專利技術交底書樣本

1、510152025一種鍋爐燃燒多約束多目標優(yōu)化專家系統(tǒng)及其優(yōu)化方法技術領域一 明屬于能源、環(huán)保、信息等技術領域，涉及一種鍋爐燃燒優(yōu)化專家系統(tǒng)， 尤其涉及一種鍋爐燃燒多約束多目標優(yōu)化專家系統(tǒng)洞時，本發(fā)明還涉及一種上 述優(yōu)化專家系統(tǒng)的優(yōu)化方法。背景技術一 燃燒過程中，影響其燃燒熱效率和污染物排放量的因素大部分相同，但 對各個因素的具體要求卻往往是矛盾的。在已有的的風煤比尋優(yōu)方法中，有的可 以提高燃燒熱效率，卻增加了污染物的排放，加重了環(huán)境污染；有的集中在減少 環(huán)境污染而忽略了鍋爐的燃燒熱效率。目前采用的DCS控制調(diào)節(jié)往往無法完全針對鍋爐燃燒的特點控制最佳運行 工況，機組的運行性能在很大程度上取決于

2、運行人員的經(jīng)驗和操作，鍋爐燃燒 優(yōu)化系統(tǒng)可以使鍋爐DCS的控制調(diào)節(jié)能力得以提高，減少操作人員的人為影響。將人工智能方法引入了燃燒優(yōu)化領域也是一種新穎的做法:電站鍋爐燃燒優(yōu) 化專家系統(tǒng)主要是利用鍋爐運行數(shù)據(jù)和一系列燃燒試驗數(shù)據(jù)，將燃燒過程視為一 個“黑箱，只關注輸入?yún)?shù)和輸出參數(shù)的關系，建立和測試針對機組的數(shù)學模 型，通過仿真測試的模型將作為預測模型投入實際運行。人工智能建模是通過對燃燒現(xiàn)象進行實時監(jiān)視，對一個控制專家”在解決 燃燒優(yōu)化問題時的思路、方法、經(jīng)驗和策略的模擬。專家系統(tǒng)包括知識庫、推理 機、動態(tài)數(shù)據(jù)庫和過程輸人輸出接口等基本組成部分。采用智能算法進行全局搜 索以確定鍋爐各種操作參數(shù)的

3、最佳值，使鍋爐內(nèi)燃燒過程中的溫度、壓力、之間 相互耦合，實現(xiàn)多元優(yōu)化，達到整體最優(yōu)。通過使用上述技術能使得鍋爐燃燒優(yōu)化系統(tǒng)中的鍋爐能效和污染物排放控 制免除人工配置，能從繁多的實時技術數(shù)據(jù)中分析出最優(yōu)配置方案，再進行自動 調(diào)整，實現(xiàn)了實時的自動優(yōu)化。510152025中國專利CN200710173267.0揭示了一種節(jié)能技術領域的燃煤工業(yè)鍋爐運 行優(yōu)化指導系統(tǒng)，包括：數(shù)據(jù)通訊接口、數(shù)據(jù)處理模塊、系統(tǒng)顯示模塊、鍋爐實 時效率處理模塊和運行優(yōu)化指導模塊。其中：數(shù)據(jù)通訊接口從鍋爐控制系統(tǒng)中接 受實時運行數(shù)據(jù)并傳輸給數(shù)據(jù)處理模塊，數(shù)據(jù)處理模塊對接收的數(shù)據(jù)進行檢驗和 濾波；鍋爐實時效率處理模塊處理得出鍋

