[发明专利]一种确定燃气锅炉的运行氧量的方法及装置

说明书

本发明公开了一种确定燃气锅炉的运行氧量的方法、装置、可读介质及电子设备，方法包括：采集所述燃气锅炉的至少两个工况数据，其中，所述工况数据包括燃气热值、燃气总量、总送风量、二次送风量、烟气氧量以及机组供电耗气量；根据各个所述工况数据进行神经网络自学习以形成烟气氧量模型，所述烟气氧量模型指示了所述燃气热值、所述燃气总量、所述总送风量、所述二次送风量与所述烟气氧量、所述机组供电耗气量之间的函数关系；基于遗传算法求解所述烟气氧量模型的最优解，所述最优解指示了所述燃气锅炉的供电耗气量最小时对应的最优运行氧量。根据本发明提供的技术方案得到的最优运行氧量调控燃气锅炉，可提高燃气锅炉的热效率。

技术领域

本发明涉及能源领域，尤其涉及一种确定燃气锅炉的运行氧量的方法及装置。

背景技术

燃气锅炉的运行氧量指的是燃气锅炉运行时炉膛出口烟气的含氧量，运行氧量对燃气锅炉的热效率产生直接影响，即影响燃气锅炉所属供电机组的供电耗气量。具体地，燃气锅炉产生的热能可能被其所属供电机组用于供电，运行氧量过低时，将会导致燃气无法充分燃烧，将会造成热损失以降低锅炉的热效率，从而导致供电耗气量增大；运行氧量过高时，将会导致燃气锅炉所属供电机组中风机鼓入过多的空气而浪费热量，降低燃气锅炉的热效率，从而导致供电耗气量增大。

目前，燃气锅炉的运行氧量通常是基于工作人员的工作经验给出的经验值，可根据该经验值调控燃气锅炉。不同燃气锅炉运行时可能燃烧具有不同特性(比如燃气热值)的燃气、且不同燃气锅炉的炉膛结构也可能各不相同，根据经验值调控燃气锅炉时，可能导致燃气锅炉的热效率较低。

发明内容

本发明提供一种确定燃气锅炉的运行氧量的方法、装置、可读介质及电子设备，根据得到的最优运行氧量调控燃气锅炉，可提高燃气锅炉的热效率。

第一方面，本发明提供了一种确定燃气锅炉的运行氧量的方法，包括：

采集所述燃气锅炉的至少两个工况数据，其中，所述工况数据包括燃气热值、燃气总量、总送风量、二次送风量、烟气氧量以及机组供电耗气量；

根据各个所述工况数据进行神经网络自学习以形成烟气氧量模型，所述烟气氧量模型指示了所述燃气热值、所述燃气总量、所述总送风量、所述二次送风量与所述烟气氧量、所述机组供电耗气量之间的函数关系；

基于遗传算法求解所述烟气氧量模型的最优解，所述最优解指示了所述燃气锅炉的供电耗气量最小时对应的最优运行氧量。

优选地，

所述采集所述燃气锅炉的至少两个工况数据，包括：

确定至少两个负荷率；

针对每一个所述负荷率，采集所述燃气锅炉在至少一个设定时长内以所述负荷率运行时分别对应的工况数据。

优选地，

所述根据各个所述工况数据进行神经网络自学习以形成烟气氧量模型，包括：

针对每个所述工况数据，将所述工况数据中的所述燃气热值、所述燃气总量、所述总送风量、所述二次送风量分别作为输入变量，将所述工况数据中的所述烟气氧量、所述机组供电耗气量分别作为预测变量；

选择至少两个所述工况数据作为训练数据，并将未被选择的各个所述工况数据作为测试数据；

根据每个所述训练数据中的各个所述输入变量及各个所述预测变量，进行神经网络自学习以形成候选烟气氧量模型；

根据每个所述测试数据中的各个所述输入变量及各个所述预测变量，测试所述候选烟气氧量模型是否能够准确预测所述燃气锅炉的所述烟气氧量及所述供电耗气量；

当所述候选烟气氧量模型能够准确预测所述燃气锅炉的所述烟气氧量及所述供电耗气量时，将所述候选烟气氧量模型确定为烟气氧量模型。