基于大数据的一氧化碳调整优化控制方法、系统及设备

技术领域

本发明涉及一氧化碳浓度控制技术领域，尤其涉及一种基于大数据的一氧化碳调整优化控制方法、系统及设备。

背景技术

火电厂一氧化碳浓度控制关乎锅炉的经济性，日常运行中通过控制氧气含量来控制一氧化碳浓度，一氧化碳浓度控制过高则会造成锅炉未完全燃烧热损失增大，一氧化碳浓度控制过低又会造成风机耗电率增加、排烟温度升高、液氨消耗量增加、飞灰含碳量上升等一系列的影响，同时CO浓度排放升高也会影响锅炉安全，容易引发尾部烟道二次燃烧。

因此，如何对一氧化碳浓度的控制进行优化调整成为了本领域技术人员急需解决的技术问题。

发明内容

本发明提供一种基于大数据的一氧化碳调整优化控制方法、系统及设备，用以解决现有技术中一氧化碳浓度控制效率较低的缺陷。

本发明提供一种基于大数据的一氧化碳调整优化控制方法，包括：

确定火电厂中锅炉燃烧的煤种、负荷和制粉系统的运行方式；

输入所述煤种、负荷和制粉系统的运行方式至一氧化碳浓度控制曲线，输出一氧化碳浓度调整优化参数，其中，一氧化碳浓度控制曲线是基于煤种样本、负荷样本、制粉系统的运行方式样本和一氧化碳浓度调整优化参数样本进行预先训练得到的；

基于所述一氧化碳浓度调整优化参数，通过热工逻辑修正锅炉氧气含量控制指令；

监测在所述锅炉氧气含量控制指令下的风机耗电率、排烟温度、液氨消耗量和飞灰含碳量；

基于所述风机耗电率、排烟温度、液氨消耗量和飞灰含碳量与预设目标值的差异，反馈调节所述一氧化碳浓度调整优化参数。

根据本发明提供的一种基于大数据的一氧化碳调整优化控制方法，所述确定火电厂中锅炉燃烧的煤种、负荷和制粉系统的运行方式之前，还包括：

调取预设时长内，预设数量锅炉的煤种数据、负荷数据、制粉系统的运行方式数据；

统计在所述煤种数据、负荷数据、制粉系统的运行方式数据下的实际一氧化碳浓度调整优化参数数据；

确定所述预设时长内的预设数量锅炉在所述煤种数据、所述负荷数据、所述制粉系统的运行方式数据下的标准一氧化碳浓度调整优化参数数据；

将所述实际一氧化碳浓度调整优化参数数据与所述标准一氧化碳浓度调整优化参数数据进行融合，得到一氧化碳浓度调整优化参数样本和对应的煤种样本、负荷样本、制粉系统的运行方式样本；

基于所述煤种样本、负荷样本、制粉系统的运行方式样本和所述一氧化碳浓度调整优化参数样本，构建一氧化碳浓度控制曲线。

根据本发明提供的一种基于大数据的一氧化碳调整优化控制方法，所述输入所述煤种、负荷和制粉系统的运行方式至一氧化碳浓度控制曲线，输出一氧化碳浓度调整优化参数，包括：

确定所述煤种的结构构成配比；

基于所述煤种的结构构成配比，在一氧化碳浓度曲线集合中选择对应的目标一氧化碳浓度曲线；

输入所述煤种、负荷和制粉系统的运行方式至对应的目标一氧化碳浓度控制曲线，输出一氧化碳浓度调整优化参数。

根据本发明提供的一种基于大数据的一氧化碳调整优化控制方法，所述确定所述煤种的结构构成配比，包括：

采集煤种图片；

输入所述煤种图片至煤种检测模型，输出煤种类型；

基于不同的煤种类型确定出煤种结构构成配比。

根据本发明提供的一种基于大数据的一氧化碳调整优化控制方法，所述基于不同的煤种类型确定出煤种结构构成配比之后，还包括：

接受人工确认信息，所述人工确认信息是通过质量关系得到的；

当所述人工确认信息表示所述煤种结构构成配比错误时，以所述人工信息中的配比作为新的煤种结构构成配比。

根据本发明提供的一种基于大数据的一氧化碳调整优化控制方法，所述基于所述一氧化碳浓度调整优化参数，通过热工逻辑修正锅炉氧气含量控制指令，包括：

确定当前锅炉氧气含量；

通过氧量控制曲线，确定所述一氧化碳浓度调整优化参数对应的目标锅炉氧气含量；

基于所述目标锅炉氧气含量与所述当前锅炉氧气含量的大小关系，修正锅炉氧气含量控制指令。

根据本发明提供的一种基于大数据的一氧化碳调整优化控制方法，所述基于所述风机耗电率、排烟温度、液氨消耗量和飞灰含碳量与预设目标值的差异，反馈调节所述一氧化碳浓度调整优化参数，包括：