4、爐排煙熱損失、物理未完全燃燒熱損失 和鍋爐實時效率，并傳輸給運行優(yōu)化指導模塊和系統(tǒng)顯示模塊將實時風煤比與鍋 爐最優(yōu)風煤比上下限值進行比較，同時將實測排煙溫度與鍋爐排煙溫度高限值進 行比較，并將比較結(jié)果傳輸?shù)较到y(tǒng)顯示模塊，發(fā)出運行指導操作指令；系統(tǒng)顯示 模塊負責顯示數(shù)據(jù)。該技術方案沒有有效解決上述問題。發(fā)明內(nèi)容一明所要解決的技術問題是:提供一種鍋爐燃燒多約束多目標優(yōu)化專家系統(tǒng)，可實現(xiàn)鍋爐燃燒的整體優(yōu)化另外，本發(fā)明還提供上述鍋爐燃燒多約束多目標優(yōu)化專家系統(tǒng)的燃燒優(yōu)化方 法。為解決上述技術問題，本發(fā)明采用如下技術方案：一種鍋爐燃燒多約束多目標優(yōu)化專家系統(tǒng)，用以優(yōu)化鍋爐的燃燒工況；其包 括：分布式控制

5、系統(tǒng)DCS，用于獲取鍋爐的實時工況數(shù)據(jù)，并控制調(diào)節(jié)鍋爐的 工況參數(shù)；工業(yè)煤種分析模塊，用于分析燃燒用煤的成分及性質(zhì)；環(huán)境污染物監(jiān)測系統(tǒng)，用于獲取鍋爐的環(huán)境污染物排放數(shù)據(jù)；自尋優(yōu)系統(tǒng)，用于根據(jù)實時工況數(shù)據(jù)與環(huán)境污染物排放數(shù)據(jù)在鍋爐燃燒模型 庫中尋找最接近的成熟案例；歷史數(shù)據(jù)庫，用于儲存鍋爐燃燒參數(shù)歷史數(shù)據(jù)及對應的其他模塊記錄的歷史 數(shù)據(jù)；鍋爐燃燒模型庫，包括若干鍋爐的燃燒模型；鍋爐優(yōu)化專家系統(tǒng)服務端程序，用于尋找達到鍋爐目標工況的參數(shù)，并把調(diào)1。3IIIIIIIIIIIIIIII22。2.8 IIIIIIIIIIIIIIII510152025節(jié)后的工況參數(shù)輸出至DCS;人機界面，用于參數(shù)配置的輸

6、入與實時工況/歷史報表的輸出。作為本發(fā)明的一種優(yōu)選方案，所述自尋優(yōu)系統(tǒng)包括：案例推理模塊，用以根據(jù)DCS的工況數(shù)據(jù)與環(huán)境污染物監(jiān)測系統(tǒng)的污染物 排放數(shù)據(jù)，在所述鍋爐燃燒模型庫中的燃燒模型尋找最接近的成熟案例；目標工況調(diào)節(jié)模塊，用以根據(jù)上述最接近的成熟案例調(diào)節(jié)控制參數(shù)，尋找達 到鍋爐目標工況的參數(shù)。作為本發(fā)明的一種優(yōu)選方案，所述案例推理模塊包括近似案例查詢單元，用以根據(jù)DCS的工況數(shù)據(jù)與環(huán)境污染物監(jiān)測系統(tǒng)的污 染物排放數(shù)據(jù)，在所述鍋爐燃燒模型庫中的燃燒模型尋找最接近的成熟案例；最優(yōu)解案例保存單元，用以保存經(jīng)過目標工況調(diào)節(jié)模塊調(diào)節(jié)后得到的新的案 例作為燃燒模型。作為本發(fā)明的一種優(yōu)選方案，所述案例推

