摘要
本发明提供一种基于经济预测控制的多目标燃烧优化方法,鉴于发电负荷和入炉煤质频繁变动,常规DCS控制在风量氧量优化、平衡锅炉效率与NOx排放及汽温控制等方面存在缺陷,且部分锅炉参数难以准确测量,现有燃烧优化技术适用性有限。该方法先收集并预处理历史运行数据,按稳态工况分类筛选后构建关联模型进行初步燃烧优化。接着依据机组特性和历史数据建立负荷、煤质变化预测模型及燃烧过程动态关系模型。随后在在线二次优化阶段,依当前和预测状态选初始参数组合,用经济预测控制算法计算满足多约束的燃烧参数调整量并应用与校正。实验表明,此方法可提高锅炉效率、降低NOx排放、优化汽温控制并减轻人员劳动强度,有效提升燃烧性能。
技术关键词
燃烧优化方法
烟气含氧量
历史运行数据
锅炉
入炉煤质
参数
稳态工况
预测控制算法
NOx排放量
机组运行状态
灰色马尔可夫链
位置传感器故障
负荷
燃烧优化技术
经济预测模型
燃烧优化系统
动态
递归最小二乘法
系统为您推荐了相关专利信息
新型电力系统
历史运行数据
实时控制系统
数值
异常信号
冷却水泵
空调冷却水系统
历史运行数据
模型训练方法
机器学习算法
电网运行状态
电力分配
深度学习网络
历史运行数据
电网故障定位
能源设备
地热泵
变频控制技术
零碳
卷积神经网络技术
换热单元
控制烟气温度
控制排烟温度
温度监控设备
PID控制算法