化还原系统;所述锅炉还包括控制系统,所述控制系统包括控制器,以及与控制器信号连接的氧气浓度传感器、转速传感器、氮氧传感器以及微型称重传感器;
氧气浓度传感器用于检测炉膛尾部的氧气浓度,转速传感器用于检测引风机转速,氮氧传感器用于检测选择性催化还原系统中烟气进口位置的氮氧浓度和烟气出口位置的氮氧浓度,微型称重传感器用于检测选择性催化还原系统烟气进口位置的灰尘质量;
控制器获取锅炉连续的各历史运行时间段对应的炉膛尾部的氧气浓度序列、引风机转速序列、选择性催化还原系统中烟气进口位置的氮氧浓度序列、选择性催化还原系统中烟气出口位置的氮氧浓度序列以及选择性催化还原系统中烟气进口位置的灰尘质量序列;然后根据所述烟气进口位置的氮氧浓度序列和烟气出口位置的氮氧浓度序列,得到各历史运行时间段对应的氮氧浓度差序列;根据所述氮氧浓度差序列和灰尘质量序列,得到各历史运行时间段对应的选择性催化还原系统中催化剂的催化程度;根据所述引风机转速序列、所述催化程度以及所述氧气浓度序列,得到各历史运行时间段对应的生物质燃料的燃烧程度;之后根据所述生物质燃料的燃烧程度、所述引风机转速序列以及所述氧气浓度序列,得到任意两个历史运行时间段之间的数据相似程度;根据所述数据相似程度,得到各历史运行时间段对应的数据可信程度;最后利用所述数据可信程度、所述生物质燃料的燃烧程度、所述引风机转速序列、所述氧气浓度序列以及目标预测网络,预测未来时间段生物质锅炉对应的炉膛尾部的氧气浓度、引风机转速以及生物质燃料的燃烧程度。
有益效果:本发明将氮氧浓度差序列和灰尘质量序列作为得到各历史运行时间段对应的选择性催化还原系统中催化剂的催化程度的依据;将引风机转速序列、催化程度以及氧气浓度序列作为得到各历史运行时间段对应的生物质燃料的燃烧程度;将生物质燃料的燃烧程度、引风机转速序列以及氧气浓度序列作为得到各历史运行时间段对应的数据可信程度的依据;将数据可信程度、生物质燃料的燃烧程度、引风机转速序列以及所述氧气浓度序列作为预测未来时间段生物质锅炉对应的炉膛尾部的氧气浓度、引风机转速以及生物质燃料的燃烧程度的依据。本发明能预测未来时间段生物质锅炉对应的炉膛尾部的氧气浓度、引风机转速以及生物质燃料的燃烧程度,并及时对锅炉进行调控,避免由于炉膛尾部的氧气浓度、引风机转速以及生物质燃料的燃烧程度异常时影响锅炉的运行状态或者运行效率,并且能降低燃烧产生的烟气对环境的污染。
优选的,根据所述氮氧浓度差序列和灰尘质量序列,得到各历史运行时间段对应的选择性催化还原系统中催化剂的催化程度,包括:
计算所述氮氧浓度差序列对应的平均氮氧浓度差,计算所述灰尘质量序列对应的平均灰尘质量;
将所述平均氮氧浓度差记为各历史运行时间段对应的目标氮氧浓度差,将所述平均灰尘质量记为各历史运行时间段对应的目标灰尘质量;
根据所述目标氮氧浓度差和目标灰尘质量,得到各历史运行时间段对应的选择性催化还原系统中催化剂的催化程度。
优选的,根据所述引风机转速序列、所述催化程度以及所述氧气浓度序列,得到各历史运行时间段对应的生物质燃料的燃烧程度,包括:
计算所述引风机转速序列对应的平均引风机转速,计算所述氧气浓度序列对应的平均氧气浓度;
根据所述平均引风机转速、平均氧气浓度以及催化剂的催化程度,得到各历史运行时间段对应的生物质燃料的燃烧程度。
优选的,根据如下公式计算各历史运行时间段对应的生物质燃料的燃烧程度:
其中,Et为第t个历史运行时间段对应的生物质燃料的燃烧程度,Ft为第t个历史运行时间段对应的引风机转速序列对应的平均引风机转速,Ot为第t个历史运行时间段对应的炉膛尾部的氧气浓度序列对应的平均氧气浓度,Pt为第t个历史运行时间段对应的选择性催化还原系统中催化剂的催化程度。
优选的,根据所述生物质燃料的燃烧程度、所述引风机转速序列以及所述氧气浓度序列,得到任意两个历史运行时间段之间的数据相似程度,包括:
利用DTW计算任意两个历史运行时间段之间的氧气浓度序列差异程度;
利用DTW计算任意两个历史运行时间段之间的引风机转速序列差异程度;
计算任意两个历史运行时间段之间的生物质燃料的燃烧程度差的绝对值;
根据所述任意两个历史运行时间段之间的氧气浓度序列差异程度、引风机转速序列差异程度以及生物质燃料的燃烧程度差的绝对值,得到任意两个历史运行时间段之间的数据相似程度。
优选的,根据如下公式计算任意两个历史运行时间段之间的数据相似程度:
其中,Xt,i为第t个历史运行时间段与第i个历史运行时间段之间的数据相似程度,Zt,i为第t个历史运行时间段对应的生物质燃料的燃烧程度与第i个历史运行时间段对应的生物质燃料的燃烧程度之间差的绝对值,Gt,i为第t个历史运行时间段对应的氧气浓度序列与第i个历史运行时间段对应的氧气浓度序列之间的差异程度,Vt,i为第t个历史运行时间段对应的引风机转速序列与第i个历史运行时间段对应的引风机转速序列之间的差异程度。
