基于数据驱动的锅炉炉膛NOx浓度三维分布软测量方法

技术领域

本发明属于火力发电技术领域，尤其涉及一种基于数据驱动的锅炉炉膛NOx浓度三维分布软测量方法。

背景技术

氮氧化物(Nitrogen Oxides，NOx)排放的增加，对生态环境和人体健康都造成了极大影响。但锅炉燃烧过程是一个黑箱状态，无法得知其NOx浓度的三维分布，导致运行人员不能及时调整锅炉参数，使得锅炉的运行状态偏离设计状态，造成NOx排放浓度的增加。

目前所能获得的NOx浓度主要是烟道尾部测点处的NOx浓度，无法得到锅炉炉膛NOx浓度三维分布情况。通过Fluent数值模拟计算可以得到锅炉炉膛NOx浓度三维分布情况，模拟结果与实际现场测量结果吻合较好，能够比较准确的反映锅炉运行情况，尤其是在炉内流动、燃烧和污染物释放等相关方面，这些结果可用于指导锅炉的设计和运行。但是数值模拟涉及复杂的湍流等过程，计算时间长，收敛速度慢，不能满足NOx浓度实时监测的快速性需求。

发明内容

基于上述问题，本发明一种基于数据驱动的锅炉炉膛NOx浓度三维分布软测量方法，可以快速、准确地测量三维NOx浓度分布情况，满足实际运行需要。

一种基于数据驱动的锅炉炉膛NOx浓度三维分布软测量方法，包括：

步骤1：根据电厂实际运行情况，获得锅炉平稳运行下所有典型工况的运行参数，所述运行参数包括：锅炉负荷、总风量、总煤量、总一次风量、总二次风量、煤机投运方式和二次风温，所述典型工况是指能够涵盖电厂运行状态的工况；

步骤2：绘制锅炉的几何模型并进行网格划分；

步骤3：采用Fluent软件进行数值模拟，获得各个典型工况下锅炉炉膛三维NOx浓度分布数据集M

步骤3-1：选取仿真所需的数学模型，并设定仿真边界条件；

步骤3-2：设定每个典型工况相应的运行参数并进行仿真计算；

步骤3-3：仿真获得每个典型工况下锅炉炉膛三维NOx浓度分布数据集M

步骤4：对仿真得到的典型工况数据集M

步骤4-1：根据燃尽风门开度和二次风门开度对确定的所有典型工况进行分类，一共得到N个分类；

步骤4-2：计算每个分类中任意两个典型工况o、p对应数据的欧氏距离d

步骤4-3：计算每个分类中任意工况与其余所有工况欧式距离的和；

步骤4-4：选取欧氏距离和最小的工况为基准工况，即每一类得到一个基准工况，共得到N个基准工况。

步骤5：根据仿真得到的典型工况数据集M

步骤5-1：在每一分类中除基准工况外，随机选取1个典型工况，与基准工况对应数据做差值，构建验证数据集；

步骤5-2：在每个数据集M

步骤5-3：除步骤5-1中选取的1个典型工况和基准工况外，对剩余的L-2个工况与基准工况按步骤5-2中选取的J个数据坐标点提取数据后做差值，构建建模数据集；

步骤5-4：对建模数据进行归一化处理，得到训练数据集；

其中，h

步骤6：基于训练数据集，对模型参数训练，构建基于极限学习机(ExtremeLearning Maching，ELM)算法的锅炉炉膛NOx浓度三维分布软测量模型；利用训练后的模型进行锅炉炉膛NOx浓度三维值的在线预测。

ELM的输入权重ω

其中，j＝1,2,…,N；g(x)为激活函数；ω

其中t

简化为：

Hβ＝T (6)

其中，H为神经元输出；β为输出权重；T为神经网络输出。

训练单隐层神经网络进以得到最优的输入权重、偏置及输出权重，使得：

最终基于ELM的炉内NOx软测量模型可写为：

C

其中，C

本发明的有益效果是：

本发明提出了一种基于数据驱动的锅炉炉膛NOx浓度三维分布软测量方法，采用典型工况数值模拟数据和实际运行数据融合的方法，能克服传统方法数据来源的限制，以ELM作为建模算法，可以软测量锅炉炉膛内部NOx浓度三维分布情况，具有软测量精度高和收敛速度快等优点，有助于提高锅炉效率，降低锅炉排放。

