本發(fā)明涉及NOx排放控制
技術(shù)領(lǐng)域：
，具體是一種變負(fù)荷工況下火電廠鍋爐NOx排放控制方法。
背景技術(shù)：
：電站鍋爐排放的污染物主要包括NOx和SO2，目前脫硫技術(shù)已被廣泛應(yīng)用于電廠中，并取得了良好的效果，而對NOx的排放控制尚處于起步階段。由于鍋爐運(yùn)行中大部分參數(shù)都會對NOx排放量產(chǎn)生影響且火電廠鍋爐各運(yùn)行參數(shù)之間存在著復(fù)雜的耦合關(guān)系，給鍋爐的NOx排放量的預(yù)測與控制帶來了很大困難。合理的控制鍋爐運(yùn)行參數(shù)能夠保證滿足鍋爐負(fù)荷的前提下達(dá)到最佳NOx排放量，有效降低鍋爐燃燒污染物的排放，提高鍋爐運(yùn)行效率。申請?zhí)枮镃N201510958383.8的中國專利“一種三次風(fēng)濃淡分離降低鍋爐NOx排放的系統(tǒng)及方法”提供了一種三次風(fēng)濃淡分離降低鍋爐NOx排放的系統(tǒng)及方法，不改變鍋爐原有制粉系統(tǒng)，在三次風(fēng)排粉機(jī)出口增加煤粉濃淡分離器，將三次風(fēng)有效分離為濃淡兩股氣流，濃煤粉流替代部分二次風(fēng)，在主燃燒區(qū)形成欠氧環(huán)境，增強(qiáng)主燃燒區(qū)氣氛的還原性，減少NOx的排放；淡煤粉流噴入主燃燒區(qū)上部，迅速著火燃燒消耗氧氣，增強(qiáng)爐內(nèi)NOx還原能力；主燃燒區(qū)減少的二次風(fēng)量補(bǔ)充到高位燃盡風(fēng)，保證了爐內(nèi)煤粉的燃盡率。對于低揮發(fā)分無煙煤，可降低NOx排放40％以上。該技術(shù)方案中通過在鍋爐NOx排放系統(tǒng)基礎(chǔ)上進(jìn)行改進(jìn)，以及調(diào)整各部分之間工作過程、調(diào)整燃燒過程實(shí)現(xiàn)鍋爐低NOx排放。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的在于提供一種變負(fù)荷工況下火電廠鍋爐NOx排放控制方法。本發(fā)明的技術(shù)方案：一種變負(fù)荷工況下火電廠鍋爐NOx排放控制方法，包括：建立鍋爐負(fù)荷預(yù)測模型和NOx排放預(yù)測模型；結(jié)合鍋爐負(fù)荷預(yù)測模型和NOx排放預(yù)測模型的預(yù)測結(jié)果，以滿足鍋爐負(fù)荷要求且NOx的排放量最小為優(yōu)化目標(biāo)，求解火電廠鍋爐最優(yōu)控制量；將火電廠鍋爐最優(yōu)控制量下發(fā)到火電廠鍋爐控制其運(yùn)行。所述建立鍋爐負(fù)荷預(yù)測模型和NOx排放預(yù)測模型，包括：獲取火電廠鍋爐工作的歷史數(shù)據(jù)；將最小二乘支持向量機(jī)模型的正則化參數(shù)值和核函數(shù)參數(shù)值作為粒子，采用差分進(jìn)化算法進(jìn)行優(yōu)化得到最小二乘支持向量機(jī)模型，作為鍋爐負(fù)荷預(yù)測模型或NOx排放預(yù)測模型。所述火電廠鍋爐工作的歷史數(shù)據(jù)，包括：火電廠鍋爐控制量、爐膛壓力、各磨煤機(jī)入口一次風(fēng)溫、前包墻出口煙氣含氧量、后包墻出口煙氣含氧量和歷史時刻的鍋爐負(fù)荷量、歷史時刻的NOx排放量；其中的火電廠鍋爐控制量包括：鍋爐總?cè)剂狭?、鍋爐主給水流量、各磨煤機(jī)入口風(fēng)量、總一次風(fēng)量、總二次風(fēng)量；其中的鍋爐總?cè)剂狭?、鍋爐主給水流量、各磨煤機(jī)入口風(fēng)量、總一次風(fēng)量、總二次風(fēng)量和歷史時刻的鍋爐負(fù)荷量，作為鍋爐負(fù)荷預(yù)測的歷史數(shù)據(jù)；其中的鍋爐總?cè)剂狭?