优选的,根据所述数据相似程度,得到各历史运行时间段对应的数据可信程度,包括:
根据任意两个历史运行时间段之间的数据相似程度的倒数,得到任意两个历史运行时间段之间的样本距离;
根据所述样本距离,对各历史运行时间段进行聚类;
计算各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的氧气浓度序列相似程度;
计算各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的引风机转速序列相似程度;
计算各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的生物质燃料的燃烧程度差的绝对值;
根据所述氧气浓度序列相似程度、引风机转速序列相似程度以及生物质燃料的燃烧程度差的绝对值,得到各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的数据差异程度;
将所述各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的数据差异程度的和记为各类别中各历史运行时间段对应的目标数据差异程度;
根据所述目标数据差异程度,得到各历史运行时间段对应的数据可信程度。
优选的,根据如下公式计算各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的数据差异程度:
其中,Kα,β为某一类别中第α个历史运行时间段与第β个历史运行时间段之间的数据差异程度,PPMCC(Q1α,Q1β)为该类别中第α个历史运行时间段对应的氧气浓度序列与第β个历史运行时间段对应的氧气浓度序列之间的相似程度,PPMCC(Q2α,Q2β)为该类别中第α个历史运行时间段对应的引风机转速序列与第β个历史运行时间段对应的引风机转速序列之间的相似程度,Hα,β为该类别中第α个历史运行时间段对应的生物质燃料的燃烧程度与第β个历史运行时间段对应的生物质燃料的燃烧程度之间的差的绝对值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明生物质高效焚化用催化燃烧调控锅炉控制系统的控制原理图;
图2为本发明生物质高效焚化用催化燃烧调控锅炉的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的生物质高效焚化用催化燃烧调控锅炉,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学技术语与属于本发明的技术人员通常理解的含义相同。
生物质高效焚化用催化燃烧调控锅炉,所述锅炉包括炉膛、省煤器以及空气预热器,其特征在于,生物质锅炉还包括设置在省煤器与空气预热器之间的选择性催化还原系统。
如图1所示,锅炉还包括控制系统,所述控制系统包括控制器,以及与控制器信号连接的氧气浓度传感器、转速传感器、氮氧浓度传感器以及微型称重传感器;氧气浓度传感器用于检测炉膛尾部的氧气浓度,转速传感器用于检测引风机转速,氮氧浓度传感器用于检测选择性催化还原系统中烟气进口位置的氮氧浓度序列以及选择性催化还原系统中烟气出口位置的氮氧浓度序列、微型称重传感器用于检测选择性催化还原系统中烟气进口位置的灰尘质量序列。
控制器可以为常规的控制芯片,比如单片机;控制器根据接收到的各个数据信息,该生物质高效焚化用催化燃烧调控锅炉执行如图2所示的具体步骤如下:
步骤S001,获取锅炉连续的各历史运行时间段对应的炉膛尾部的氧气浓度序列、引风机转速序列、选择性催化还原系统中烟气进口位置的氮氧浓度序列、选择性催化还原系统中烟气出口位置的氮氧浓度序列以及选择性催化还原系统中烟气进口位置的灰尘质量序列。
本实施例中,设置生物质锅炉在运行时进燃料的速度和质量一致,在锅炉炉膛尾部的上、下、左、右4个位置分别布置氧气浓度传感器或者高温直插式氧化锆氧量计,在一次进风对应的引风机的电机位置布置磁电式转速传感器,在二次进风对应的引风机的电机位置布置磁电式转速传感器,在选择性催化还原系统(SCR)中烟气进口的位置和烟气出口的位置分别布置氮氧传感器,在选择性催化还原系统中烟气进口的不同位置布置两个微型称重传感器。本实施例中,根据实际情况在选择性催化还原系统中烟气进口位置布置微型称重传感器,例如可以在选择性催化还原系统中烟气进口上面和下面分别布置一个微型称重传感器。