确定在所述风机耗电率、所述排烟温度、所述液氨消耗量和所述飞灰含碳量下的燃烧损失；

确定所述燃烧损失与最优燃烧损失的差值；

基于所述差值，调整所述一氧化碳浓度调整优化参数，以降低燃烧损失。

根据本发明提供的一种基于大数据的一氧化碳调整优化控制方法，还包括：

确定在不同煤种、不同负荷和不同制粉系统的运行方式下的燃烧效率和经济指标；

基于所述燃烧效率和所述经济指标，确定最优的煤种、负荷和制粉系统的运行方式的组合；

推送所述最优的煤种、负荷和制粉系统的运行方式的组合至不同的火电厂。

本发明还提供一种基于大数据的一氧化碳调整优化控制系统，包括：

确定模块，用于确定火电厂中锅炉燃烧的煤种、负荷和制粉系统的运行方式；

大数据模块，用于输入所述煤种、负荷和制粉系统的运行方式至一氧化碳浓度控制曲线，输出一氧化碳浓度调整优化参数，其中，一氧化碳浓度控制曲线是基于煤种样本、负荷样本、制粉系统的运行方式样本和一氧化碳浓度调整优化参数样本进行预先训练得到的；

修正模块，用于基于所述一氧化碳浓度调整优化参数，通过热工逻辑修正锅炉氧气含量控制指令；

监测模块，用于监测在所述锅炉氧气含量控制指令下的风机耗电率、排烟温度、液氨消耗量和飞灰含碳量；

调节模块，用于基于所述风机耗电率、排烟温度、液氨消耗量和飞灰含碳量与预设目标值的差异，反馈调节所述一氧化碳浓度调整优化参数。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于大数据的一氧化碳调整优化控制方法。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于大数据的一氧化碳调整优化控制方法。

本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于大数据的一氧化碳调整优化控制方法。

本发明提供的一种基于大数据的一氧化碳调整优化控制方法、系统及设备，方法通过确定火电厂中锅炉燃烧的煤种、负荷和制粉系统的运行方式；输入煤种、负荷和制粉系统的运行方式至一氧化碳浓度控制曲线，输出一氧化碳浓度调整优化参数，其中，一氧化碳浓度控制曲线是基于煤种样本、负荷样本、制粉系统的运行方式样本和一氧化碳浓度调整优化参数样本进行预先训练得到的；基于一氧化碳浓度调整优化参数，通过热工逻辑修正锅炉氧气含量控制指令；监测在锅炉氧气含量控制指令下的风机耗电率、排烟温度、液氨消耗量和飞灰含碳量；基于风机耗电率、排烟温度、液氨消耗量和飞灰含碳量与预设目标值的差异，反馈调节一氧化碳浓度调整优化参数，通过一氧化碳浓度控制曲线的方式精准地确定出当前需要的一氧化碳浓度调整优化参数，然后通过氧气含量的修正控制实现一氧化碳浓度调整优化参数，再结合具体的锅炉燃烧参数，反馈调节一氧化碳浓度调整优化参数，既保证了燃烧效率，也保证了一氧化碳浓度和合理性。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的基于大数据的一氧化碳调整优化控制方法的流程示意图；

图2是本发明提供的基于大数据的一氧化碳调整优化控制系统的结构示意图；

图3是本发明实施例提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合图1-图3描述本发明的一种基于大数据的一氧化碳调整优化控制方法、系统及设备。

图1是本发明实施例提供的基于大数据的一氧化碳调整优化控制方法的流程示意图。

如图1所示，本实施例提供的一种基于大数据的一氧化碳调整优化控制方法，包括：

101、确定火电厂中锅炉燃烧的煤种、负荷和制粉系统的运行方式。

在一个具体的实现过程中，首先确定火电厂在当前工作状态下，锅炉燃烧的煤种、负荷以及制粉系统的运行方式等，针对不同的煤种、不同的负荷和不同的制粉系统运行方式，所需要的一氧化碳浓度也是不同的。