、鍋爐主給水流量、各磨煤機(jī)入口風(fēng)量、總一次風(fēng)量、總二次風(fēng)量、爐膛壓力、各磨煤機(jī)入口一次風(fēng)溫、前包墻出口煙氣含氧量、后包墻出口煙氣含氧量和歷史時刻的NOx排放量，作為NOx排放預(yù)測的歷史數(shù)據(jù)。所述將最小二乘支持向量機(jī)模型的正則化參數(shù)值和核函數(shù)參數(shù)值作為粒子，采用差分進(jìn)化算法(DE)進(jìn)行優(yōu)化得到最小二乘支持向量機(jī)模型，作為鍋爐負(fù)荷預(yù)測模型或NOx排放預(yù)測模型，具體包括：初始化差分進(jìn)化算法的參數(shù)；針對每個粒子對應(yīng)的正則化參數(shù)值、核函數(shù)參數(shù)值和火電廠鍋爐工作的歷史數(shù)據(jù)，構(gòu)建最小二乘支持向量機(jī)模型，得到多個最小二乘支持向量機(jī)模型；計(jì)算每個粒子所構(gòu)建的最小二乘支持向量機(jī)模型的平均絕對誤差值，作為每個粒子的適應(yīng)函數(shù)值，根據(jù)適應(yīng)函數(shù)值更新個體歷史最優(yōu)解以及全局最優(yōu)解；判斷是否達(dá)到最大迭代次數(shù)：若是，則輸出最小二乘支持向量機(jī)模型的參數(shù)以及正則化參數(shù)和核函數(shù)參數(shù)，確定最終的鍋爐負(fù)荷預(yù)測模型或NOx排放預(yù)測模型；否則更新粒子，進(jìn)行下一次迭代更新。所述結(jié)合鍋爐負(fù)荷預(yù)測模型和NOx排放預(yù)測模型的預(yù)測結(jié)果，以滿足鍋爐負(fù)荷要求且NOx的排放量最小為優(yōu)化目標(biāo)，求解火電廠鍋爐最優(yōu)控制量，具體包括：獲取鍋爐負(fù)荷要求、NOx排放要求以及爐膛壓力、各磨煤機(jī)入口一次風(fēng)溫、前包墻出口煙氣含氧量、后包墻出口煙氣含氧量；將火電廠鍋爐控制量作為粒子，以滿足鍋爐負(fù)荷要求且NOx的排放量最小為優(yōu)化目標(biāo)，結(jié)合鍋爐負(fù)荷預(yù)測模型和NOx排放預(yù)測模型的預(yù)測結(jié)果，采用差分進(jìn)化算法進(jìn)行優(yōu)化得到火電廠鍋爐最優(yōu)控制量。所述將火電廠鍋爐控制量作為粒子，以滿足鍋爐負(fù)荷要求且NOx的排放量最小為優(yōu)化目標(biāo)，結(jié)合鍋爐負(fù)荷預(yù)測模型和NOx排放預(yù)測模型的預(yù)測結(jié)果，采用差分進(jìn)化算法進(jìn)行優(yōu)化得到火電廠鍋爐最優(yōu)控制量，具體包括：初始化差分進(jìn)化算法參數(shù)；利用鍋爐負(fù)荷預(yù)測模型計(jì)算每個粒子對應(yīng)的鍋爐負(fù)荷；若計(jì)算出的鍋爐負(fù)荷達(dá)到鍋爐負(fù)荷要求，則利用NOx排放預(yù)測模型計(jì)算粒子對應(yīng)的NOx排放量預(yù)測值；同時計(jì)算粒子的適應(yīng)度函數(shù)值；若計(jì)算出的鍋爐負(fù)荷未達(dá)到鍋爐負(fù)荷要求，則將當(dāng)前粒子的適應(yīng)函數(shù)值賦最大值；確定適應(yīng)度函數(shù)值最小的粒子，并更新粒子的個體最優(yōu)解和粒子群的全局最優(yōu)解；若粒子群的全局最優(yōu)解所對應(yīng)的NOx排放量滿足NOx排放要求，則當(dāng)前粒子群的全局最優(yōu)解對應(yīng)的火電廠鍋爐控制量即火電廠鍋爐最優(yōu)控制量，否則，判斷是否達(dá)到最大迭代次數(shù)：若達(dá)到最大迭代次數(shù)，則當(dāng)前粒子群的全局最優(yōu)解對應(yīng)的火電廠鍋爐控制量即火電廠鍋爐最優(yōu)控制量；若未達(dá)到最大迭代次數(shù)，則更新粒子，進(jìn)行下一次迭代更新。