本实施例中,氧气浓度传感器用于检测炉膛尾部的上、下、左、右4个位置的氧气浓度,计算连续的各历史运行时间段内同一历史运行时刻炉膛尾部的上、下、左、右4个位置的氧气浓度的平均值,将所述氧气浓度的平均值记为连续的各历史运行时间段内各历史时刻对应的炉膛尾部的氧气浓度;根据连续的各历史运行时间段内各历史时刻对应的炉膛尾部的氧气浓度,构建得到连续的各历史运行时间段对应的炉膛尾部的氧气浓度序列。一次进风对应的引风机的电机位置的磁电式转速传感器用于检测一次进风对应的引风机转速,二次进风对应的引风机的电机位置的磁电式转速传感器用于检测二次进风对应的引风机转速,计算同一历史运行时刻对应的一次进风对应的引风机转速与二次进风对应的引风机转速的平均引风机转速,将所述平均引风机转速记为各历史运行时间段内各历史时刻对应的引风机转速;根据连续的各历史运行时间段内各历史时刻对应的引风机转速,构建得到连续的各历史运行时间段对应的引风机转速序列;由于一次进风是补充氧气的主要来源,二次进风是提高燃烧质量的补充措施,是提高燃烧效率的调节通道,主要对火焰后部进行补充氧气,因此引风机电机的转速能反映炉膛的进风量,即进风量越多,炉膛内氧气的含量越多。
本实施例中,氮氧传感器用于检测选择性催化还原系统中烟气进口位置的氮氧浓度和烟气出口位置的氮氧浓度;根据连续的各历史运行时间段内各历史时刻对应的选择性催化还原系统中烟气进口位置的氮氧浓度和选择性催化还原系统中烟气出口的氮氧浓度,构建得到连续的各历史运行时间段对应的选择性催化还原系统中烟气进口位置的氮氧浓度序列和选择性催化还原系统中烟气出口的氮氧浓度序列。本实施例中,两个微型称重传感器用于检测选择性催化还原系统中烟气进口不同位置的灰尘质量,计算同一历史运行时刻对应的选择性催化还原系统中烟气进口不同位置的灰尘质量的平均灰尘质量,将所述平均灰尘质量记为连续的各历史运行时间段内各历史时刻对应的选择性催化还原系统中烟气进口位置的灰尘质量;根据连续的各历史运行时间段内各历史时刻对应的选择性催化还原系统中烟气进口位置的灰尘质量,构建得到连续的各历史运行时间段对应的选择性催化还原系统中烟气进口位置的灰尘质量序列。
本实施例中,将各历史运行时间段内各历史时刻记为传感器采集数据的各采集时刻,设置氧气浓度传感器、转速传感器、氮氧传感器以及微型称重传感器1s采集一次数据,即相邻历史时刻之间的时间间隔为1s,并且所述各历史运行时间段对应的时间长度相同。作为其它的实时方式,也可以根据需求的不同设置不同的时间间隔,例如可以是5s采集一次数据。
步骤S002,根据所述烟气进口位置的氮氧浓度序列和烟气出口位置的氮氧浓度序列,得到各历史运行时间段对应的氮氧浓度差序列。
本实施例中,通过对各历史运行时间段对应的选择性催化还原系统中烟气进口位置的氮氧浓度序列和烟气出口的氮氧浓度序列进行分析,得到各历史运行时间段对应的氮氧浓度差序列;具体为:计算同一历史运行时刻对应的选择性催化还原系统中烟气进口位置的氮氧浓度与选择性催化还原系统中烟气出口位置的氮氧浓度的差值,得到各历史运行时间段内各历史时刻对应的氮氧浓度差;根据各历史运行时间段内各历史时刻对应的氮氧浓度差,构建得到各历史运行时间段对应的选择性催化还原系统对应的氮氧浓度差序列。
步骤S003,根据所述氮氧浓度差序列和灰尘质量序列,得到各历史运行时间段对应的选择性催化还原系统中催化剂的催化程度。
本实施例中,选择性催化还原系统中烟气进口位置的灰尘质量越大,表明选择性催化还原系统中灰尘分布越多,即选择性催化还原系统中催化剂表面上覆盖的灰尘越多,使选择性催化还原系统中催化剂的催化程度越低;选择性催化还原系统对应的氮氧浓度差越大,表明选择性催化还原系统中催化剂的催化程度越好;由于选择性催化还原系统中烟气进口位置的灰尘质量能反映选择性催化还原系统中催化剂的催化程度,氮氧浓度差的大小也能反映选择性催化还原系统中催化剂的催化程度;因此通过对各历史运行时间段对应的氮氧浓度差序列和灰尘质量序列进行分析,得到各历史运行时间段对应的选择性催化还原系统中催化剂的催化程度;后续将催化剂的催化程度作为分析计算生物质燃料的燃烧程度的基础。
本实施例中,计算各历史运行时间段对应的氮氧浓度差序列对应的平均氮氧浓度差,计算各历史运行时间段对应的灰尘质量序列对应的平均灰尘质量;将所述平均氮氧浓度差记为各历史运行时间段对应的目标氮氧浓度差,将所述平均灰尘质量记为各历史运行时间段对应的目标灰尘质量;根据各历史运行时间段对应的目标氮氧浓度差和目标灰尘质量,得到各历史运行时间段对应的选择性催化还原系统中催化剂的催化程度;根据如下公式计算各历史运行时间段对应的选择性催化还原系统中催化剂的催化程度:
其中,Rt为第t个历史运行时间段对应的选择性催化还原系统中催化剂的催化程度,At为第t个历史运行时间段对应的目标氮氧浓度差,B为第t个历史运行时间段对应的目标灰尘质量;Rt的值越大,表明选择性催化还原系统中催化剂的催化程度越高,At的值越大,表明Rt的值越大,Bt的值越大,表明Wt的值越小。
