[发明专利]基于配风方式优化的四角切圆锅炉燃烧优化控制方法

权利要求书

1.基于配风方式优化的四角切圆锅炉燃烧优化控制方法，其特征在于，包括如下步骤：

步骤1，根据四角切圆锅炉结构，确定以下参数：燃尽风配置层数F1，周界风配置层数F2，二次风配置层数F3，给煤机台数T；

步骤2，利用厂级监控信息系统采集并筛选各个典型工况时刻下的运行数据，数据类别包括6类输入量以及3类输出量，其中，6类输入量为各层燃尽风门开度、各层周界风门开度、各层二次风门开度、各台给煤机给煤量、省煤器出口氧量定值、机组负荷，3类输出量为锅炉效率、再热汽温、脱硝系统入口NOx浓度；针对6类输入量的前4类输入量，对每类输入量进行二阶最小二乘拟合，在每一时刻得到三个拟合系数；

所述针对6类输入量的前4类输入量，对每类输入量进行二阶最小二乘拟合，在每一时刻得到三个拟合系数，具体过程如下：

每类输入量二阶最小二乘拟合的拟合系数通过以下公式得到：

其中，t为风门或给煤机层数序号，n为该类输入量的配置层数，X_t为对应第t层风门或给煤机的实际开度，CX,BX,AX为拟合系数，X_t与拟合系数关系如下：

X_t＝AX·t²+BX·t+CX

对前4类输入量依次进行二阶最小二乘拟合，则各层燃尽风门开度用表示、各层周界风门开度用表示、各层二次风门开度用表示、各台给煤机给煤量用表示，F1为燃尽风配置层数，F2为周界风配置层数，F3为二次风配置层数，T为给煤机台数；

步骤3，分别针对锅炉效率、再热汽温、脱硝系统入口NOx浓度建立三个支持向量回归机模型，将步骤2得到的三个拟合系数代替输入量作为模型输入，对模型进行训练，得到初始支持向量回归机模型；模型输入和输出分别如下：

Input_eff＝[FX_sofa(z),FX_sur(z),FX_sec(z),FX_fuel(z),X_o2(z),X_load(z),Y_eff(z)]

Output_eff＝[Y_eff(z+1)]

Input_tem＝[FX_sofa(z),FX_sur(z),FX_sec(z),FX_fuel(z),X_o2(z),X_load(z),Y_tem(z)]

Output_tem＝[Y_tem(z+1)]

Input_nox＝[FX_sofa(z),FX_sur(z),FX_sec(z),FX_fuel(z),X_o2(z),X_load(z),Y_nox(z)]

Output_nox＝[Y_nox(z+1)]

其中，Input_eff、Output_eff分别表示锅炉效率支持向量回归机模型的输入、输出，Input_tem、Output_tem分别表示再热汽温支持向量回归机模型的输入、输出，Input_nox、Output_nox分别表示脱硝系统入口NOx浓度支持向量回归机模型的输入、输出，FX_sofa(z)＝[AX_sofa(z),BX_sofa(z),CX_sofa(z)]为第z时刻燃尽风门开度拟合系数，FX_sur(z)＝[AX_sur(z),BX_sur(z),CX_sur(z)]为第z时刻周界风门开度拟合系数，FX_sec(z)＝[AX_sec(z),BX_sec(z),CX_sec(z)]为第z时刻二次风门开度拟合系数，FX_fuel(z)＝[AX_fuel(z),BX_fuel(z),CX_fuel(z)]为第z时刻给煤机给煤量拟合系数，X_o2(z)为第z时刻省煤器出口烟气含氧量，X_load(z)为第z时刻机组负荷，Y_eff(z)、Y_eff(z+1)分别为第z和z+1时刻锅炉效率，Y_tem(z)、Y_tem(z+1)分别为第z和z+1时刻再热汽温，Y_nox(z)、Y_nox(z+1)分别为第z和z+1时刻脱硝系统入口NOx浓度；

步骤4，根据分散控制系统采集当前时刻的运行数据，数据类别与步骤2相同，采用与步骤2相同的方法对前4类输入量进行二阶最小二乘拟合，每个输入量都得到对应的拟合系数，将包含拟合系数在内的6类输入量分别代入三个初始支持向量回归机模型，得到锅炉效率、再热汽温、脱硝系统入口NOx浓度的预测值；

步骤5，将步骤4得到的锅炉效率、再热汽温、脱硝系统入口NOx浓度的预测值和各自对应的实测值作差，若差值大于等于预测误差阈值，则采用精确在线支持向量回归机方法对模型参数进行增量式在线更新，得到预测模型；若差值小于预测误差阈值，则将初始支持向量回归机模型作为预测模型；具体过程如下：