所述的方法，還包括：在火電廠鍋爐在最優(yōu)控制量下運(yùn)行時實(shí)時采集火電廠鍋爐工作數(shù)據(jù)；計(jì)算當(dāng)前時刻的鍋爐負(fù)荷量與鍋爐負(fù)荷量預(yù)測值之間的誤差、當(dāng)前時刻的NOx排放量與NOx排放量預(yù)測值之間的誤差；當(dāng)連續(xù)l個時刻的鍋爐負(fù)荷量預(yù)測值或NOx排放量預(yù)測值大于相應(yīng)的指定誤差閾值時，利用當(dāng)前工作數(shù)據(jù)重新建立鍋爐負(fù)荷預(yù)測模型或NOx排放預(yù)測模型。有益效果：針對電廠低NOx排放的需要和合理的運(yùn)行參數(shù)控制問題，本發(fā)明根據(jù)火電廠鍋爐工作的歷史數(shù)據(jù)建立鍋爐負(fù)荷預(yù)測模型和NOx排放預(yù)測模型；結(jié)合鍋爐負(fù)荷預(yù)測模型和NOx排放預(yù)測模型的預(yù)測結(jié)果，以滿足鍋爐負(fù)荷要求且NOx的排放量最小為優(yōu)化目標(biāo)，求解火電廠鍋爐最優(yōu)控制量；將火電廠鍋爐最優(yōu)控制量下發(fā)到火電廠鍋爐控制其運(yùn)行。本發(fā)明方法能夠在保證火電廠鍋爐負(fù)荷的同時獲得最低NOx排放的控制參數(shù)，從而達(dá)到提高發(fā)電效率、減少NOx排放目的，滿足生產(chǎn)要求。附圖說明圖1是本發(fā)明具體實(shí)施方式中的變負(fù)荷工況下火電廠鍋爐NOx排放控制方法流程圖；圖2是本發(fā)明具體實(shí)施方式中的步驟1流程圖；圖3是本發(fā)明具體實(shí)施方式中的步驟2流程圖；圖4是本發(fā)明具體實(shí)施方式中鍋爐負(fù)荷和NOx排放量建模誤差分析圖，(a)是鍋爐負(fù)荷建模誤差分析圖，(b)是NOx排放量建模誤差分析圖；圖5是本發(fā)明具體實(shí)施方式中鍋爐負(fù)荷和NOx排放量預(yù)測誤差分析圖，(a)是鍋爐負(fù)荷預(yù)測誤差分析圖，(b)是NOx排放量預(yù)測誤差分析圖；圖6是本發(fā)明具體實(shí)施方式中升負(fù)荷情況下NOx排放量控制效果對比圖；圖7是本發(fā)明具體實(shí)施方式中降負(fù)荷情況下NOx排放量控制效果對比圖。具體實(shí)施方式下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式進(jìn)行詳細(xì)說明。以下以火電廠發(fā)電過程為例，實(shí)施本發(fā)明的變負(fù)荷工況下火電廠鍋爐NOx排放控制方法，數(shù)據(jù)情況見表1。表1數(shù)據(jù)情況預(yù)測模型輸入維數(shù)輸出維數(shù)歷史數(shù)據(jù)樣本數(shù)預(yù)測樣本數(shù)鍋爐負(fù)荷911000590NOx排放量1611000590本實(shí)施方式提供一種如圖1所示的變負(fù)荷工況下火電廠鍋爐NOx排放控制方法，包括：步驟1：建立鍋爐負(fù)荷預(yù)測模型和NOx排放預(yù)測模型；所述鍋爐負(fù)荷預(yù)測模型的輸入量為鍋爐總?cè)剂狭?、鍋爐主給水流量、各磨煤機(jī)入口風(fēng)量、總一次風(fēng)量、總二次風(fēng)量和前一時刻的鍋爐負(fù)荷量，輸出量為當(dāng)前時刻的鍋爐負(fù)荷量；所述NOx排放預(yù)測模型的輸入量為鍋爐總?cè)剂狭?