步骤S004,根据所述引风机转速序列、所述催化程度以及所述氧气浓度序列,得到各历史运行时间段对应的生物质燃料的燃烧程度。
本实施例中,引风机转速大小能反映炉膛尾部的氧气浓度,炉膛尾部的氧气浓度的大小能反映生物质燃料的燃烧程度,催化剂的催化程度也能反映生物质燃料的燃烧程度;因此通过对各历史运行时间段对应的引风机转速序列、各历史运行时间段对应的选择性催化还原系统中催化剂的催化程度以及各历史运行时间段对应的炉膛尾部的氧气浓度序列进行分析,得到各历史运行时间段对应的生物质燃料的燃烧程度;将各历史运行时间段对应的生物质燃料的燃烧程度作为得到各历史运行时间段对应的数据可信程度的基础。
本实施例中,计算各历史运行时间段对应的引风机转速序列对应的平均引风机转速,计算各历史运行时间段对应的炉膛尾部的氧气浓度序列对应的平均氧气浓度;对各历史运行时间段对应的选择性催化还原系统中催化剂的催化程度进行归一化处理;根据各历史运行时间段对应的引风机转速序列对应的平均引风机转速、各历史运行时间段对应的炉膛尾部的氧气浓度序列对应的平均氧气浓度以及归一化处理后的各历史运行时间段对应的选择性催化还原系统中催化剂的催化程度,得到各历史运行时间段对应的生物质燃料的燃烧程度;根据如下公式计算各历史运行时间段对应的生物质燃料的燃烧程度:
其中,Et为第t个历史运行时间段对应的生物质燃料的燃烧程度,Ft为第t个历史运行时间段对应的引风机转速序列对应的平均引风机转速,lg()为以10为底数的对数函数,Ot为第t个历史运行时间段对应的炉膛尾部的氧气浓度序列对应的平均氧气浓度,Pt为归一化处理后的第t个历史运行时间段对应的选择性催化还原系统中催化剂的催化程度;本实施例中,由于燃烧需要消耗氧气,因此炉膛尾部的氧气浓度越低,表明炉膛内生物质燃料的燃烧程度越好,当炉膛内生物质燃料的燃烧程度越好,生物质燃料在燃烧时产生的烟气的浓度越低,又因为选择性催化还原系统中催化剂的催化程度与烟气的浓度有关,产生烟气的浓度越低,表明对选择性催化还原系统中催化剂的催化程度越低,即选择性催化还原系统中催化剂的催化程度越低,表明炉膛内生物质燃料的燃烧程度越好;因此Et的值越大,对应的生物质燃料的燃烧程度,Ft的值越大,表明Et的值越大,Ot**t的值越小表明Et的值越大。
步骤S005,根据所述生物质燃料的燃烧程度、所述引风机转速序列以及所述氧气浓度序列,得到任意两个历史运行时间段之间的数据相似程度;根据所述数据相似程度,得到各历史运行时间段对应的数据可信程度。
本实施例中,通过对各历史运行时间段对应的生物质燃料的燃烧程度、引风机转速序列以及氧气浓度序列进行分析,得到任意两个历史运行时间段之间的数据相似程度;之后通过对得到的数据相似程度进行分析,得到各历史运行时间段对应的数据可信程度;将得到的数据可信程度作为预测未来时间段生物质锅炉对应的炉膛尾部的氧气浓度、引风机转速以及生物质燃料的燃烧程度的依据。
(a)根据各历史运行时间段对应的生物质燃料的燃烧程度、引风机转速序列以及氧气浓度序列,得到任意两个历史运行时间段之间的数据相似程度的具体过程为:
本实施例中,利用DTW计算任意两个历史运行时间段之间的氧气浓度序列差异程度,利用DTW计算任意两个历史运行时间段之间的引风机转速序列差异程度;对各历史运行时间段对应的生物质燃料的燃烧程度进行归一化处理,计算任意两个历史运行时间段之间的归一化处理后的生物质燃料的燃烧程度差的绝对值;根据任意两个历史运行时间段之间的氧气浓度序列差异程度、引风机转速序列差异程度以及归一化处理后生物质燃料的燃烧程度差的绝对值,得到任意两个历史运行时间段之间的数据相似程度;根据如下公式计算任意两个历史运行时间段之间的数据相似程度:
其中,Xt,i为第t个历史运行时间段与第i个历史运行时间段之间的数据相似程度,Zt,i为第t个历史运行时间段对应的归一化处理后的生物质燃料的燃烧程度与第i个历史运行时间段对应的归一化处理后的生物质燃料的燃烧程度之间差的绝对值,Gt,i为第t个历史运行时间段对应的氧气浓度序列与第i个历史运行时间段对应的氧气浓度序列之间的差异程度,Vt,i为第t个历史运行时间段对应的引风机转速序列与第i个历史运行时间段对应的引风机转速序列之间的差异程度;Xt,i的值越大,表明第t个历史运行时间段与第i个历史运行时间段之间的数据相似程度越高,Zt,i的值越大,Xt,i的值越小,Gt,i+Vt,i的值越大,Xt,i的值越小。
(b)根据任意两个历史运行时间段之间的数据相似程度,得到各历史运行时间段对应的数据可信程度的具体过程为:
本实施例中,获得任意两个历史运行时间段之间的数据相似程度的倒数,将所述倒数记为任意两个历史运行时间段之间的样本距离;根据任意两个历史运行时间段之间的样本距离,对各历史运行时间段进行聚类;所述聚类算法为DBSCAN的密度聚类。