附图说明

图1为本发明实施例提供的基于数据驱动的锅炉炉膛NOx浓度三维分布软测量方法的流程图；

图2为本发明实施例提供的第一类工况软测量值的对比图；

图3为本发明实施例提供的第二类工况软测量值的对比图；

图4为本发明实施例提供的第三类工况软测量值的对比图；

图5为本发明实施例提供的第四类工况软测量值的对比图；

图6为本发明实施例提供的第五类工况软测量值的对比图；

图7为本发明实施例提供的第六类工况软测量值的对比图。

具体实施方式

下面结合附图和具体实施实例对发明做进一步说明。

如图1所示，一种基于数据驱动的锅炉炉膛NOx浓度三维分布软测量方法，包括如下步骤：

步骤1：根据某350MW超临界褐煤锅炉，获得锅炉120个典型工况的运行参数，共包括7个运行参数：锅炉负荷、总风量、总煤量、总一次风量、总二次风量、磨煤机投运方式和二次风温；本实施例中选取的典型工况为锅炉平稳运行在100％负荷，75％负荷和50％负荷下，不同磨煤机运行情况下的工况；

步骤2：根据某350MW锅炉炉膛的尺寸：高为64.8米、宽为14.6273米、深为14.6273米，尾部后烟道深度为6.82米，冷灰斗标高为6.5米，绘制研究对象的几何模型并使用Gambit软件进行网格划分，对冷灰斗区域进行结构化网格的划分，对燃烧器区域进行非结构网格划分，最终得到2776652个网格点；

步骤3：采用Ansys Fluent软件进行数值模拟，获得第i个典型工况下锅炉炉膛三维NOx浓度分布数据集M

步骤3-1：选取仿真所需的数学模型，并设定仿真运行参数；

选择Realizable k-ε模型为湍流模型、选择双步竞争反应模型为挥发分析出模型、选择动力学/扩散反应速率模型来模拟焦炭燃烧过程、选取DO模型计算气固之间的辐射换热；

步骤3-2：根据煤炉在实际运行状态下采集的实际运行参数设定每个典型工况对应的锅炉煤质和仿真运行参数，包括锅炉负荷、总风量、总煤量、总一次风量、总二次风量、磨煤机投运方式和二次风温，并进行仿真计算；

其中煤质参数如表1所示：

表1煤质参数表

锅炉运行参数如表2所示：

表2运行参数表

确定锅炉炉膛内部的煤粉燃烧过程满足的基本守恒方程，包括质量守恒方程、动量守恒方程及能量守恒方程，表示如下：

质量守恒方程(连续性方程)：

动量守恒方程：

其中ρ为介质密度；t为时间；V为速度矢量；ρg

能量守恒方程：

其中E为能量；k

步骤3-3：仿真获得第i个典型工况下锅炉炉膛三维NOx浓度分布数据集M

步骤4：对仿真得到的典型工况数据集M

步骤4-1：根据燃尽风门开度和二次风门开度对典型工况进行分类，一共得到6大类，每类含有20个工况，分类结果如表3所示；

表3分类结果表

其中燃尽风门开度和二次风门开度具体结果如表4所示；

步骤4-2：计算每类中20个工况中任意两个典型工况o、p对应数据的欧氏距离d

步骤4-3：计算每个分类中任意工况与其余所有工况欧式距离的和；

步骤4-4：选取欧氏距离和最小的工况为基准工况，即每一类得到一个基准工况，共得到6个基准工况。

步骤5：重构建模数据集和验证数据集；

步骤5-1：在每一分类中除基准工况外，随机选取1个工况，与基准工况做差值，构建验证数据集；共得到6组数据集，进行建模验证；

步骤5-2：在2776652个坐标点随机选取50000个坐标点；

步骤5-3：除步骤5-1中随机选取的工况和基准工况外，剩余的18个工况与基准工况按坐标点提取数据后做差值，构建建模数据集，共得到900000组数据，其结构如表4所示；

表4建模数据集表

步骤5-4：对建模数据集进行归一化处理，得到训练数据集；

其中，h

步骤6：基于训练数据集，构建基于极限学习机(Extreme Learning Maching，ELM)算法的锅炉炉膛NOx浓度三维分布软测量模型；在每一类中根据训练数据集，建立快速锅炉炉膛三维NOx浓度分布情况软测量模型，共得到6个软测量模型；其中ELM具有10个输入节点，1个输出节点，隐含层节点数为200；

针对采集的每一分类下典型工况的实际数据，利用训练后的软测量模型预测在该分类下锅炉炉膛三维NOx浓度值。

6个分类中类锅炉炉膛三维NOx浓度分布软测量模型的建模误差如表5所示。

表5建模误差

其中

N为样本个数；

从表5和图2～图7中可以看出本方法具有较高的模型精度，可以快速软测量锅炉炉膛本三维NOx浓度分布，发明提出的方法更好的满足实际生产需求，具有广阔的应用前景。