火電機(jī)組鍋爐智慧燃燒優(yōu)化系統(tǒng)目錄TOC\o"1-3"\h\u4181火電機(jī)組鍋爐智慧燃燒優(yōu)化系統(tǒng) 112057一、項(xiàng)目概述 335二、應(yīng)用場(chǎng)景及建設(shè)方案 429814（一）場(chǎng)景描述 421211（二）技術(shù)架構(gòu) 5288011、項(xiàng)目業(yè)務(wù)藍(lán)圖規(guī)劃 5277082、技術(shù)架構(gòu)設(shè)計(jì) 5157293、主要建設(shè)內(nèi)容 6300314、項(xiàng)目主要功能 78495（三）建設(shè)方案 8249151、項(xiàng)目建設(shè)目標(biāo) 8233112、重點(diǎn)工作任務(wù) 8284353、關(guān)鍵技術(shù)運(yùn)用 9246554、業(yè)務(wù)優(yōu)化路徑 9127855、領(lǐng)先點(diǎn) 131409將人工智能技術(shù)首次應(yīng)用于鍋爐燃燒運(yùn)行；實(shí)現(xiàn)鍋爐燃燒對(duì)負(fù)荷、煤質(zhì)頻繁變化的自適應(yīng)、自學(xué)習(xí)能力；運(yùn)用預(yù)測(cè)控制技術(shù)對(duì)鍋爐運(yùn)行進(jìn)行實(shí)時(shí)效率尋優(yōu)；實(shí)現(xiàn)鍋爐燃燒全自動(dòng)閉環(huán)優(yōu)化運(yùn)行。 13184626、創(chuàng)新點(diǎn) 1317482（1）提出基于遺傳神經(jīng)網(wǎng)絡(luò)的燃燒優(yōu)化模型建模方法，克服標(biāo)準(zhǔn)BP算法存在的收斂速度慢和局部最小點(diǎn)的不足，加快神經(jīng)網(wǎng)絡(luò)收斂速度，同時(shí)提高模型的收斂精度； 1320455（2）采用神經(jīng)網(wǎng)絡(luò)剪枝技術(shù)確定神經(jīng)網(wǎng)絡(luò)模型的最佳結(jié)構(gòu)，以保證模型具有足夠的精度和泛化能力。 132082三、項(xiàng)目效果 1331730（一）項(xiàng)目效益 14494（二）鑒定評(píng)價(jià)（如有） 1426340（三）推廣前景 1416823四、下一步計(jì)劃 14一、項(xiàng)目概述火電企業(yè)面臨的生存壓力不斷加大，主要表現(xiàn)在：國家節(jié)能減排政策需求，火電企業(yè)減排壓力不斷加大；清潔能源占比不斷加大，火電企業(yè)發(fā)電利用小時(shí)大幅減少；燃煤成本不斷攀升，火電企業(yè)發(fā)電成本不斷加大；企業(yè)數(shù)字化轉(zhuǎn)型需要，智慧電廠建設(shè)已成為火電企業(yè)的必選項(xiàng)。1000MW火電機(jī)組鍋爐運(yùn)行存在節(jié)能減排潛力，主要表現(xiàn)在：司爐運(yùn)行經(jīng)驗(yàn)存在差異；機(jī)組負(fù)荷率低，負(fù)荷變化大，手動(dòng)調(diào)整跟不上；入爐煤質(zhì)變化頻繁，需要實(shí)時(shí)根據(jù)入爐煤質(zhì)進(jìn)行燃燒調(diào)整；鍋爐運(yùn)行按DCS經(jīng)驗(yàn)曲線調(diào)整，未實(shí)現(xiàn)鍋爐效率最大化的經(jīng)濟(jì)性尋優(yōu)。