7、理模塊還包括成熟案例庫更新單 元，用以更新所述鍋爐燃燒模型庫中的現(xiàn)有燃燒模型的參數(shù)、或增加新的燃燒模 型。作為本發(fā)明的一種優(yōu)選方案，所述目標工況調(diào)節(jié)模塊根據(jù)設置的目標調(diào)節(jié)鍋 爐的參數(shù)；當尋優(yōu)步長矩陣尋優(yōu)誤差矩陣e時，結(jié)束調(diào)節(jié)過程，此時的配置被認為最 優(yōu)；否則調(diào)節(jié)M =xAu+C；其中，“為調(diào)節(jié)前的尋優(yōu)步長矩陣，“為調(diào)節(jié)后的尋優(yōu)步長矩陣，“ u、e為由各參數(shù)組成的矩陣，調(diào)節(jié)參數(shù)中與Z由選定的燃燒模型確定。一種上述鍋爐燃燒多約束多目標優(yōu)化專家系統(tǒng)的控制方法，所述方法包括如 下步驟：所述環(huán)境污染物監(jiān)測系統(tǒng)、工業(yè)煤種分析模塊獲取DCS監(jiān)測數(shù)據(jù)、工業(yè)煤 種分析數(shù)據(jù)、環(huán)境監(jiān)測數(shù)據(jù)，并將數(shù)據(jù)傳輸至平臺通訊端

8、口；所述服務端程序?qū)ΡO(jiān)測數(shù)據(jù)采集單元獲取的數(shù)據(jù)進行初步處理，而后把更新510152025的參數(shù)發(fā)送至自尋優(yōu)系統(tǒng)的目標工況調(diào)節(jié)模塊；所述自尋優(yōu)系統(tǒng)通過被動接收采集到的監(jiān)測數(shù)據(jù)或主動問詢環(huán)境污染物監(jiān) 測系統(tǒng)、工業(yè)煤種分析模塊的運行信息，與系統(tǒng)內(nèi)置的歷史數(shù)據(jù)最優(yōu)工作狀態(tài)的 狀態(tài)參數(shù)集進行對比，查看設備是否處于最優(yōu)狀態(tài)；所述自尋優(yōu)系統(tǒng)基于歷史數(shù)據(jù)庫與燃燒模型庫，通過對監(jiān)測數(shù)據(jù)參數(shù)集和設 備工況參數(shù)集與設備功率因素的函數(shù)關系進行分析，并將設備的多個約束因素整 體考慮，最終得到設備整體最優(yōu)的配置參數(shù)；所述燃燒模型庫根據(jù)模型輸出配置參數(shù)，并將其傳輸至DCS ；所述DCS執(zhí)行系統(tǒng)平臺發(fā)出的控制指令，對設備運行

9、狀態(tài)進行調(diào)整。作為本發(fā)明的一種優(yōu)選方案，所述自尋優(yōu)系統(tǒng)包括：案例推理模塊，用以根據(jù)DCS的工況數(shù)據(jù)與環(huán)境污染物監(jiān)測系統(tǒng)的污染物 排放數(shù)據(jù)，在所述鍋爐燃燒模型庫中的燃燒模型尋找最接近的成熟案例；目標工況調(diào)節(jié)模塊，用以根據(jù)上述最接近的成熟案例調(diào)節(jié)工況參數(shù)，尋找達 到鍋爐目標工況的參數(shù)。作為本發(fā)明的一種優(yōu)選方案，所述案例推理模塊包括：近似案例查詢單元，用以根據(jù)DCS的工況數(shù)據(jù)與環(huán)境污染物監(jiān)測系統(tǒng)的污 染物排放數(shù)據(jù)，在所述鍋爐燃燒模型庫中的燃燒模型尋找最接近的成熟案例；最優(yōu)解案例保存單元，用以保存經(jīng)過目標工況調(diào)節(jié)模塊調(diào)節(jié)后得到的新案例 作為燃燒模型；所述案例推理模塊包括成熟案例庫更新單元，用以更新所述