其中，煤种、负荷和制粉系统的运行方式具有多种不同的组合方式，因此，还需要确定对应的组合内容，以确保更加精准地实现后续一氧化碳浓度控制。

确定具体的组合方式可以是自动的，通过图像识别，或者是通过机器参数识别，自动获取煤种参数，负荷参数和对应的制粉系统的运行方式参数，从而能够实现对组合方式的自动确定，也可以是人为确定，可以人为根据现场情况输入具体的组合方式。

102、输入煤种、负荷和制粉系统的运行方式至一氧化碳浓度控制曲线，输出一氧化碳浓度调整优化参数，其中，一氧化碳浓度控制曲线是基于煤种样本、负荷样本、制粉系统的运行方式样本和一氧化碳浓度调整优化参数样本进行预先训练得到的。

在得到煤种、负荷以及制粉系统的运行方式之后，将其输入至一氧化碳浓度控制曲线当中，一氧化碳浓度控制曲线便能够自动的计算得到最优的一氧化碳浓度调整优化参数。其中，一氧化碳浓度控制曲线是通过大数据训练得到的，即针对任何的煤种、负荷与制粉系统的运行方式都有着对应的一氧化碳浓度调整优化参数，一氧化碳浓度控制曲线直接反应煤种、负荷以及制粉系统的运行方式与一氧化碳浓度的对应关系。可以理解为横坐标为煤种、负荷以及制粉系统的运行方式，而纵坐标则是一氧化碳浓度，从而针对每个不同的情况都有着对应值。

通过一氧化碳浓度控制曲线能够快速准确的，确定出最优的一氧化碳浓度调整优化参数，高效且快速。而一氧化碳浓度控制曲线的构建过程可以是通过大量的数据样本，数据样本越多，则最终的一氧化碳浓度控制曲线则越精准。

103、基于一氧化碳浓度调整优化参数，通过热工逻辑修正锅炉氧气含量控制指令。

在得到精确地一氧化碳浓度调整优化参数之后，便需要对系统进行调节，以达到一氧化碳浓度调整优化参数的目的，而进行一氧化碳浓度控制的方式选择采用通过控制锅炉氧气含量的方式进行，通过修正锅炉氧气含量将一氧化碳浓度调整至目标值。

104、监测在锅炉氧气含量控制指令下的风机耗电率、排烟温度、液氨消耗量和飞灰含碳量。

实时监测在当前一氧化碳浓度之下即锅炉氧气含量控制指令下的锅炉运行状态参数，包括风机耗电率、排烟温度、液氨消耗量和飞灰含碳量等等，从而通过该状态参数的大小确定锅炉燃烧效率、热损失等等。

其中，监测的具体方式可以是通过各种不同的传感器检测，通过传感器的方式监测速度快，且准确性高。

105、基于风机耗电率、排烟温度、液氨消耗量和飞灰含碳量与预设目标值的差异，反馈调节一氧化碳浓度调整优化参数。

确定计算出风机耗电率、排烟温度、液氨消耗量和飞灰含碳量之后，将其分别与对应的目标值进行比较，确定状态参数是否均处理合理高效地范围之内，若是在范围之内，则保持当前一氧化碳浓度调整优化参数，若是未在范围之内，表明当前的一氧化碳浓度调整优化参数并不是最优值，此时，便需要反馈再去调节一氧化碳浓度调整优化参数，从而保证一氧化碳浓度与风机耗电率、排烟温度、液氨消耗量和飞灰含碳量都处于最优比例。

进一步的，在上述实施例的基础上，本实施例中的确定火电厂中锅炉燃烧的煤种、负荷和制粉系统的运行方式之前，还包括：调取预设时长内，预设数量锅炉的煤种数据、负荷数据、制粉系统的运行方式数据；统计在煤种数据、负荷数据、制粉系统的运行方式数据下的实际一氧化碳浓度调整优化参数数据；确定预设时长内的预设数量锅炉在煤种数据、负荷数据、制粉系统的运行方式数据下的标准一氧化碳浓度调整优化参数数据；将实际一氧化碳浓度调整优化参数数据与标准一氧化碳浓度调整优化参数数据进行融合，得到一氧化碳浓度调整优化参数样本和对应的煤种样本、负荷样本、制粉系统的运行方式样本；基于煤种样本、负荷样本、制粉系统的运行方式样本和一氧化碳浓度调整优化参数样本，构建一氧化碳浓度控制曲线。

