[发明专利]一种大数据自学习的燃料自动调节方法、系统及相关组件

权利要求书

1.一种大数据自学习的燃料自动调节方法，其特征在于，包括：

获取实际吨煤产汽率；

根据所述实际吨煤产汽率计算预测吨煤产汽率；

将所述预测吨煤产汽率作为PID调节器的比例控制值，以便通过所述PID调节器控制给煤机的燃料投入量；

所述根据所述实际吨煤产汽率计算预测吨煤产汽率的过程具体为：

通过预测吨煤产汽率计算关系式计算预测吨煤产汽率，其中，所述预测吨煤产汽率计算关系式为：

YC为当前计算周期的预测吨煤产汽率，CZ为上一计算周期的预测吨煤产汽率，TM为预测采样时间长度，IN为所述实际吨煤产汽率，QX为所述实际吨煤产汽率的权重系数。

2.根据权利要求1所述的大数据自学习的燃料自动调节方法，其特征在于，所述获取实际吨煤产汽率的过程具体为：

当满足获取条件时，获取实际吨煤产汽率；

其中，所述获取条件包括：

锅炉主蒸汽流量大于预设流量、燃料投入量信号达到与其对应的预设品质、主蒸汽流量信号达到与其对应的预设品质。

3.根据权利要求2所述的大数据自学习的燃料自动调节方法，其特征在于，所述燃料投入量信号达到与其对应的预设品质具体为：

所述燃料投入量信号处于正常燃料投入量范围内，且所述燃料投入量信号的每秒变化率小于第一预设值；

相应的，所述主蒸汽流量信号达到与其对应的预设品质具体为：

所述主蒸汽流量信号处于正常主蒸汽流量范围内，且所述主蒸汽流量信号的每秒变化率小于第二预设值。

4.根据权利要求1所述的大数据自学习的燃料自动调节方法，其特征在于，所述将所述预测吨煤产汽率作为PID调节器的比例控制值的过程具体为：

当所述预测吨煤产汽率处于正常吨煤产汽率的上限值和下限值之间时，将所述预测吨煤产汽率作为PID调节器的比例控制值。

5.根据权利要求4所述的大数据自学习的燃料自动调节方法，其特征在于，该大数据自学习的燃料自动调节方法还包括：

当所述预测吨煤产汽率小于所述正常吨煤产汽率的下限值，将所述正常吨煤产汽率的下限值作为所述PID调节器的比例控制值；

当所述预测吨煤产汽率大于所述正常吨煤产汽率的上限值，将所述正常吨煤产汽率的上限值作为所述PID调节器的比例控制值。

6.一种大数据自学习的燃料自动调节系统，其特征在于，包括：

获取模块，用于获取实际吨煤产汽率；

计算模块，用于根据所述实际吨煤产汽率计算预测吨煤产汽率；

调节模块，用于将所述预测吨煤产汽率作为PID调节器的比例控制值，以便通过所述PID调节器控制给煤机的燃料投入量；

所述根据所述实际吨煤产汽率计算预测吨煤产汽率的过程具体为：

通过预测吨煤产汽率计算关系式计算预测吨煤产汽率，其中，所述预测吨煤产汽率计算关系式为：

YC为当前计算周期的预测吨煤产汽率，CZ为上一计算周期的预测吨煤产汽率，TM为预测采样时间长度，IN为所述实际吨煤产汽率，QX为所述实际吨煤产汽率的权重系数。

7.根据权利要求6所述的大数据自学习的燃料自动调节系统，其特征在于，所述获取模块具体用于：

当满足获取条件时，获取实际吨煤产汽率；

其中，所述获取条件包括：

锅炉主蒸汽流量大于预设流量、燃料投入量信号达到与其对应的预设品质、主蒸汽流量信号达到与其对应的预设品质。

8.一种大数据自学习的燃料自动调节装置，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1-5任意一项所述大数据自学习的燃料自动调节方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5任意一项所述大数据自学习的燃料自动调节方法的步骤。