企業(yè)數(shù)字化建設(shè)是國家戰(zhàn)略，智慧電廠建設(shè)是大唐集團(tuán)數(shù)字化的必然趨勢(shì)，運(yùn)用人工智能技術(shù)解決火電機(jī)組鍋爐燃燒的智慧化是火電機(jī)組鍋爐燃燒調(diào)整的必然方向。本次XXXX電廠1號(hào)鍋爐智慧燃燒優(yōu)化專家系統(tǒng)項(xiàng)目計(jì)劃實(shí)施時(shí)間：2023年5月；建設(shè)周期：合同簽訂后兩年內(nèi)完成；預(yù)期目標(biāo)：1、50%～100%負(fù)荷段智慧燃燒優(yōu)化系統(tǒng)投入率100%；2、鍋爐效率平均提高0.3%左右；3、發(fā)電煤耗降低1g/kwh左右；4、大幅提高鍋爐燃燒的自動(dòng)化水平，降低運(yùn)行人員勞動(dòng)強(qiáng)度。投資額：承建單位：待定；當(dāng)前進(jìn)展：科技項(xiàng)目任務(wù)書、項(xiàng)目實(shí)施方案、招標(biāo)規(guī)范書已完成，正準(zhǔn)備進(jìn)行項(xiàng)目招標(biāo)，確定項(xiàng)目承建單位。二、應(yīng)用場(chǎng)景及建設(shè)方案（一）場(chǎng)景描述本項(xiàng)目建成后，可結(jié)合鍋爐燃燒的煤質(zhì)多變、負(fù)荷多變、燃燒調(diào)整的隨意性、鍋爐效率及NOx排放的關(guān)系，運(yùn)用數(shù)字挖掘、神經(jīng)網(wǎng)絡(luò)、預(yù)測(cè)控制、遺傳算法等人工智能技術(shù)進(jìn)行研發(fā)，對(duì)給煤量、燃盡風(fēng)、二次風(fēng)、汽溫、煙氣氧量等變量進(jìn)行優(yōu)化，解決鍋爐燃燒的配風(fēng)、配粉一般不能隨著煤種、環(huán)境溫度、負(fù)荷等運(yùn)行工況的變化進(jìn)行自動(dòng)實(shí)時(shí)修正，導(dǎo)致運(yùn)行中鍋爐會(huì)出現(xiàn)排煙溫度高、主、再熱汽溫偏差大、飛灰可燃物含量高、煙氣含氧量大、風(fēng)機(jī)電耗大等現(xiàn)象，使得鍋爐運(yùn)行經(jīng)濟(jì)性較差，設(shè)備使用壽命縮短，無法使鍋爐在最佳的工況下運(yùn)行的問題。最終實(shí)現(xiàn)鍋爐燃燒全自動(dòng)、自適應(yīng)、自學(xué)習(xí)功能，實(shí)現(xiàn)鍋爐燃燒效率的提升。（二）技術(shù)架構(gòu)1、項(xiàng)目業(yè)務(wù)藍(lán)圖規(guī)劃鍋爐燃燒是一個(gè)復(fù)雜的多變量、非線性動(dòng)力學(xué)系統(tǒng)，無法通過理論方法建立鍋爐的燃燒特性數(shù)學(xué)模型。但是鍋爐的燃燒運(yùn)行特性和司爐的運(yùn)行經(jīng)驗(yàn)總是蘊(yùn)涵在鍋爐燃燒過程歷史數(shù)據(jù)中的，項(xiàng)目正是利用神經(jīng)網(wǎng)絡(luò)技術(shù)，根據(jù)鍋爐實(shí)際運(yùn)行歷史數(shù)據(jù)，建立燃燒優(yōu)化模型，如圖1所示：圖1鍋爐燃燒優(yōu)化模型對(duì)給定的負(fù)荷、煤質(zhì)工況，就可以通過該模型比較各種不同配風(fēng)配煤燃燒運(yùn)行模式的經(jīng)濟(jì)性和NOx排放量，從而找出其中最佳的配風(fēng)配煤燃燒運(yùn)行模式。