具体的，为了使得一氧化碳浓度控制曲线更加准确，因此在进行构建时，则会用到大量的煤种样本、负荷样本、制粉系统的运行方式样本和一氧化碳浓度调整优化参数样本，样本数量越大，则最终的一氧化碳浓度曲线越准确。而且通过将预设时长内，预设数量锅炉的煤种数据、负荷数据、制粉系统的运行方式数据对应的实际一氧化碳浓度调整优化参数数据与对应的标准一氧化碳浓度调整优化参数数据进行融合，得到的各种样本，最终构建的曲线既能够保证结果真实，还能够保证贴合理论值。将实际值与理论值结合的方式，能够对煤种样本、负荷样本、制粉系统的运行方式样本对应的实际一氧化碳浓度调整优化参数数据进行修正，避免由于统计错误导致的一氧化碳浓度调整优化参数样本不准确，从而更好的提升一氧化碳浓度控制曲线的准确性。

进一步的，在上述实施例的基础上，本实施例中的输入煤种、负荷和制粉系统的运行方式至一氧化碳浓度控制曲线，输出一氧化碳浓度调整优化参数，包括：确定煤种的结构构成配比；基于煤种的结构构成配比，在一氧化碳浓度曲线集合中选择对应的目标一氧化碳浓度曲线；输入煤种、负荷和制粉系统的运行方式至对应的目标一氧化碳浓度控制曲线，输出一氧化碳浓度调整优化参数。

其中，确定煤种的结构构成配比，包括：采集煤种图片；输入煤种图片至煤种检测模型，输出煤种类型；基于不同的煤种类型确定出煤种结构构成配比。

具体的，为了更加准确的确定一氧化碳浓度调整优化参数，针对不同的煤种结构构成配比，要确定对应不同的一氧化碳浓度曲线，因此，在进行确定时，首先通过采集煤种图片，利用图片识别的方式精准地确定出煤种结构构成配比，从而筛选出对应的一氧化碳浓度控制曲线，从而精准地确定出目标一氧化碳浓度调整优化参数。

其中，一氧化碳浓度曲线集合中包含着多种一氧化碳浓度曲线，分别是针对不同的煤种配比的，即每一种煤种配比都对应一种一氧化碳浓度曲线，从而保证最终的一氧化碳浓度参数是最优的，是根据不同的实际情形所确定的，得到的一氧化碳浓度值更加的真实准确。

并且在基于不同的煤种类型确定出煤种结构构成配比之后，还包括：接受人工确认信息，人工确认信息是通过质量关系得到的；当人工确认信息表示煤种结构构成配比错误时，以人工信息中的配比作为新的煤种结构构成配比。

具体通过大数据方式确定煤种结构构成配比之后，为了确保数据的准确性，还可以通过人工方式进行煤种结构配比的校验，以确保煤种结构配比的准确，当两者有误时，以人工确认方式为准，从而更好的保证了一氧化碳浓度控制曲线选择的准确性，进而更好的保证了一氧化碳浓度调整优化参数的准确性。

进一步的，在上述实施例的基础上，本实施例中的基于一氧化碳浓度调整优化参数，通过热工逻辑修正锅炉氧气含量控制指令，包括：确定当前锅炉氧气含量；通过氧量控制曲线，确定一氧化碳浓度调整优化参数对应的目标锅炉氧气含量；基于目标锅炉氧气含量与当前锅炉氧气含量的大小关系，修正锅炉氧气含量控制指令。

具体的，得到一氧化碳浓度调整优化参数，便需要通过氧气控制来控制达到所需的一氧化碳浓度调整优化参数，此时通过氧量控制曲线，得到一氧化碳浓度调整优化参数下对应的目标锅炉氧气含量，然后再比较当前氧气含量与目标锅炉氧气含量的大小关系，当大于目标值时，则将氧气含量降低，若小于目标值时，则将氧气含量增大。而氧气含量曲线可以理解为一一对应关系，即通过因变量的方式控制自变量，通过控制锅炉氧气含量改变一氧化碳浓度，从而保证一氧化碳浓度的达标。

进一步的，在上述实施例的基础上，本实施例中的基于风机耗电率、排烟温度、液氨消耗量和飞灰含碳量与预设目标值的差异，反馈调节一氧化碳浓度调整优化参数，包括：确定在风机耗电率、排烟温度、液氨消耗量和飞灰含碳量下的燃烧损失；确定燃烧损失与最优燃烧损失的差值；基于差值，调整一氧化碳浓度调整优化参数，以降低燃烧损失。