本实施例中,由于皮尔森相关系数(PPMCC)可以用来反应两个序列的相似程度;因此利用PPMCC得到各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的氧气浓度序列相似程度以及各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的引风机转速序列相似程度,计算各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的归一化处理后的生物质燃料的燃烧程度差的绝对值;根据各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间氧气浓度序列相似程度、引风机转速序列相似程度以及生物质燃料的燃烧程度差的绝对值,得到各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的数据差异程度;根据如下公式计算各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的数据差异程度:
其中,Kα,*为某一类别中第α个历史运行时间段与第β个历史运行时间段之间的数据差异程度,PPMCC(Q1α,Q1β)为该类别中第℃个历史运行时间段对应的氧气浓度序列与第β个历史运行时间段对应的氧气浓度序列之间的相似程度,PPMCC(Q2α,Q2β)为该类别中第℃个历史运行时间段对应的引风机转速序列与第β个历史运行时间段对应的引风机转速序列之间的相似程度,Hα,β为该类别中第℃个历史运行时间段对应的归一化处理后的生物质燃料的燃烧程度与第β个历史运行时间段对应的归一化处理后的生物质燃料的燃烧程度之间的差的绝对值;Kα,β的值越大,表明某一类别中第℃个历史运行时间段与第β个历史运行时间段之间的数据差异程度越大,PPMCC(Q1α,Q1β)*PPMCC(Q2α,Q2*)越小,Kα,β越大,Hα,β越大,Kα,β越大。
本实施例中,将各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的数据差异程度的和记为各类别中各历史运行时间段对应的目标数据差异程度;根据各类别中各历史运行时间段对应的目标数据差异程度,得到各历史运行时间段对应的目标数据差异程度;根据各历史运行时间段对应的目标数据差异程度,得到各历史运行时间段对应的数据可信程度;根据如下公式计算各历史运行时间段对应的数据可信程度:
其中,Wt为第t个历史运行时间段对应的数据可信程度,W1t为第t个历史运行时间段对应的目标数据差异程度;W1t越小,Wt越大,Wt越大表明第t个历史运行时间段对应的数据可信程度越高。
步骤S006,利用所述数据可信程度、所述生物质燃料的燃烧程度、所述引风机转速序列、所述氧气浓度序列以及目标预测网络,预测未来时间段生物质锅炉对应的炉膛尾部的氧气浓度、引风机转速以及生物质燃料的燃烧程度。
本实施例中,将各历史运行时间段对应的生物质燃料的燃烧程度、引风机转速序列以及氧气浓度序列输入到目标预测网络中,预测未来时间段生物质锅炉对应的炉膛尾部的氧气浓度、引风机转速以及生物质燃料的燃烧程度;本实施例中,将一个历史运行时间段对应的生物质燃料的燃烧程度、引风机转速序列以及氧气浓度序列作为一批训练样本对目标预测网络进行训练,因此通过对目标预测网络多批次的训练可以提高目标预测网络的准确度,并且所述目标预测网络结构为TCN。
本实施例中,目标预测网络的训练过程为:将各历史运行时间段对应的生物质燃料的燃烧程度、引风机转速序列以及氧气浓度序列作为网络训练时的输入训练样本,网络的标签为生物质锅炉在下一运行时间段对应的生物质燃料的燃烧程度、引风机转速序列以及氧气浓度序列,将训练样本和标签数据输入到网络中进行训练,并使用均方差损失函数对网络进行监督训练。本实施例利用历史运行时间段对应的数据可信程度与各历史运行时间段对应的损失进行相乘,将相乘之后的各历史运行时间段对应的损失相加之后的损失作为目标预测网络训练好的损失函数。
本实施例中,工作人员对未来时间段生物质锅炉对应的炉膛尾部的氧气浓度、引风机转速以及生物质燃料的燃烧程度进行分析,及时对生物质锅炉进行调整,例如可以及时对炉膛等部位的灰尘进行清理,避免更多污染气体的产生以及避免炉膛尾部的氧气浓度、引风机转速以及生物质燃料的燃烧程度等因素对生物质锅炉的运行状态或者效率的影响。