技術(shù)架構(gòu)設(shè)計(jì)建立各操作變量（如：氧量定值偏置、燃盡風(fēng)門開度、二次風(fēng)門開度、給煤機(jī)偏置等）到各優(yōu)化變量（如：飛灰含碳量、空預(yù)器出口溫度、SCR入口NOx濃度、CO濃度、過熱蒸汽溫度、再熱蒸汽溫度、省煤器出口煙溫等）的非線性動(dòng)態(tài)模型；雙參數(shù)鍋爐效率在線監(jiān)測(cè)裝置，能夠在線實(shí)時(shí)測(cè)量飛灰、CO含量，為鍋爐效率計(jì)算提供數(shù)據(jù)支撐，同時(shí)作為燃燒優(yōu)化調(diào)整的重要優(yōu)化變量；采用多目標(biāo)預(yù)測(cè)控制方法，直接對(duì)經(jīng)濟(jì)性指標(biāo)（鍋爐效率）、NOx排放，以及動(dòng)態(tài)性能指標(biāo)（過熱汽溫偏差、再熱汽溫偏差）進(jìn)行優(yōu)化，同時(shí)考慮機(jī)組負(fù)荷和主汽壓力等可測(cè)擾動(dòng)、煤質(zhì)變化等不可測(cè)擾動(dòng)，以及SCR運(yùn)行成本等因素，最終獲得控制量，實(shí)現(xiàn)閉環(huán)、動(dòng)態(tài)燃燒優(yōu)化。本項(xiàng)目所設(shè)計(jì)的鍋爐燃燒優(yōu)化及控制技術(shù)路線，如圖2所示：圖2鍋爐燃燒優(yōu)化及控制技術(shù)路線架構(gòu)圖3、主要建設(shè)內(nèi)容（1）鍋爐燃燒運(yùn)行參數(shù)對(duì)NOx生成及爐效的影響規(guī)律研究研究鍋爐燃燒過程N(yùn)Ox生成的機(jī)理，分析鍋爐燃燒運(yùn)行參數(shù)對(duì)鍋爐煙氣NOx排放和鍋爐效率的影響規(guī)律，為實(shí)現(xiàn)燃燒優(yōu)化提供理論指導(dǎo)。（2）多目標(biāo)燃燒優(yōu)化神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型建模研究通過理論研究與仿真試驗(yàn)，確定燃燒優(yōu)化神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)、算法及系統(tǒng)輸入變量，以保證模型具有足夠的精度，滿足多目標(biāo)燃燒優(yōu)化的需要。根據(jù)鍋爐燃燒運(yùn)行樣本數(shù)據(jù)建立反映爐效和NOx排放量隨配風(fēng)、配煤燃燒運(yùn)行方式變化的爐效特性模型和NOx排放特性模型。（3）多目標(biāo)配風(fēng)、配煤燃燒方式優(yōu)化研究研究新型多目標(biāo)遺傳優(yōu)化算法，克服一般遺傳算法存在的局部收斂和早熟問題，實(shí)現(xiàn)全局最優(yōu)優(yōu)化。在此基礎(chǔ)上根據(jù)建立的燃燒優(yōu)化數(shù)學(xué)模型，采用遺傳算法優(yōu)化技術(shù)，兼顧爐效和NOx排放量兩項(xiàng)指標(biāo)，對(duì)配風(fēng)、配煤燃燒運(yùn)行方式進(jìn)行在線優(yōu)化，找出不同負(fù)荷和入爐煤質(zhì)條件下，最佳的燃燒運(yùn)行參數(shù)。（4）智慧燃燒優(yōu)化系統(tǒng)實(shí)現(xiàn)將優(yōu)化計(jì)算結(jié)果直接以燃燒調(diào)整參數(shù)的目標(biāo)值形式給出，送往DCS指導(dǎo)運(yùn)行人員進(jìn)行燃燒調(diào)整。將燃燒優(yōu)化結(jié)果送到機(jī)組DCS，修正相關(guān)控制回路的設(shè)定值或偏置，實(shí)現(xiàn)燃燒系統(tǒng)閉環(huán)優(yōu)化控制。