具体的，为了保证一氧化碳浓度值与燃烧损失的关系，确保以最优比例进行工作，便需要实时的确定在风机耗电率、排烟温度、液氨消耗量和飞灰含碳量下的燃烧损失，而确定燃烧损失的方式便可以通过预设公式，通过数值计算的方式确定出燃烧损失，然后比较燃烧损失与最优燃烧损失的差值，通过差值的大小便能够确定出当前的一氧化碳浓度是否为最优值，若不是最优值，便可以反馈再次调节一氧化碳浓度，从而使得成功得到最优燃烧损失值下的一氧化碳浓度调整优化参数。通过反馈调节，不仅保证了状态参数的最优，也保证了热损失值的合理性，有效的提升了锅炉燃烧效率。

进一步的，在上述实施例的基础上，本实施例中还包括：确定在不同煤种、不同负荷和不同制粉系统的运行方式下的燃烧效率和经济指标；基于燃烧效率和经济指标，确定最优的煤种、负荷和制粉系统的运行方式的组合；推送最优的煤种、负荷和制粉系统的运行方式的组合至不同的火电厂。

具体的，确定一氧化碳浓度调整优化参数之后，还可以确定在不同的煤种、不同的符合和不同制粉系统的运行方式下的燃烧效率和经济指标，从而确保以最高效的方式进行锅炉燃烧。将最优的组合方式推送至不同的火电厂，从而能够提升不同火电厂的效率，减少能源损失和浪费。

通过准确地确定出一氧化碳浓度，能够在达到保证机组安全性的同时，降低运行人员的操作强度，提高机组的综合经济性，最终达到锅炉经济效益最大化。

基于同一总的发明构思，本发明还保护一种基于大数据的一氧化碳调整优化控制系统，下面对本发明提供的基于大数据的一氧化碳调整优化控制系统进行描述，下文描述的基于大数据的一氧化碳调整优化控制系统与上文描述的基于大数据的一氧化碳调整优化控制方法可相互对应参照。

图2是本发明提供的基于大数据的一氧化碳调整优化控制系统的结构示意图。

如图2所示，本实施例提供的一种基于大数据的一氧化碳调整优化控制系统，包括：

确定模块201，用于确定火电厂中锅炉燃烧的煤种、负荷和制粉系统的运行方式；

大数据模块202，用于输入煤种、负荷和制粉系统的运行方式至一氧化碳浓度控制曲线，输出一氧化碳浓度调整优化参数，其中，一氧化碳浓度控制曲线是基于煤种样本、负荷样本、制粉系统的运行方式样本和一氧化碳浓度调整优化参数样本进行预先训练得到的；

修正模块203，用于基于一氧化碳浓度调整优化参数，通过热工逻辑修正锅炉氧气含量控制指令；

监测模块204，用于监测在锅炉氧气含量控制指令下的风机耗电率、排烟温度、液氨消耗量和飞灰含碳量；

调节模块205，用于基于风机耗电率、排烟温度、液氨消耗量和飞灰含碳量与预设目标值的差异，反馈调节一氧化碳浓度调整优化参数。

进一步的，本实施例中还包括构建模块，用于：

调取预设时长内，预设数量锅炉的煤种数据、负荷数据、制粉系统的运行方式数据；

统计在所述煤种数据、负荷数据、制粉系统的运行方式数据下的实际一氧化碳浓度调整优化参数数据；

确定所述预设时长内的预设数量锅炉在所述煤种数据、所述负荷数据、所述制粉系统的运行方式数据下的标准一氧化碳浓度调整优化参数数据；

将所述实际一氧化碳浓度调整优化参数数据与所述标准一氧化碳浓度调整优化参数数据进行融合，得到一氧化碳浓度调整优化参数样本和对应的煤种样本、负荷样本、制粉系统的运行方式样本；