有益效果:本实施例将氮氧浓度差序列和灰尘质量序列作为得到各历史运行时间段对应的选择性催化还原系统中催化剂的催化程度的依据;将引风机转速序列、催化程度以及氧气浓度序列作为得到各历史运行时间段对应的生物质燃料的燃烧程度;将生物质燃料的燃烧程度、引风机转速序列以及氧气浓度序列作为得到各历史运行时间段对应的数据可信程度的依据;将数据可信程度、生物质燃料的燃烧程度、引风机转速序列以及所述氧气浓度序列作为预测未来时间段生物质锅炉对应的炉膛尾部的氧气浓度、引风机转速以及生物质燃料的燃烧程度的依据。本实施例能预测未来时间段生物质锅炉对应的炉膛尾部的氧气浓度、引风机转速以及生物质燃料的燃烧程度,并及时对锅炉进行调控,避免由于炉膛尾部的氧气浓度、引风机转速以及生物质燃料的燃烧程度异常时影响锅炉的运行状态或者运行效率,并且能降低燃烧产生的烟气对环境的污染。
需要说明的是,上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣,在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。
Claims (8)
1.生物质高效焚化用催化燃烧调控锅炉,所述锅炉包括炉膛、省煤器以及空气预热器,其特征在于,锅炉还包括设置在省煤器与空气预热器之间的选择性催化还原系统;所述锅炉还包括控制系统,所述控制系统包括控制器,以及与控制器信号连接的氧气浓度传感器、转速传感器、氮氧传感器以及微型称重传感器;
氧气浓度传感器用于检测炉膛尾部的氧气浓度,转速传感器用于检测引风机转速,氮氧传感器用于检测选择性催化还原系统中烟气进口位置的氮氧浓度和烟气出口位置的氮氧浓度,微型称重传感器用于检测选择性催化还原系统烟气进口位置的灰尘质量;
控制器获取锅炉连续的各历史运行时间段对应的炉膛尾部的氧气浓度序列、引风机转速序列、选择性催化还原系统中烟气进口位置的氮氧浓度序列、选择性催化还原系统中烟气出口位置的氮氧浓度序列以及选择性催化还原系统中烟气进口位置的灰尘质量序列;然后根据所述烟气进口位置的氮氧浓度序列和烟气出口位置的氮氧浓度序列,得到各历史运行时间段对应的氮氧浓度差序列;根据所述氮氧浓度差序列和灰尘质量序列,得到各历史运行时间段对应的选择性催化还原系统中催化剂的催化程度;根据所述引风机转速序列、所述催化程度以及所述氧气浓度序列,得到各历史运行时间段对应的生物质燃料的燃烧程度;之后根据所述生物质燃料的燃烧程度、所述引风机转速序列以及所述氧气浓度序列,得到任意两个历史运行时间段之间的数据相似程度;根据所述数据相似程度,得到各历史运行时间段对应的数据可信程度;最后利用所述数据可信程度、所述生物质燃料的燃烧程度、所述引风机转速序列、所述氧气浓度序列以及目标预测网络,预测未来时间段生物质锅炉对应的炉膛尾部的氧气浓度、引风机转速以及生物质燃料的燃烧程度。
2.如权利要求1所述的生物质高效焚化用催化燃烧调控锅炉,其特征在于,所述根据所述氮氧浓度差序列和灰尘质量序列,得到各历史运行时间段对应的选择性催化还原系统中催化剂的催化程度,包括:
计算所述氮氧浓度差序列对应的平均氮氧浓度差,计算所述灰尘质量序列对应的平均灰尘质量;
将所述平均氮氧浓度差记为各历史运行时间段对应的目标氮氧浓度差,将所述平均灰尘质量记为各历史运行时间段对应的目标灰尘质量;
根据所述目标氮氧浓度差和目标灰尘质量,得到各历史运行时间段对应的选择性催化还原系统中催化剂的催化程度。
3.如权利要求1所述的生物质高效焚化用催化燃烧调控锅炉,其特征在于,所述根据所述引风机转速序列、所述催化程度以及所述氧气浓度序列,得到各历史运行时间段对应的生物质燃料的燃烧程度,包括:
计算所述引风机转速序列对应的平均引风机转速,计算所述氧气浓度序列对应的平均氧气浓度;
根据所述平均引风机转速、平均氧气浓度以及催化剂的催化程度,得到各历史运行时间段对应的生物质燃料的燃烧程度。
5.如权利要求1所述的生物质高效焚化用催化燃烧调控锅炉,其特征在于,所述根据所述生物质燃料的燃烧程度、所述引风机转速序列以及所述氧气浓度序列,得到任意两个历史运行时间段之间的数据相似程度,包括:
利用DTW计算任意两个历史运行时间段之间的氧气浓度序列差异程度;
利用DTW计算任意两个历史运行时间段之间的引风机转速序列差异程度;
计算任意两个历史运行时间段之间的生物质燃料的燃烧程度差的绝对值;
根据所述任意两个历史运行时间段之间的氧气浓度序列差异程度、引风机转速序列差异程度以及生物质燃料的燃烧程度差的绝对值,得到任意两个历史运行时间段之间的数据相似程度。
7.如权利要求1所述的生物质高效焚化用催化燃烧调控锅炉,其特征在于,所述根据所述数据相似程度,得到各历史运行时间段对应的数据可信程度,包括:
根据任意两个历史运行时间段之间的数据相似程度的倒数,得到任意两个历史运行时间段之间的样本距离;
根据所述样本距离,对各历史运行时间段进行聚类;
计算各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的氧气浓度序列相似程度;