4、項(xiàng)目主要功能（1）基于歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)的在線自學(xué)習(xí)尋優(yōu)功能；（2）基于經(jīng)濟(jì)預(yù)測(cè)控制技術(shù)的閉環(huán)動(dòng)態(tài)燃燒優(yōu)化功能；（3）適用于動(dòng)態(tài)變負(fù)荷、變煤種過程的燃燒優(yōu)化功能；（4）對(duì)入爐煤質(zhì)在線軟分析，判斷入爐煤熱值變化；（5）飛灰含碳量在線檢測(cè)裝置；（6）CO在線檢測(cè)裝置；（7）飛灰、CO、NOx、排煙溫度等指標(biāo)投前、投后在線對(duì)比。（三）建設(shè)方案1、項(xiàng)目建設(shè)目標(biāo)采用神經(jīng)網(wǎng)絡(luò)、預(yù)測(cè)控制、遺傳算法等人工智能手段，對(duì)超超臨界鍋爐復(fù)雜非線性大滯后燃燒對(duì)象進(jìn)行研究，建立超超臨界機(jī)組塔式鍋爐燃燒優(yōu)化模型，開發(fā)基于大數(shù)據(jù)的超超臨界機(jī)組鍋爐智慧燃燒優(yōu)化專家系統(tǒng)，對(duì)給煤量、燃盡風(fēng)、二次風(fēng)、汽溫、煙氣氧量等變量進(jìn)行優(yōu)化，最終實(shí)現(xiàn)提高超超臨界塔式鍋爐燃燒效率0.3%左右，降低發(fā)電煤耗1g/kwh左右的目標(biāo)，實(shí)現(xiàn)鍋爐燃燒全自動(dòng)閉環(huán)運(yùn)行，降低運(yùn)行人員工作量，為智慧電廠的建設(shè)中智慧運(yùn)行單元打下堅(jiān)實(shí)的基礎(chǔ)。2、重點(diǎn)工作任務(wù)通過鍋爐性能試驗(yàn)對(duì)超超臨界機(jī)組塔式鍋爐燃燒機(jī)理進(jìn)行研究，分析鍋爐燃燒運(yùn)行參數(shù)對(duì)鍋爐煙氣NOx排放和鍋爐效率的影響規(guī)律，為實(shí)現(xiàn)燃燒優(yōu)化提供理論指導(dǎo)；增加雙參數(shù)鍋爐效率在線檢測(cè)裝置，為鍋爐效率的實(shí)時(shí)在線檢測(cè)提供解決方案；利用神經(jīng)網(wǎng)絡(luò)技術(shù)及遺傳算法等技術(shù)對(duì)超超臨界塔式鍋爐復(fù)雜非線性大滯后對(duì)象進(jìn)行建模，采用C++、MATLAB等語言開發(fā)基于大數(shù)據(jù)的智慧燃燒優(yōu)化專家系統(tǒng)軟件，采用現(xiàn)代閉環(huán)控制理論、預(yù)測(cè)控制技術(shù)、結(jié)合鍋爐燃燒模型、智慧燃燒優(yōu)化專家系統(tǒng)軟件實(shí)現(xiàn)對(duì)鍋爐燃燒的全自動(dòng)閉環(huán)運(yùn)行，最終實(shí)現(xiàn)提高鍋爐效率、鍋爐燃燒運(yùn)行智慧化目標(biāo)。關(guān)鍵技術(shù)運(yùn)用本次超超臨界機(jī)組智慧燃燒優(yōu)化專家系統(tǒng)課題研究的關(guān)鍵技術(shù)主要包括通過鍋爐性能試驗(yàn)對(duì)鍋爐效率及NOx生產(chǎn)機(jī)理進(jìn)行研究、雙參數(shù)快速高精度鍋爐效率在線檢測(cè)設(shè)備研制、歸一化支持向量機(jī)對(duì)塔式鍋爐復(fù)雜非線性大滯后對(duì)象建模研究、基于C++和MATLAB技術(shù)的智慧燃燒優(yōu)化專家系統(tǒng)軟件的開發(fā)、基于預(yù)測(cè)控制技術(shù)的鍋爐智慧燃燒優(yōu)化專家系統(tǒng)全自動(dòng)閉環(huán)實(shí)現(xiàn)。