、鍋爐主給水流量、A磨煤機(jī)入口風(fēng)量、B磨煤機(jī)入口風(fēng)量、D磨煤機(jī)入口風(fēng)量、E磨煤機(jī)入口風(fēng)量、總一次風(fēng)量、總二次風(fēng)量、爐膛壓力、A磨煤機(jī)入口一次風(fēng)溫、B磨煤機(jī)入口一次風(fēng)溫、D磨煤機(jī)入口一次風(fēng)溫、E磨煤機(jī)入口一次風(fēng)溫、前包墻出口煙氣含氧量、后包墻出口煙氣含氧量和前一時刻的NOx排放量，輸出量為當(dāng)前時刻N(yùn)Ox排放量；所述鍋爐負(fù)荷預(yù)測模型和NOx排放預(yù)測模型均采用最小二乘支持向量機(jī)(LS-SVM)的方法，通過差分進(jìn)化算法(DE)優(yōu)化得到最小二乘支持向量機(jī)(LS-SVM)模型的參數(shù)。如圖2所示，步驟1包括如下步驟：步驟1-1：獲取火電廠鍋爐工作的歷史數(shù)據(jù)，包括火電廠鍋爐控制量、爐膛壓力、A磨煤機(jī)入口一次風(fēng)溫、B磨煤機(jī)入口一次風(fēng)溫、D磨煤機(jī)入口一次風(fēng)溫、E磨煤機(jī)入口一次風(fēng)溫、前包墻出口煙氣含氧量、后包墻出口煙氣含氧量和歷史時刻的鍋爐負(fù)荷量、歷史時刻的NOx排放量；其中的火電廠鍋爐控制量包括：鍋爐總?cè)剂狭?、鍋爐主給水流量、A磨煤機(jī)入口風(fēng)量、B磨煤機(jī)入口風(fēng)量、D磨煤機(jī)入口風(fēng)量、E磨煤機(jī)入口風(fēng)量、總一次風(fēng)量、總二次風(fēng)量；其中的鍋爐總?cè)剂狭?、鍋爐主給水流量、A磨煤機(jī)入口風(fēng)量、B磨煤機(jī)入口風(fēng)量、D磨煤機(jī)入口風(fēng)量、E磨煤機(jī)入口風(fēng)量、總一次風(fēng)量、總二次風(fēng)量和歷史時刻的鍋爐負(fù)荷量，作為鍋爐負(fù)荷預(yù)測的歷史數(shù)據(jù)；其中的鍋爐總?cè)剂狭?、鍋爐主給水流量、A磨煤機(jī)入口風(fēng)量、B磨煤機(jī)入口風(fēng)量、D磨煤機(jī)入口風(fēng)量、E磨煤機(jī)入口風(fēng)量、總一次風(fēng)量、總二次風(fēng)量、爐膛壓力、A磨煤機(jī)入口一次風(fēng)溫、B磨煤機(jī)入口一次風(fēng)溫、D磨煤機(jī)入口一次風(fēng)溫、E磨煤機(jī)入口一次風(fēng)溫、前包墻出口煙氣含氧量、后包墻出口煙氣含氧量和歷史時刻的NOx排放量，作為NOx排放預(yù)測的歷史數(shù)據(jù)；鍋爐負(fù)荷預(yù)測的歷史數(shù)據(jù)或NOx排放預(yù)測的歷史數(shù)據(jù)，表示如下：DATA＝{(xi，Yi)|i＝1，2，…，1000}其中，輸入數(shù)據(jù)xi∈Rn，n表示輸入數(shù)據(jù)的維數(shù)，針對鍋爐負(fù)荷預(yù)測的歷史數(shù)據(jù)，n＝9(鍋爐總?cè)剂狭俊㈠仩t主給水流量、A磨煤機(jī)入口風(fēng)量、B磨煤機(jī)入口風(fēng)量、D磨煤機(jī)入口風(fēng)量、E磨煤機(jī)入口風(fēng)量、總一次風(fēng)量、總二次風(fēng)量和某歷史時刻的鍋爐負(fù)荷量)，針對NOx排放的歷史數(shù)，n＝16(鍋爐總?cè)剂狭?