[发明专利]吸收塔脱硫过程多目标协同智能优化控制方法

说明书

本发明属于火电技术领域，尤其涉及一种吸收塔脱硫过程多目标协同智能优化控制方法，包括：步骤1，基于粒子群优化算法的多目标优化控制，将吸收塔石灰石浆液供给量、循环泵运行组合方式作为优化目标进行遍历迭代寻优，并在遍历迭代寻优过程中基于吸收塔过程模型获取出口SO₂浓度和脱硫设备能耗的概率分布；步骤2，根据优化的目标函数评判所述优化目标的优劣；其中，优化的目标函数是在实现出口SO₂浓度达标，并降低脱硫设备能耗之间寻求最优。本发明可以有效地选取吸收塔石灰石浆液供给量、循环泵运行组合方式这两个优化目标，同时实现了出口SO₂浓度达标，并降低了脱硫设备的能耗。

技术领域

本发明属于火电技术领域，尤其涉及一种吸收塔脱硫过程多目标协同智能优化控制方法。

背景技术

近年来，我国的火电装机容量持续攀升，发电市场的竞争局面日趋严峻。另一方面，煤价成本飞升和国内各种环保规范更严格的约束，在未来一段时间内，发电企业如何提高燃烧效率，减少污染物排放，降低发电成本将成为其重点考虑的问题之一。

为了实现出口SO₂浓度达标，并降低脱硫设备能耗，需要一种吸收塔脱硫过程智能优化控制方法。

发明内容

为解决上述技术问题，本发明的目的是提供一种吸收塔脱硫过程多目标协同智能优化控制方法，有效地选取吸收塔石灰石浆液供给量、循环泵运行组合方式这两个优化目标，同时实现出口SO₂浓度达标，并降低脱硫设备的能耗。

本发明提供了一种吸收塔脱硫过程多目标协同智能优化控制方法，包括：

步骤1，基于粒子群优化算法的多目标优化控制，将吸收塔石灰石浆液供给量、循环泵运行组合方式作为优化目标进行遍历迭代寻优，并在遍历迭代寻优过程中基于吸收塔过程模型获取出口SO₂浓度和脱硫设备能耗的概率分布；

步骤2，根据优化的目标函数评判优化目标的优劣；其中，优化的目标函数是在实现出口SO₂浓度达标，并降低脱硫设备能耗之间寻求最优。

进一步地，步骤1具体包括：

将变化的脱硫变量输入多目标优化模型，并随机生成多个多维度粒子；其中，每个粒子对应于当前工况下的一组石灰石浆液供给量、循环泵运行组合方式的值；其中，脱硫变量包括机组的计划发电量和预测入口SO₂浓度；

对所有粒子进行遍历迭代寻优的过程中，将每个粒子输入离线学习得到的吸收塔脱硫过程模型，通过贝叶斯推理，得到的脱硫运行状态，进而得到出口 SO₂浓度和脱硫设备能耗的概率分布。

进一步地，对所有粒子进行遍历迭代寻优包括：

在每一次迭代后，每个粒子自动根据自己的历史最优值和全局的最优值更新自己的参数；

经历了所有迭代后，所有粒子收敛至最优的位置。

进一步地，粒子群优化算法的过程包括：

1)设置N个粒子的初始值，每个粒子x_i代表优化问题的一个潜在解， i∈[1,N]；其中，对于最小值优化问题，每个粒子的适应值Fitness_i，每个粒子的最优位置和整个种群的最优位置g_best都设为无穷大；

2)在迭代次数t达到设置的最大迭代数t_max之前，或者，未满足终止条件的情况下，在每次迭代中重复以下步骤：

(a)计算每个粒子的适应值，Fitness_i＝f(x_i)；

(b)更新每个粒子迄今为止搜索到的最优位置