10、鍋爐燃燒模型庫 中現(xiàn)有燃燒模型的參數(shù)，或增加新的燃燒模型。作為本發(fā)明的一種優(yōu)選方案，所述目標工況調(diào)節(jié)模塊根據(jù)設置的目標調(diào)節(jié)鍋 爐的參數(shù)；當尋優(yōu)步長矩陣尋優(yōu)誤差矩陣e時，結(jié)束調(diào)節(jié)過程，此時的配置被 認為最優(yōu)；否則調(diào)節(jié) =xAu+C ；其中，為調(diào)節(jié)前的尋優(yōu)步長矩陣， u為調(diào)節(jié)后的尋優(yōu)步長矩陣，“、e為由各參數(shù)組成的矩陣，調(diào)節(jié)參數(shù) 中與Z由選定的燃燒模型確定。本發(fā)明的有益效果在于:本發(fā)明提出的鍋爐燃燒多約束多目標優(yōu)化專家系統(tǒng)及其優(yōu)化方法，可實現(xiàn)對鍋爐燃燒熱效率和污染物排放量的預測；同時根據(jù)燃燒 模型庫進行推理與查詢，采用鍋爐優(yōu)化專家系統(tǒng)的智能算法，可尋找達到鍋爐最 佳工況的參數(shù)設置方案，進而通過DC

11、S調(diào)節(jié)鍋爐運行狀態(tài)，實現(xiàn)鍋爐燃燒的整 體優(yōu)化。510152025附圖說明圖1為本發(fā)明鍋爐燃燒優(yōu)化系統(tǒng)的組成示意圖。圖2為本發(fā)明由數(shù)據(jù)采集端觸發(fā)的尋優(yōu)流程圖。圖3為本發(fā)明由專家系統(tǒng)/人機界面觸發(fā)的尋優(yōu)流程圖。具體實施方式下面結(jié)合附圖詳細說明本發(fā)明的優(yōu)選實施例。實施例一請參閱圖1，本發(fā)明揭示了一種鍋爐燃燒多約束多目標優(yōu)化專家系統(tǒng)，用以 優(yōu)化鍋爐的燃燒工況；其包括：分布式控制系統(tǒng)DCS.T業(yè)煤種分析模塊、環(huán) 境污染物監(jiān)測系統(tǒng)、自尋優(yōu)系統(tǒng)、歷史數(shù)據(jù)庫、鍋爐燃燒模型庫、鍋爐優(yōu)化專家 系統(tǒng)服務端程序、人機界面。以下具體介紹各模塊。分布式控制系統(tǒng)DCS用于獲取鍋爐的實時工況數(shù)據(jù)，并控制調(diào)節(jié)鍋爐的工況參數(shù)；工

12、業(yè)煤種分析模塊用于分析燃燒用煤的成分及性質(zhì)；環(huán)境污染物監(jiān)測系統(tǒng)用于獲取鍋爐的環(huán)境污染物排放數(shù)據(jù)；自尋優(yōu)系統(tǒng)用于根據(jù)實時工況數(shù)據(jù)與環(huán)境污染物排放數(shù)據(jù)在鍋爐燃燒模型庫中尋找最接近的成熟案例；歷史數(shù)據(jù)庫用于儲存鍋爐燃燒參數(shù)歷史數(shù)據(jù)及對應的其他模塊記錄的歷史 數(shù)據(jù)；鍋爐燃燒模型庫包括若干鍋爐的燃燒模型；鍋爐優(yōu)化專家系統(tǒng)服務端程序用于尋找達到鍋爐目標工況的參數(shù)并把調(diào)節(jié)510152025后的工況參數(shù)輸出至DCS ；人機界面用于參數(shù)配置的輸入與實時工況/歷史報表的輸出。所述自尋優(yōu)系統(tǒng)包括案例推理模塊、目標工況調(diào)節(jié)模塊。案例推理模塊用以 根據(jù)DCS的工況數(shù)據(jù)與環(huán)境污染物監(jiān)測系統(tǒng)的污染物排放數(shù)據(jù)，在所述鍋爐燃

