-
公开(公告)号:CN108592080B
公开(公告)日:2019-10-15
申请号:CN201810171147.5
申请日:2018-03-01
Applicant: 中国神华能源股份有限公司 , 北京国华电力有限责任公司 , 神华国华(北京)电力研究院有限公司 , 东南大学
IPC: F23N3/00
Abstract: 本发明提供了一种锅炉燃烧控制系统和方法,属于锅炉燃烧控制技术领域。所述锅炉燃烧控制系统包括:接收模块,用于在每一个时刻接收当前时刻的所述锅炉的燃烧效率和氮氧化物含量;处理模块,用于根据所述当前时刻的所述燃烧效率和所述氮氧化物含量通过极值搜索算法得到所述锅炉的每层二次风门的当前时刻的开度值;以及控制模块,用于根据所述当前时刻的开度值来控制所述锅炉的每层二次风门的开度。通过上述技术方案,本发明不依赖于燃烧系统的数学模型,具有良好的控制品质和鲁棒性,很好地实现了燃烧系统的优化运行。
-
公开(公告)号:CN107657104A
公开(公告)日:2018-02-02
申请号:CN201710850037.7
申请日:2017-09-20
Applicant: 浙江浙能台州第二发电有限责任公司 , 东南大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于在线支持向量机的锅炉燃烧系统动态建模方法,首先以NOx排放量和锅炉效率值作为模型输出,同时把入炉总煤量、总空气量、辅助风、烟气含氧量等影响锅炉排放及效率的主要影响因素作为模型输入,然后在动态建模过程中考虑输入、输出变量的阶次,以便反映对象的动态变化特性;通过改进的在线自适应最小二乘支持向量机算法(FVS-ALS)建立锅炉燃烧系统的动态模型。本发明所建模型与传统稳态模型相比,具有更高的预测精度,同时具备在线校正功能,并且能够适应负荷、煤质和设备特性变化引起的燃烧系统控制特性的变化,对及时、准确地监控锅炉燃烧系统的运行状态,并据此进行运行优化具有重要价值。
-
公开(公告)号:CN105823080B
公开(公告)日:2017-11-03
申请号:CN201610173955.6
申请日:2016-03-24
Applicant: 东南大学
IPC: F23N5/00
Abstract: 本发明公开了基于数值优化极值搜索的无模型锅炉燃烧优化控制方法,包括:步骤1,采集锅炉燃烧系统k‑n至k时刻一个时间窗口内各个时刻的锅炉效率η(j)和氮氧化物排放值NOx(j)并设置容许误差ε,步骤2,计算k‑n至k时刻一个时间窗口内的锅炉效率的平均值η和氮氧化物排放值的平均值NOx,将η和NOx分别作为当前k时刻的锅炉效率和氮氧化物排放值;步骤3,将当前k时刻锅炉效率η和氮氧化物排放值NOx归一化,计算单目标函数J(k);步骤4,计算性能指标随各层操作量的变化梯度gk;步骤5,计算搜索方向dk;步骤6,计算步长因子αk;步骤7,计算下一时刻待优化的操作量ui(k+1);步骤8,重复步骤2~步骤7,直至算法收敛,得到最优操作量。
-
公开(公告)号:CN108592080A
公开(公告)日:2018-09-28
申请号:CN201810171147.5
申请日:2018-03-01
Applicant: 中国神华能源股份有限公司 , 北京国华电力有限责任公司 , 神华国华(北京)电力研究院有限公司 , 东南大学
IPC: F23N3/00
Abstract: 本发明提供了一种锅炉燃烧控制系统和方法,属于锅炉燃烧控制技术领域。所述锅炉燃烧控制系统包括:接收模块,用于在每一个时刻接收当前时刻的所述锅炉的燃烧效率和氮氧化物含量;处理模块,用于根据所述当前时刻的所述燃烧效率和所述氮氧化物含量通过极值搜索算法得到所述锅炉的每层二次风门的当前时刻的开度值;以及控制模块,用于根据所述当前时刻的开度值来控制所述锅炉的每层二次风门的开度。通过上述技术方案,本发明不依赖于燃烧系统的数学模型,具有良好的控制品质和鲁棒性,很好地实现了燃烧系统的优化运行。
-
公开(公告)号:CN105823080A
公开(公告)日:2016-08-03
申请号:CN201610173955.6
申请日:2016-03-24
Applicant: 东南大学
IPC: F23N5/00
CPC classification number: F23N5/003
Abstract: 本发明公开了基于数值优化极值搜索的无模型锅炉燃烧优化控制方法,包括:步骤1,采集锅炉燃烧系统k?n至k时刻一个时间窗口内各个时刻的锅炉效率η(j)和氮氧化物排放值NOx(j)并设置容许误差ε,步骤2,计算k?n至k时刻一个时间窗口内的锅炉效率的平均值η和氮氧化物排放值的平均值NOx,将η和NOx分别作为当前k时刻的锅炉效率和氮氧化物排放值;步骤3,将当前k时刻锅炉效率η和氮氧化物排放值NOx归一化,计算单目标函数J(k);步骤4,计算性能指标随各层操作量的变化梯度gk;步骤5,计算搜索方向dk;步骤6,计算步长因子αk;步骤7,计算下一时刻待优化的操作量ui(k+1);步骤8,重复步骤2~步骤7,直至算法收敛,得到最优操作量。
-
-
-
-