4、業(yè)務(wù)優(yōu)化路徑（1）高、中、低負(fù)荷變氧量、二次風(fēng)、燃盡風(fēng)性能試驗(yàn)超超臨界機(jī)組塔式鍋爐數(shù)學(xué)模型建立的基礎(chǔ)是數(shù)據(jù)，數(shù)據(jù)的來源主要有兩部分：調(diào)取機(jī)組歷史運(yùn)行數(shù)據(jù)和鍋爐性能試驗(yàn)數(shù)據(jù)。本次課題研究需做高、中、低負(fù)荷段變工況性能試驗(yàn)，以彌補(bǔ)歷史運(yùn)行數(shù)據(jù)的不足，同時(shí)通過燃燒調(diào)整性能試驗(yàn)尋找燃燒工況變化對(duì)鍋爐效率及NOx生成機(jī)理的影響，為塔式爐神經(jīng)網(wǎng)絡(luò)建模建立數(shù)據(jù)支撐。（2）雙參數(shù)快速高精度鍋爐效率檢測(cè)設(shè)備研制鍋爐效率在線檢測(cè)是實(shí)現(xiàn)智慧燃燒優(yōu)化專家系統(tǒng)閉環(huán)全自動(dòng)控制的基礎(chǔ)，該項(xiàng)技術(shù)通過灼燒法飛灰含碳量高精度測(cè)量對(duì)微波法飛灰快速檢測(cè)進(jìn)行校正，配合尾部煙道CO在線快速反應(yīng)，運(yùn)用模型耦合技術(shù)實(shí)現(xiàn)鍋爐效率的在線快速高精度測(cè)量，將解決鍋爐尾部煙道飛灰含碳量檢測(cè)的延遲和CO檢測(cè)的準(zhǔn)確性問題。（3）超超臨界塔式鍋爐神經(jīng)網(wǎng)絡(luò)建模建立的鍋爐燃燒動(dòng)態(tài)模型考慮了入爐總煤量、燃盡風(fēng)、輔助風(fēng)、含氧量等作為影響鍋爐排放及效率的主要影響因素，選擇以下控制變量和可測(cè)擾動(dòng)作為模型的輸入變量：機(jī)組負(fù)荷、煙氣含氧量、燃盡風(fēng)門開度、二次風(fēng)門開度、給煤量偏置；模型的輸出為SCR入口的NOx濃度或鍋爐效率（鍋爐效率采用反平衡方法計(jì)算）。本項(xiàng)目所設(shè)計(jì)的鍋爐燃燒系統(tǒng)動(dòng)態(tài)模型的結(jié)構(gòu)，如圖3所示：圖3鍋爐燃燒系統(tǒng)動(dòng)態(tài)模型（4）超超臨界塔式鍋爐燃燒優(yōu)化專家系統(tǒng)軟件開發(fā)為了保證智慧燃燒優(yōu)化系統(tǒng)運(yùn)行的可靠性，將燃燒優(yōu)化控制軟件按照其功能分為四個(gè)模塊：系統(tǒng)計(jì)算模塊、系統(tǒng)監(jiān)視模塊、系統(tǒng)通信模塊及系統(tǒng)界面模塊。各模塊之間的相互獨(dú)立，但是又通過數(shù)據(jù)連接在一起。本項(xiàng)目所設(shè)計(jì)的燃燒優(yōu)化控制軟件的主要結(jié)構(gòu)，如圖4所示。圖4燃燒優(yōu)化控制軟件結(jié)構(gòu)（5）智慧燃燒全自動(dòng)閉環(huán)控制系統(tǒng)實(shí)現(xiàn)在每個(gè)控制周期，首先根據(jù)負(fù)荷和其他輸入?yún)?shù)計(jì)算當(dāng)前時(shí)刻鍋爐效率和NOx的預(yù)測(cè)值，并與實(shí)測(cè)值進(jìn)行比較，進(jìn)而根據(jù)預(yù)測(cè)偏差的大小判斷模型的精度是否滿足要求。