、鍋爐主給水流量、A磨煤機(jī)入口風(fēng)量、B磨煤機(jī)入口風(fēng)量、D磨煤機(jī)入口風(fēng)量、E磨煤機(jī)入口風(fēng)量、總一次風(fēng)量、總二次風(fēng)量、爐膛壓力、A磨煤機(jī)入口一次風(fēng)溫、B磨煤機(jī)入口一次風(fēng)溫、D磨煤機(jī)入口一次風(fēng)溫、E磨煤機(jī)入口一次風(fēng)溫、前包墻出口煙氣含氧量、后包墻出口煙氣含氧量和某歷史時刻的NOx排放量)，xi＝[xi，1，xi，2，…，xi，n]，i表示歷史時刻；輸出數(shù)據(jù)Yi∈R，Yi為下一時刻鍋爐負(fù)荷量或下一時刻N(yùn)Ox排放量；步驟1-2：將最小二乘支持向量機(jī)(LS-SVM)模型的正則化參數(shù)值和核函數(shù)參數(shù)值作為粒子，采用差分進(jìn)化算法(DE)進(jìn)行優(yōu)化得到最小二乘支持向量機(jī)(LS-SVM)模型，作為鍋爐負(fù)荷預(yù)測模型或NOx排放預(yù)測模型；步驟1-2-1：初始化差分進(jìn)化算法(DE)的參數(shù)：設(shè)定縮放因子F＝0.5和交叉參數(shù)CR＝0.9，隨機(jī)產(chǎn)生第0代粒子sj，0∈Rm(j＝1，2，…，M)，sj，0＝[k1，…，km]，kj≥0表示正則化參數(shù)值和核函數(shù)參數(shù)值，M＝100表示粒子的個數(shù)，m＝2表示粒子維數(shù)(正則化參數(shù)值和核函數(shù)參數(shù)值)，M個粒子sj，g對應(yīng)M組正則化參數(shù)值和核函數(shù)參數(shù)值，設(shè)置最大迭代次數(shù)初始化當(dāng)前迭代次數(shù)g＝0，個體歷史最優(yōu)解以及全局最優(yōu)解sgb；步驟1-2-2：針對每個粒子sj，g對應(yīng)的正則化參數(shù)值、核函數(shù)參數(shù)值和鍋爐負(fù)荷預(yù)測的歷史數(shù)據(jù)或NOx排放預(yù)測的歷史數(shù)據(jù)，構(gòu)建最小二乘支持向量機(jī)(LS-SVM)模型，得到M個最小二乘支持向量機(jī)(LS-SVM)模型，如公式(1)所示：其中，表示當(dāng)前時刻的輸入向量x∈Rn的預(yù)測輸出值，x＝[x1，x2，…，xn]，n是輸入向量的維數(shù)，ai，b表示最小二乘支持向量機(jī)(LS-SVM)模型的參數(shù)，N＝1000表示鍋爐負(fù)荷預(yù)測的歷史數(shù)據(jù)的樣本數(shù)目或者NOx排放的歷史數(shù)據(jù)的樣本數(shù)目，本實(shí)施方式選用RBF核函數(shù)，即K(x，xi)＝exp(-||x-xi||2/σ2)，σ為RBF核函數(shù)參數(shù)。正則化參數(shù)為解決優(yōu)化問題構(gòu)建最小二乘支持向量機(jī)(LS-SVM)模型過程中的重要參數(shù)，直接影響著最小二乘支持向量機(jī)(LS-SVM)模型的準(zhǔn)確性。步驟1-2-3：計(jì)算每個粒子sj，g所構(gòu)建的最小二乘支持向量機(jī)(LS-SVM)模型的平均絕對誤差值εj，作為每個粒子的適應(yīng)函數(shù)值f(sj，g)＝εj，根據(jù)適應(yīng)函數(shù)值更新個體歷史最優(yōu)解以及全局最優(yōu)解sgb；εj計(jì)算公式如公式(2)所示，并根據(jù)計(jì)算結(jié)果更新以及sgb，若粒子當(dāng)前的適應(yīng)函數(shù)值小于其個體歷史最優(yōu)解，則將當(dāng)前的粒子更新為個體歷史最優(yōu)解，若當(dāng)前粒子群的全局最優(yōu)解的適應(yīng)函數(shù)值小于歷史全局最優(yōu)解，則將當(dāng)前粒子群的全局最優(yōu)解更新為全局最優(yōu)解；步驟1-2