[发明专利]基于模型迁移的锅炉宽负荷NOx排放浓度预测方法

说明书

本发明公开了一种基于模型迁移的锅炉宽负荷NOx排放浓度预测方法，包括数值模拟计算中心、基模型训练中心、运行数据通讯接口、基模型迁移及更新机制以及NOx排放预测模型通讯接口；本发明在锅炉主要运行参数的可行域内，以设计煤种为基准，通过离线模拟得到设计煤种下锅炉全工况样本，采用机器学习建立NOx排放预测基模型；考虑锅炉燃用非设计煤种，通过离线模拟得到少量典型工况样本，再采用高斯过程回归将设计煤种基模型迁移到非设计煤种工况，形成适应多煤种变化的基模型库；考虑实际工况与模拟工况的差异，首先根据实际煤质选择基模型，再基于运行数据通过迁移学习将基模型投影到锅炉实际运行状态，实现锅炉宽负荷下NOx排放浓度的准确预测。

技术领域

本发明属于火力发电领域，具体涉及一种基于模型迁移的锅炉宽负荷NOx排放浓度预测方法。

背景技术

NOx是燃煤锅炉燃烧生成的主要污染物之一，实现对锅炉NOx排放浓度的准确预测，可为锅炉运行方式调整提供决策支持，从而满足日趋严格的环保要求。然而，锅炉内煤粉燃烧是一个多场耦合的复杂过程，NOx排放浓度的影响因素众多。此外，随着新能源渗透率的不断提高，燃煤机组更多参与深度调峰任务，锅炉常处于偏离设计工况的超低负荷下运行，这给NOx排放浓度的准确预测带来了新的挑战。因此，亟需一种锅炉宽负荷NOx排放浓度预测方法，为实现锅炉清洁、高效运行提供方向性指导。

目前针对锅炉NOx排放浓度预测大多采用数据驱动的方法，以机组历史运行数据为建模样本，结合神经网络等智能算法建立锅炉NOx排放特性模型。然而，由于深度调峰的机组常处于偏离设计工况的超低负荷下运行，数据样本覆盖量较少，模型的适用性难以保证。为解决上述问题，专利CN107726358A在建模样本中加入CFD模拟样本以扩大样本的覆盖范围，但CFD数值试验结果与锅炉的实际运行特性存在一定差异，因此得到的模型很难准确预测NOx排放浓度。专利CN109670625A公开的NOx排放浓度预测方法虽可实现训练样本在线更新以适应锅炉运行特性的变化，但未考虑煤质特性对NOx排放浓度的影响，从而该方法的适用性受到限制。

本发明采用正交试验法开展CFD数值试验并将模拟结果作为训练样本建立数据驱动模型，基于迁移学习算法对模型进行迁移以适应煤质特性和运行特性的变化，实现宽负荷NOx排放浓度的在线准确预测。

发明内容

发明目的：本发明针对现有技术的不足而公开了一种基于模型迁移的锅炉宽负荷NOx排放浓度预测方法，采用正交试验法开展CFD数值试验并将模拟结果作为训练样本建立数据驱动模型，基于迁移学习算法对模型进行迁移以适应煤质特性和运行特性的变化，实现宽负荷NOx排放浓度的在线准确预测。

技术方案：为解决上述技术问题，本发明提供的一种用于锅炉宽负荷NOx排放浓度预测的方法，包括以下步骤：

(1)结合锅炉设计信息和燃料特性，确定负荷、风门开度、氧量等主要运行参数分布范围；

(2)结合边界条件的理论可行域，采用正交试验法，针对设计煤种进行CFD数值试验，获取锅炉宽负荷NOx排放浓度预测建模样本；

(3)以CFD数值模拟样本形成锅炉宽负荷建模样本库，采用智能算法建立NOx排放浓度预测基本模型Z＝f(X)，其中为X为边界条件，Z设计煤种所对应的模型输出值；

(4)重复步骤(2)，针对机组历史数据仓库中另一常用非设计煤种1进行少量CFD数值试验，获取少量该煤种下NOx排放浓度预测建模样本；

(5)基于步骤(4)中少量非设计煤种1下NOx排放浓度预测建模样本，采用高斯过程回归和贝叶斯理论将设计煤种基模型进行迁移，建立非设计煤种1所对应的NOx排放浓度预测基本模型Z₁＝f(X)，其中为X为边界条件，Z₁为非设计煤种1所对应的模型输出值；

(6)重复步骤(4)和步骤(5)，建立电站所有常用煤种的NOx排放浓度预测基模型库；