13、燒模型庫中的燃燒模型尋找最接近的成熟案例。目標工況調(diào)節(jié)模塊用以根據(jù)上述 最接近的成熟案例調(diào)節(jié)控制參數(shù)，尋找達到鍋爐目標工況的參數(shù)。其中，所述案例推理模塊包括近似案例查詢單元、最優(yōu)解案例保存單元。近 似案例查詢單元用以根據(jù)DCS的工況數(shù)據(jù)與環(huán)境污染物監(jiān)測系統(tǒng)的污染物排放 數(shù)據(jù)，在所述鍋爐燃燒模型庫中的燃燒模型尋找最接近的成熟案例。最優(yōu)解案例 保存單元用以保存經(jīng)過目標工況調(diào)節(jié)模塊調(diào)節(jié)后得到的新的案例作為燃燒模型。 優(yōu)選地，所述案例推理模塊還可以包括成熟案例庫更新單元，用以更新所述鍋爐 燃燒模型庫中的現(xiàn)有燃燒模型的參數(shù)、或增加新的燃燒模型。所述目標工況調(diào)節(jié)模塊根據(jù)設置的目標調(diào)節(jié)鍋爐的參數(shù)；當尋優(yōu)步長

14、矩陣 尋優(yōu)誤差矩陣e時，結(jié)束調(diào)節(jié)過程，此時的配置被認為最優(yōu)；否則調(diào)節(jié)句=中 xAu+C ；其中，M為調(diào)節(jié)前的尋優(yōu)步長矩陣，M為調(diào)節(jié)后的尋優(yōu)步長矩陣， u、Au、e為由各參數(shù)組成的矩陣，調(diào)節(jié)參數(shù)中與Z由選定的燃燒模型確定。以上介紹了本發(fā)明的鍋爐燃燒多約束多目標優(yōu)化專家系統(tǒng)，本發(fā)明在揭示上 述系統(tǒng)的同時，還揭示了上述系統(tǒng)的優(yōu)化方法；請參閱圖2至圖3，所述方法包 括如下步驟：所述環(huán)境污染物監(jiān)測系統(tǒng)、工業(yè)煤種分析模塊獲取DCS監(jiān)測數(shù)據(jù)、工業(yè)煤 種分析數(shù)據(jù)、環(huán)境監(jiān)測數(shù)據(jù)，并將數(shù)據(jù)傳輸至平臺通訊端口；所述服務端程序?qū)ΡO(jiān)測數(shù)據(jù)采集單元獲取的數(shù)據(jù)進行初步處理，而后把更新 的參數(shù)發(fā)送至自尋優(yōu)系統(tǒng)的目標工況調(diào)節(jié)模

15、塊；所述自尋優(yōu)系統(tǒng)通過被動接收采集到的監(jiān)測數(shù)據(jù)或主動問詢環(huán)境污染物監(jiān) 測系統(tǒng)、工業(yè)煤種分析模塊的運行信息，與系統(tǒng)內(nèi)置的歷史數(shù)據(jù)最優(yōu)工作狀態(tài)的 狀態(tài)參數(shù)集進行對比，查看設備是否處于最優(yōu)狀態(tài)；所述自尋優(yōu)系統(tǒng)基于歷史數(shù)據(jù)庫與燃燒模型庫，通過對監(jiān)測數(shù)據(jù)參數(shù)集和設 備工況參數(shù)集與設備功率因素的函數(shù)關系進行分析，并將設備的多個約束因素整 體考慮，最終得到設備整體最優(yōu)的配置參數(shù)；所述燃燒模型庫根據(jù)模型輸出配置參數(shù)，并將其傳輸至DCS ；所述DCS執(zhí)行系統(tǒng)平臺發(fā)出的控制指令，對設備運行狀態(tài)進行調(diào)整。綜上所述，本發(fā)明提出的鍋爐燃燒多約束多目標優(yōu)化專家系統(tǒng)及其優(yōu)化方 法，可實現(xiàn)對鍋爐燃燒熱效率和污染物排放量的預測；同時根據(jù)燃燒模型庫進行 推理與查詢，采用鍋爐優(yōu)化專家系統(tǒng)的智能算法，可尋找達到鍋爐最佳工況的參 數(shù)設置方案，進而通過DCS調(diào)節(jié)鍋爐運行狀態(tài)，實現(xiàn)鍋爐燃燒的整體優(yōu)化。實施例二本實施例與實施例一的區(qū)別在于，本實施例中，鍋爐燃燒