计算各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的引风机转速序列相似程度;
计算各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的生物质燃料的燃烧程度差的绝对值;
根据所述氧气浓度序列相似程度、引风机转速序列相似程度以及生物质燃料的燃烧程度差的绝对值,得到各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的数据差异程度;
将所述各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的数据差异程度的和记为各类别中各历史运行时间段对应的目标数据差异程度;
根据所述目标数据差异程度,得到各历史运行时间段对应的数据可信程度。
8.如权利要求7所述的生物质高效焚化用催化燃烧调控锅炉,其特征在于,根据如下公式计算各类别中各历史运行时间段与对应类别中其余的各历史运行时间段之间的数据差异程度:
其中,Kα,β为某一类别中第α个历史运行时间段与第β个历史运行时间段之间的数据差异程度,PPMCC(Q1α,Q1β)为该类别中第α个历史运行时间段对应的氧气浓度序列与第β个历史运行时间段对应的氧气浓度序列之间的相似程度,PPMCC(Q2α,Q2β)为该类别中第α个历史运行时间段对应的引风机转速序列与第β个历史运行时间段对应的引风机转速序列之间的相似程度,Hα,β为该类别中第α个历史运行时间段对应的生物质燃料的燃烧程度与第β个历史运行时间段对应的生物质燃料的燃烧程度之间的差的绝对值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210191930.4A CN114562720B (zh) | 2022-02-28 | 2022-02-28 | 生物质高效焚化用催化燃烧调控锅炉 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210191930.4A CN114562720B (zh) | 2022-02-28 | 2022-02-28 | 生物质高效焚化用催化燃烧调控锅炉 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114562720A true CN114562720A (zh) | 2022-05-31 |
CN114562720B CN114562720B (zh) | 2022-11-29 |
Family
ID=81715458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210191930.4A Active CN114562720B (zh) | 2022-02-28 | 2022-02-28 | 生物质高效焚化用催化燃烧调控锅炉 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114562720B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117251744A (zh) * | 2023-11-16 | 2023-12-19 | 苏州科尔珀恩机械科技有限公司 | 基于人工智能的窑炉运行异常状态检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108302521A (zh) * | 2017-12-29 | 2018-07-20 | 浙江百能科技有限公司 | 一种脱硝低NOx循环流化床锅炉及脱硝低NOx排放控制工艺 |
CN108731027A (zh) * | 2018-06-15 | 2018-11-02 | 国电科学技术研究院有限公司 | 一种电站锅炉尾部烟温的控制系统及方法 |
CN112950880A (zh) * | 2021-01-26 | 2021-06-11 | 特斯联科技集团有限公司 | 一种基于大数据的火灾预警方法及系统 |
CN113065765A (zh) * | 2021-04-01 | 2021-07-02 | 瀚蓝绿电固废处理(佛山)有限公司 | 一种垃圾焚烧炉烟气中co排放量预测模型构建方法及应用 |
CN113294806A (zh) * | 2021-06-16 | 2021-08-24 | 大唐淮南洛河发电厂 | 一种火电厂锅炉燃烧最佳氧量节能控制优化方法 |
-
2022
