[发明专利]一种燃气轮机燃烧优化控制方法及系统

说明书

本发明涉及一种燃气轮机燃烧优化控制方法，包括下列步骤：S1，挖掘收集燃气轮机运行的历史工况数据，通过矩阵映射投影、建造新的数据映射空间数据，建立PCA降维处理模块；S2，将经过降维处理模块处理后的数据进行归一化，结合燃气轮机循环发电效率构建训练样本和预测样本，并进行深度学习和预测分析，建立BP神经网络预测输出模块；S3，结合神经网络预测输出模块神经网络非线性拟合结果，通过数据种群初始化及计算效率适应度，建立燃气轮机燃烧效率系统影响因素的基于BP神经网络遗传算法优化模块；S4，接口电厂的实时运行参数，利用基于BP神经网络遗传算法优化模块进行参数配比寻优，利用寻优得到的最优工况指导燃气轮机燃烧过程。

技术领域

本发明涉及工业燃气轮机燃烧优化系统，具体地说，涉及一种燃气轮机燃烧优化控制方法及系统。

背景技术

随着世界经济的发展，化石能源消费不断增长，环境问题日益突出。在环保问题和能源短缺的双重压力下，我国天然气发电行业仍处于起步发展阶段，目前遇到的问题较多。例如，已投运燃气电站利润较差、效率未达到理想值、压气机喘振，燃烧不充分和起停效率低等，导致燃气轮机的循环发电效率不高。

燃气轮机联合循环效率是一个由多因素决定的参数，其中包括环境温度、压气机进口温度、燃气压力、可调空气进口导叶开度信号、燃料气体温度、值班燃料比例，燃气轮机转速和排气平均温度等。在常规的输入参数调节中，通常注意到的是空气燃气配比问题，传统方法是通过操作人员根据经验调配或者是机组历史数据调配经验。但是，这样效率调控方法不全面不科学，有很多因素没有考虑进去，调控效果不好，燃气轮机联合循环效率低，无法解决企业现有问题。

有鉴于此特提出本发明。

发明内容

本发明要解决的技术问题在于克服现有技术的不足，提供一种燃气轮机燃烧优化控制方法及系统。

为解决上述技术问题，本发明采用技术方案的基本构思是：

一种燃气轮机燃烧优化控制方法，包括下列步骤：

S1，挖掘收集燃气轮机运行的历史工况数据，通过矩阵映射投影、建造新的数据映射空间数据，建立PCA降维处理模块；

S2，将经过降维处理模块处理后的数据进行归一化，结合燃气轮机循环发电效率构建训练样本和预测样本，并进行深度学习和预测分析，建立BP神经网络预测输出模块；

S3，结合神经网络预测输出模块神经网络非线性拟合结果，通过数据种群初始化及计算效率适应度，建立燃气轮机燃烧效率系统影响因素的基于BP神经网络遗传算法优化模块；

S4，接口电厂的实时运行参数，利用基于BP神经网络遗传算法优化模块进行参数配比寻优，利用寻优得到的最优工况指导燃气轮机燃烧过程。

本发明的PCA即主成分分析技术，又称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。

作为本发明的一种实施方式，燃气轮机运行的历史数据包括环境温度、压气机进口温度、燃气压力、可调空气进口导叶的开度信号、燃料气体温度、值班燃料比例、燃气轮机转速和排气平均温度的历史数据。

作为本发明的一种实施方式，每间隔设定时间测试记录历史数据并形成数据库，通过燃料热值、燃料流速、燃料密度，功率因数和无功功率参数计算燃气轮机循环发电机组效率。

作为本发明的一种实施方式，步骤S2中，环境温度、压气机进口温度、燃气压力、可调空气进口导叶的开度信号、燃料气体温度、值班燃料比例、燃气轮机转速和排气平均温度的历史数据作为输入，燃气轮机循环发电效率作为输出，采用BP神经网络进行学习和预测，完成BP神经网络的训练过程。

作为本发明的一种实施方式，PCA降维处理模块的处理包括如下步骤：