-4：判斷是否達(dá)到最大迭代次數(shù)若是，則輸出最小二乘支持向量機(jī)(LS-SVM)模型的參數(shù)ai，b以及正則化參數(shù)和核函數(shù)參數(shù)，確定最終的鍋爐負(fù)荷預(yù)測模型或NOx排放預(yù)測模型；否則按照公式(3)、(4)、(5)更新粒子，進(jìn)行下一次迭代更新，g＝g+1，執(zhí)行步驟1-2-2；vj＝sr3，g+F*(sr1，g-sr2，g)(3)其中，r1、r2、r3∈{1，2，…，M}，為互不相同的整數(shù)；rand()∈[0，1]是隨機(jī)數(shù)，vj表示第j個差分合成的新粒子，uj表示變異后的第j個粒子，f(uj)表示差分變異后第j個粒子的適應(yīng)函數(shù)值，f(sj，g)表示第g代第j個粒子的適應(yīng)函數(shù)值。步驟2：結(jié)合鍋爐負(fù)荷預(yù)測模型和NOx排放預(yù)測模型的預(yù)測結(jié)果，以滿足鍋爐負(fù)荷要求且NOx的排放量最小為優(yōu)化目標(biāo)，求解火電廠鍋爐最優(yōu)控制量；如圖3所示，步驟2具體包括：步驟2-1：獲取鍋爐負(fù)荷要求、NOx排放要求以及爐膛壓力、A磨煤機(jī)入口一次風(fēng)溫、B磨煤機(jī)入口一次風(fēng)溫、D磨煤機(jī)入口一次風(fēng)溫、E磨煤機(jī)入口一次風(fēng)溫、前包墻出口煙氣含氧量、后包墻出口煙氣含氧量；步驟2-2：將火電廠鍋爐控制量作為粒子，以滿足鍋爐負(fù)荷要求且NOx的排放量最小為優(yōu)化目標(biāo)，結(jié)合鍋爐負(fù)荷預(yù)測模型和NOx排放預(yù)測模型的預(yù)測結(jié)果，采用差分進(jìn)化算法(DE)進(jìn)行優(yōu)化得到火電廠鍋爐最優(yōu)控制量；步驟2-2-1：初始化差分進(jìn)化算法(DE)參數(shù)：設(shè)定縮放因子F和交叉參數(shù)CR，隨機(jī)產(chǎn)生第0代粒子sj，0∈Rm(j＝1，2，…，M)，sj，0＝[k1，k2，…，kM]，kj≥0表示鍋爐總?cè)剂狭?、鍋爐主給水流量、A磨煤機(jī)入口風(fēng)量、B磨煤機(jī)入口風(fēng)量、D磨煤機(jī)入口風(fēng)量、E磨煤機(jī)入口風(fēng)量、總一次風(fēng)量、總二次風(fēng)量，M＝100表示粒子的個數(shù)，m＝8表示粒子維數(shù)(鍋爐總?cè)剂狭?、鍋爐主給水流量、A磨煤機(jī)入口風(fēng)量、B磨煤機(jī)入口風(fēng)量、D磨煤機(jī)入口風(fēng)量、E磨煤機(jī)入口風(fēng)量、總一次風(fēng)量、總二次風(fēng)量)，設(shè)置最大迭代次數(shù)初始化當(dāng)前迭代次數(shù)g＝0，個體歷史最優(yōu)解以及全局最優(yōu)解sgb；步驟2-2-2：利用鍋爐負(fù)荷預(yù)測模型計(jì)算每個粒子對應(yīng)的鍋爐負(fù)荷；步驟2-2-3：判斷計(jì)算出的鍋爐負(fù)荷是否達(dá)到鍋爐負(fù)荷要求：是，則執(zhí)行步驟2-2-5；否則執(zhí)行步驟2-2-4；步驟2-2-4：將當(dāng)前粒子的適應(yīng)函數(shù)值賦最大值，本實(shí)施方式中賦值10000，執(zhí)行步驟2-2-6；步驟2-2-5：利用NOx排放預(yù)測模型計(jì)算粒子對應(yīng)的NOx排放量預(yù)測值；同時計(jì)算粒子的適應(yīng)度函數(shù)值；其中，l＝3表示預(yù)測步長；表示第j個粒子對應(yīng)的NOx排放量預(yù)測值，Rj為第j個粒子