如果不滿足要求則啟動(dòng)在線更新策略對(duì)模型進(jìn)行更新；之后通過反饋校正環(huán)節(jié)對(duì)模型進(jìn)行進(jìn)一步校準(zhǔn)；最后送入非線性滾動(dòng)優(yōu)化環(huán)節(jié)，通過在線求解約束非線性優(yōu)化問題，得到氧量定值、燃盡風(fēng)門開度、二次風(fēng)門開度和給煤量偏置等相應(yīng)的控制變量并輸出，達(dá)到提高鍋爐運(yùn)行效率目的，實(shí)現(xiàn)燃煤鍋爐全自動(dòng)閉環(huán)運(yùn)行。本項(xiàng)目所設(shè)計(jì)的塔式鍋爐智慧燃燒閉環(huán)控制，如圖5所示：圖5塔式鍋爐智慧燃燒閉環(huán)控制原理圖5、領(lǐng)先點(diǎn)將人工智能技術(shù)首次應(yīng)用于鍋爐燃燒運(yùn)行；實(shí)現(xiàn)鍋爐燃燒對(duì)負(fù)荷、煤質(zhì)頻繁變化的自適應(yīng)、自學(xué)習(xí)能力；運(yùn)用預(yù)測(cè)控制技術(shù)對(duì)鍋爐運(yùn)行進(jìn)行實(shí)時(shí)效率尋優(yōu)；實(shí)現(xiàn)鍋爐燃燒全自動(dòng)閉環(huán)優(yōu)化運(yùn)行。創(chuàng)新點(diǎn)（1）提出基于遺傳神經(jīng)網(wǎng)絡(luò)的燃燒優(yōu)化模型建模方法，克服標(biāo)準(zhǔn)BP算法存在的收斂速度慢和局部最小點(diǎn)的不足，加快神經(jīng)網(wǎng)絡(luò)收斂速度，同時(shí)提高模型的收斂精度；（2）采用神經(jīng)網(wǎng)絡(luò)剪枝技術(shù)確定神經(jīng)網(wǎng)絡(luò)模型的最佳結(jié)構(gòu)，以保證模型具有足夠的精度和泛化能力。三、項(xiàng)目效果（一）項(xiàng)目效益通過采用鍋爐智慧燃燒優(yōu)化專家系統(tǒng)，可實(shí)現(xiàn)鍋爐效率提高0.3%左右，發(fā)電煤耗可下降約1.0g/kWh左右，大幅提高鍋爐運(yùn)行的自動(dòng)化水平，減少了鍋爐運(yùn)行的隨意性，進(jìn)一步提高了鍋爐運(yùn)行安全，對(duì)于東營公司2×1000MW機(jī)組容量，以4000小時(shí)的年利用小時(shí)數(shù)計(jì)算，年可節(jié)約標(biāo)準(zhǔn)煤約8000噸以上，以每噸標(biāo)煤1000元價(jià)格計(jì)算，年直接經(jīng)濟(jì)效益約800萬元。綜合考慮節(jié)煤帶來的CO2減排、風(fēng)量降低及煙氣中NOx減少帶來的脫硝用氨量、用電量、用水量、用蒸汽量降低等收益，其節(jié)能減排收益更為可觀。（二）鑒定評(píng)價(jià)（如有）本項(xiàng)目成功實(shí)施后，將組織專家及第三方進(jìn)行成果鑒定，以確定項(xiàng)目的應(yīng)用效果及對(duì)項(xiàng)目創(chuàng)新實(shí)踐進(jìn)行評(píng)價(jià)。（三）推廣前景鍋爐智慧燃燒優(yōu)化專家系統(tǒng)是智慧電廠建設(shè)的重要組成部分，是智慧電廠建設(shè)中智慧運(yùn)行的最重要、最節(jié)能子系統(tǒng)，具有重要推廣價(jià)值。該項(xiàng)目開發(fā)成功后，市場(chǎng)競(jìng)爭