步骤5.1，设定当前时刻采集的运行数据即k时刻样本对应的拉格朗日乘子θ_c＝0；

步骤5.2，根据k时刻实测值y(k)与模型预测值y_p(k)计算边缘函数h(k)：

h(k)＝y_p(k)-y(k)

若|h(k)|≥Rg，则继续进行步骤5.3，Rg为所设置的预测误差阈值；

步骤5.3，采用初始支持向量回归机模型对步骤2采集的运行数据进行筛选，筛选出其中拉格朗日乘子的绝对值大于0的运行数据作为训练样本集，根据拉格朗日乘数法和KKT条件，将训练样本集分为如下三个子集：错误支持向量集E，边缘支持向量集S和保留支持向量集R，具体定义如下：

其中，r为训练样本集中样本的序号，l_sv为训练样本集中样本的数量，θ_r为训练样本集中第r个样本对应的拉格朗日乘子，h_r为第r个样本对应的边缘函数，ε为不敏感系数，C为惩罚系数，每个子集包含训练样本集的部分样本，记为l_e、l_s、l_r为错误支持向量集E、边缘支持向量集S、保留支持向量集R包含的样本数量；

步骤5.4，根据下式确定每次迭代时θ_c的改变量Δθ_c的符号：

sign(Δθ_c)＝sign(-h(k))

同时对θ_c进行更新：θ_c＝θ_c+Δθ_c；

步骤5.5，根据下式对决策参数b以及S集中样本对应的拉格朗日乘子进行更新：

其中，Δb为决策参数增量，为S集中样本对应的拉格朗日乘子增量，β根据下式得到：

其中，K(s_p,s_q)为S集中第p和第q个样本的核函数值，K(s_p,c)为S集中第p个样本和k时刻样本c的核函数值，p＝1,…,l_s，q＝1,…,l_s，定义集合根据下式对N集中样本的边缘函数进行更新：

其中，为N集中样本对应的边缘函数，γ根据下式得到：

其中，K(n_l,c)为N集中第l个样本和k时刻样本c的核函数值，K(n_l,s_p)为N集中第l个样本和S集中第p个样本的核函数值，l＝1,…,l_n，p＝1,…,l_s；

步骤5.6，将经步骤5.5更新后的模型参数代入初始支持向量回归机模型，对模型进行更新，计算模型更新后k时刻样本边缘函数h′(k)，对h′(k)进行判断：若h′(k)从|h′(k)|＞ε改变至|h′(k)|＝ε，则将k时刻样本加入S集作为支持向量，保存模型参数，结束更新算法；否则继续下一步骤；

步骤5.7，对θ_c进行判断，若|θ_c|≥C，模型参数恢复到更新前状态，结束更新算法，否则继续下一步骤；

步骤5.8，回到步骤5.4进行下一次的迭代，将更新后的模型参数代入计算；

步骤6，根据优化范围以及变化速率的设置值，结合前4类输入量参考折线，构建前4类输入量的约束不等式矩阵条件；

步骤7，利用预测控制的方法，结合步骤5得到的预测模型以及步骤6得到的约束不等式矩阵，根据目标函数求解带约束的非线性规划问题，求得一组满足约束不等式矩阵条件且使锅炉效率最高、NOx浓度最低的解，对其中前4类拟合系数进行反拟合，得到前4类输入量的实际优化指令，将所有优化输入量输出到分散控制系统；

步骤8，返回步骤4进行下一时刻的优化计算。

2.根据权利要求1所述基于配风方式优化的四角切圆锅炉燃烧优化控制方法，其特征在于，所述步骤6的具体过程如下：

步骤6.1，在每个时刻优化计算时，通过下式所示优化范围约束不等式确保输入量位于限值之内：

其中，max₁(k),max₂(k),…,max_n(k)分别为k时刻对应工况下第1到n个输入量的上限值，min₁(k),min₂(k),…,min_n(k)分别为k时刻对应工况下第1到n个输入量的下限值，X₁(k),X₂(k),…,X_n(k)为k时刻对应工况下第1到n个输入量的实际开度大小，1,2,…,n为对应工况下输入量对应的序号，[AX(k),BX(k),CX(k)]为k时刻输入量二阶拟合后的拟合系数；

步骤6.2，通过下式所示的不等式对每个时刻输入量增量进行约束：

其中，X₁(k-1),X₂(k-1),…,X_n(k-1)为k-1时刻第1到n个输入量的实际开度大小，Δmax₁(k),Δmax₂(k),…,Δmax_n(k)分别为k时刻设置的第1到n个输入量增大速率，Δmin₁(k),Δmin₂(k),…,Δmin_n(k)分别为k时刻设置的第1到n个输入量减小速率；

步骤6.3，对步骤6.1和步骤6.2的不等式进行整合，最终构成输入量的调节上下限：

其中，