基于所述煤种样本、负荷样本、制粉系统的运行方式样本和所述一氧化碳浓度调整优化参数样本，构建一氧化碳浓度控制曲线。

进一步的，本实施例中的大数据模块202，具体用于：

确定所述煤种的结构构成配比；

基于所述煤种的结构构成配比，在一氧化碳浓度曲线集合中选择对应的目标一氧化碳浓度曲线；

输入所述煤种、负荷和制粉系统的运行方式至对应的目标一氧化碳浓度控制曲线，输出一氧化碳浓度调整优化参数。

进一步的，本实施例中的大数据模块202，具体还用于：

采集煤种图片；

输入所述煤种图片至煤种检测模型，输出煤种类型；

基于不同的煤种类型确定出煤种结构构成配比。

进一步的，本实施例中的大数据模块202，具体还用于：

接受人工确认信息，所述人工确认信息是通过质量关系得到的；

当所述人工确认信息表示所述煤种结构构成配比错误时，以所述人工信息中的配比作为新的煤种结构构成配比。

进一步的，本实施例中的修正模块203，具体用于：

确定当前锅炉氧气含量；

通过氧量控制曲线，确定所述一氧化碳浓度调整优化参数对应的目标锅炉氧气含量；

基于所述目标锅炉氧气含量与所述当前锅炉氧气含量的大小关系，修正锅炉氧气含量控制指令。

进一步的，本实施例中的调节模块205，具体用于：

确定在所述风机耗电率、所述排烟温度、所述液氨消耗量和所述飞灰含碳量下的燃烧损失；

确定所述燃烧损失与最优燃烧损失的差值；

基于所述差值，调整所述一氧化碳浓度调整优化参数，以降低燃烧损失。

进一步的，本实施例中还包括推送模块，用于：

确定在不同煤种、不同负荷和不同制粉系统的运行方式下的燃烧效率和经济指标；

基于所述燃烧效率和所述经济指标，确定最优的煤种、负荷和制粉系统的运行方式的组合；

推送所述最优的煤种、负荷和制粉系统的运行方式的组合至不同的火电厂。

图3是本发明实施例提供的电子设备的结构示意图。

如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行基于大数据的一氧化碳调整优化控制方法，该方法包括：确定火电厂中锅炉燃烧的煤种、负荷和制粉系统的运行方式；输入所述煤种、负荷和制粉系统的运行方式至一氧化碳浓度控制曲线，输出一氧化碳浓度调整优化参数，其中，一氧化碳浓度控制曲线是基于煤种样本、负荷样本、制粉系统的运行方式样本和一氧化碳浓度调整优化参数样本进行预先训练得到的；基于所述一氧化碳浓度调整优化参数，通过热工逻辑修正锅炉氧气含量控制指令；监测在所述锅炉氧气含量控制指令下的风机耗电率、排烟温度、液氨消耗量和飞灰含碳量；基于所述风机耗电率、排烟温度、液氨消耗量和飞灰含碳量与预设目标值的差异，反馈调节所述一氧化碳浓度调整优化参数。

此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于大数据的一氧化碳调整优化控制方法，该方法包括：确定火电厂中锅炉燃烧的煤种、负荷和制粉系统的运行方式；输入所述煤种、负荷和制粉系统的运行方式至一氧化碳浓度控制曲线，输出一氧化碳浓度调整优化参数，其中，一氧化碳浓度控制曲线是基于煤种样本、负荷样本、制粉系统的运行方式样本和一氧化碳浓度调整优化参数样本进行预先训练得到的；基于所述一氧化碳浓度调整优化参数，通过热工逻辑修正锅炉氧气含量控制指令；监测在所述锅炉氧气含量控制指令下的风机耗电率、排烟温度、液氨消耗量和飞灰含碳量；基于所述风机耗电率、排烟温度、液氨消耗量和飞灰含碳量与预设目标值的差异，反馈调节所述一氧化碳浓度调整优化参数。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于大数据的一氧化碳调整优化控制方法，该方法包括：确定火电厂中锅炉燃烧的煤种、负荷和制粉系统的运行方式；输入所述煤种、负荷和制粉系统的运行方式至一氧化碳浓度控制曲线，输出一氧化碳浓度调整优化参数，其中，一氧化碳浓度控制曲线是基于煤种样本、负荷样本、制粉系统的运行方式样本和一氧化碳浓度调整优化参数样本进行预先训练得到的；基于所述一氧化碳浓度调整优化参数，通过热工逻辑修正锅炉氧气含量控制指令；监测在所述锅炉氧气含量控制指令下的风机耗电率、排烟温度、液氨消耗量和飞灰含碳量；基于所述风机耗电率、排烟温度、液氨消耗量和飞灰含碳量与预设目标值的差异，反馈调节所述一氧化碳浓度调整优化参数。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。