對應(yīng)的NOx排放量參考值；步驟2-2-6：確定適應(yīng)度函數(shù)值最小的粒子，并更新和sgb；若粒子當(dāng)前的適應(yīng)函數(shù)值小于其個體歷史最優(yōu)解，則將當(dāng)前的粒子更新為個體歷史最優(yōu)解，若當(dāng)前粒子群的全局最優(yōu)解的適應(yīng)函數(shù)值小于歷史全局最優(yōu)解，則將當(dāng)前粒子群的全局最優(yōu)解更新為全局最優(yōu)解；步驟2-2-7：判斷粒子群中適應(yīng)度函數(shù)值最小的粒子(即全局最優(yōu)解)所對應(yīng)的NOx排放量是否滿足NOx排放要求，如果滿足執(zhí)行步驟2-2-10，否則執(zhí)行步驟2-2-8；步驟2-2-8：判斷是否達(dá)到最大迭代次數(shù)是，則執(zhí)行步驟2-2-10，否則執(zhí)行步驟2-2-9；步驟2-2-9：按公式(3)～(5)更新粒子，進(jìn)行下一次迭代更新，g＝g+1，執(zhí)行步驟2-2-2；步驟2-2-10：當(dāng)前粒子群中適應(yīng)度函數(shù)值最小的粒子(即全局最優(yōu)解)對應(yīng)的火電廠鍋爐控制量即火電廠鍋爐最優(yōu)控制量；步驟3：將火電廠鍋爐最優(yōu)控制量下發(fā)到火電廠鍋爐控制其運(yùn)行；步驟4：在火電廠鍋爐在最優(yōu)控制量下運(yùn)行時實(shí)時采集火電廠鍋爐工作數(shù)據(jù)，包括爐膛壓力、A磨煤機(jī)入口一次風(fēng)溫、B磨煤機(jī)入口一次風(fēng)溫、D磨煤機(jī)入口一次風(fēng)溫、E磨煤機(jī)入口一次風(fēng)溫、前包墻出口煙氣含氧量、后包墻出口煙氣含氧量和當(dāng)前時刻的鍋爐負(fù)荷量、當(dāng)前時刻的NOx排放量；步驟5：計(jì)算當(dāng)前時刻的鍋爐負(fù)荷量與鍋爐負(fù)荷量預(yù)測值之間的誤差、當(dāng)前時刻的NOx排放量與NOx排放量預(yù)測值之間的誤差；步驟6：當(dāng)連續(xù)l個時刻的鍋爐負(fù)荷量預(yù)測值或NOx排放量預(yù)測值大于相應(yīng)的指定誤差閾值時，返回步驟1，利用當(dāng)前工作數(shù)據(jù)重新建立鍋爐負(fù)荷預(yù)測模型或NOx排放預(yù)測模型。鍋爐負(fù)荷預(yù)測模型的建模誤差、NOx排放預(yù)測模型的建模誤差分別如圖4(a)～(b)所示，當(dāng)前時刻的鍋爐負(fù)荷量與鍋爐負(fù)荷量預(yù)測值之間的誤差、當(dāng)前時刻的NOx排放量與NOx排放量預(yù)測值之間的誤差分別如圖5(a)～(b)所示。從表2中看出，建模負(fù)荷和NOx排放量的最大誤差分別為2.0655MW和4.1609mg/m3，建模負(fù)荷和NOx排放量的平均絕對誤差為0.5238MW和0.7547mg/m3；預(yù)測負(fù)荷和NOx排放量的最大誤差分別為1.7957MW和9.1981mg/m3，預(yù)測負(fù)荷和NOx排放量的平均絕對誤差為0.4967MW和2.8856mg/m3，可以滿足實(shí)際運(yùn)行需要。表2建模與預(yù)測結(jié)果統(tǒng)計(jì)分析在降負(fù)荷和升負(fù)荷情況下NOx排放量優(yōu)化對比圖分別見圖6和圖7。從圖6和圖7中看出，通過本發(fā)明所提方法，在變負(fù)荷的情況下，優(yōu)化控制后的NOx排放量的值明顯低于未優(yōu)化前的值，可以達(dá)到控制NOx排放量的目的，獲得較高的燃燒經(jīng)濟(jì)性，具有廣闊的應(yīng)用前景。當(dāng)前第1頁1 2 3