- 2022-02-28 CN CN202210191930.4A patent/CN114562720B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108302521A (zh) * | 2017-12-29 | 2018-07-20 | 浙江百能科技有限公司 | 一种脱硝低NOx循环流化床锅炉及脱硝低NOx排放控制工艺 |
CN108731027A (zh) * | 2018-06-15 | 2018-11-02 | 国电科学技术研究院有限公司 | 一种电站锅炉尾部烟温的控制系统及方法 |
CN112950880A (zh) * | 2021-01-26 | 2021-06-11 | 特斯联科技集团有限公司 | 一种基于大数据的火灾预警方法及系统 |
CN113065765A (zh) * | 2021-04-01 | 2021-07-02 | 瀚蓝绿电固废处理(佛山)有限公司 | 一种垃圾焚烧炉烟气中co排放量预测模型构建方法及应用 |
CN113294806A (zh) * | 2021-06-16 | 2021-08-24 | 大唐淮南洛河发电厂 | 一种火电厂锅炉燃烧最佳氧量节能控制优化方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117251744A (zh) * | 2023-11-16 | 2023-12-19 | 苏州科尔珀恩机械科技有限公司 | 基于人工智能的窑炉运行异常状态检测方法 |
CN117251744B (zh) * | 2023-11-16 | 2024-03-15 | 苏州科恩新能科技股份有限公司 | 基于人工智能的窑炉运行异常状态检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114562720B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110368808B (zh) | 一种scr烟气脱硝系统的喷氨量控制方法及系统 | |
US4362499A (en) | Combustion control system and method | |
CN114562720B (zh) | 生物质高效焚化用催化燃烧调控锅炉 | |
CN112232571B (zh) | 一种废气主要污染物浓度的预测方法 | |
CN115111594B (zh) | 一种蓄热式热力氧化炉智能调控系统及方法 | |
CN110991756B (zh) | 基于ts模糊神经网络的mswi炉膛温度预测方法 | |
CN113033873B (zh) | 基于入炉煤质测量的脱硫系统入口硫氧化物含量预测方法 | |
CN112613237B (zh) | 一种基于LSTM的CFB机组NOx排放浓度的预测方法 | |
CN116992246B (zh) | 一种矿井下风流参数智能感知方法及系统 | |
CN111881405A (zh) | 一种燃煤锅炉飞灰可燃物含量的实时计算方法 | |
CN116592386A (zh) | 烟气含氧量控制系统 | |
CN111410996B (zh) | 一种生物质气化炉控制方法 | |
CN118031246B (zh) | 一种工业锅炉的燃烧控制优化方法及装置 | |
CN114187976B (zh) | 一种基于实时测量数据的氧量预测方法 | |
CN117032099A (zh) | 一种干熄焦闭环控制方法 | |
CN118192378A (zh) | 一种基于物联网的热能设备运行控制系统 | |
CN117927322A (zh) | 一种基于燃气-蒸汽联合循环效率优化方法及系统 | |
CN105930929A (zh) | 基于pca-svm的火电厂燃煤低位热值软测量方法 | |
CN114723159A (zh) | 一种基于lle降维算法的锅炉燃烧效率预测方法和系统 | |
CN113935230A (zh) | 基于注意力机制LSTM模型实现NOx排放量预测方法 | |
CN111222540A (zh) | 基于聚类的无监督学习的异常判断二噁英检测方法 | |
CN114791102B (zh) | 一种基于动态运行数据分析的燃烧优化控制方法 | |
CN118816182A (zh) | 基于数字孪生的锅炉燃烧运行优化方法及系统 | |
CN118424496B (zh) | 基于垃圾焚烧电厂的焚烧锅炉炉膛温度检测方法 | |
CN117258497A (zh) | 一种基于libs识别的生物质锅炉喷氨量前馈控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |