一种用于循环流化床锅炉的燃烧优化设备、系统以及方法
【技术领域】
[0001]本发明涉及节能减排领域，具体地，涉及一种用于循环流化床锅炉的燃烧优化设备、系统以及方法。
【背景技术】
[0002]由于循环流化床锅炉具有燃料适用范围广、炉内脱硫效率高、NOx排放量小、燃烧效率高、负荷调节范围比大及灰渣可以综合利用等众多优点，循环流化床锅炉在国内得到迅速推广。另外，由于我国煤炭资源具有煤种复杂多变、含硫高以及劣质煤产量高等特点，使得循环流化床燃烧技术在我国得到迅速发展。近年来，循环流化床锅炉已经从小型亚临界锅炉发展到600MW超临界循环流化床锅炉。与此同时，循环流化床运行的稳定性也有了很大的提尚。
[0003]由于我国煤种复杂及电站设备改造或老化，循环流化床锅炉机组经常处于偏离最佳运行状态。因此，既能实现高效率燃烧又能实现低污染排放的燃烧优化技术将成为电站实现锅炉高效环保安全运行的重要方法。然而，循环流化床锅炉燃烧效率的提高和NOx排放量的降低难以兼顾，这两者对目标参数的需求是恰恰相反的。NOx排放量降低的主要途径是使得炉膛高温与煤粉高浓度不同时存在，这样却会造成燃烧效率降低。因此，怎样合理地调整目标参数以使得锅炉在经济性与环保性上达到最大效益，就需要对循环流化床锅炉优化调整。
【发明内容】
[0004]本发明的目的是提供一种用于循环流化床锅炉的燃烧优化设备、系统以及方法。其中，所述设备根据与燃烧优化相关的气体的浓度值构建循环流化床锅炉的燃烧模型并在燃烧模型的基础上，使用粒子群优化算法优化目标参数，从而使得在降低氮氧化物的排放量的同时提高循环流化床锅炉的燃烧效率。
[0005]为了实现上述目的，本发明提供一种用于循环流化床锅炉的燃烧优化设备。该设备包括:接收装置，用于接收所述循环流化床锅炉的烟道中与燃烧优化相关的气体的浓度值；以及燃烧优化装置，用于根据所述与燃烧优化相关的气体的浓度值构建所述循环流化床锅炉的燃烧模型，并在所述燃烧模型的基础上，使用粒子群优化算法优化目标参数以使得在降低氮氧化物的排放量的同时提高所述循环流化床锅炉的燃烧效率。
[0006]相应地，本发明还提供一种用于循环流化床锅炉的燃烧优化系统。该系统包括??传感器，位于所述循环流化床锅炉的烟道中，用于测量与燃烧优化相关的气体的浓度值；以及用于循环流化床锅炉的燃烧优化设备，与所述传感器连接。
[0007]相应地，本发明还提供一种用于循环流化床锅炉的燃烧优化方法。该方法包括:接收所述循环流化床锅炉的烟道中与燃烧优化相关的气体的浓度值；根据所述与燃烧优化相关的气体的浓度值构建所述循环流化床锅炉的燃烧模型；以及在所述燃烧模型的基础上，使用粒子群优化算法优化目标参数以使得在降低氮氧化物的排放量的同时提高所述循环流化床锅炉的燃烧效率。
[0008]通过上述技术方案，根据接收的与燃烧优化相关的气体的浓度值构建循环流化床锅炉的燃烧模型并在燃烧模型的基础上，使用粒子群优化算法优化目标参数，从而使得在降低氮氧化物的排放量的同时提高循环流化床锅炉的燃烧效率。
[0009]本发明的其它特征和优点将在随后的【具体实施方式】部分予以详细说明。
【附图说明】
[0010]附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的【具体实施方式】一起用于解释本发明，但并不构成对本发明的限制。在附图中:
[0011]图1是本发明提供的用于循环流化床锅炉的燃烧优化系统的结构示意图；
[0012]图2示出了本发明提供的用于循环流化床锅炉的燃烧优化系统的燃烧优化与风煤比的关系图；
[0013]图3是本发明提供的用于循环流化床锅炉的燃烧优化方法的流程图；以及
[0014]图4是本发明提供的用于循环流化床锅炉的燃烧优化系统的粒子群优化算法的流程图。
[0015]附图标记说明
[0016]10 接收装置20 燃烧优化装置
[0017]30 氧气传感器40 —氧化碳传感器
[0018]50 燃烧优化设备60 传感器
【具体实施方式】
[0019]以下结合附图对本发明的【具体实施方式】进行详细说明。应当理解的是，此处所描述的【具体实施方式】仅用于说明和解释本发明，并不用于限制本发明。
[0020]在循环流化床锅炉燃烧煤料的过程中，优化运行调节对于提高循环流化床锅炉的燃烧效率及降低循环流化床锅炉的氮氧化物排放起着重要的作用，而国内在本领域的技术开发应用基本上处于初级阶段。因此，循环流化床锅炉的燃烧优化存在着巨大的市场潜力和经济效益。因此，本发明特提供一种用于循环流化床锅炉的燃烧优化系统。
[0021]图1是本发明提供的用于循环流化床锅炉的燃烧优化系统的结构示意图。如图1所示，本发明提供的用于循环流化床锅炉的燃烧优化系统包括:传感器60，位于所述循环流化床锅炉的烟道中，用于测量与燃烧优化相关的气体的浓度值；以及用于循环流化床锅炉的燃烧优化设备50，与所述传感器60连接。
[0022]在具体的实施方式中，所述传感器60包括氧气传感器30和一氧化碳传感器60。优选地，所述氧气传感器30和所述一氧化碳传感60以网格的形式布置于所述循环流化床锅炉的后烟井高温管道中。根据本申请人对于燃烧监测优化的实际工程经验以及近年来对针对各种锅炉型号的计算流体力学模型，循环流化床锅炉的后烟井高温管道中的流场能够精确地追踪到相关联的循环流化床锅炉。藉此，根据精确追踪到循环流化床锅炉的氧气浓度值和一氧化碳浓度值，提高了对循环流化床锅炉燃烧优化的效率。
[0023]如图1所示，在具体的实施方式中，所述燃烧优化设备50可以包括接收装置10和燃烧优化装置20。所述接收装置10用于接收所述循环流化床锅炉的烟道中与燃烧优化相关的气体(例如，氧气和一氧化碳)的浓度值；以及所述燃烧优化装置20用于根据所述与燃烧优化相关的气体(例如，氧气和一氧化碳)的浓度值构建所述循环流化床锅炉的燃烧模型，并在所述燃烧模型的基础上，使用粒子群优化算法优化目标参数以使得在降低氮氧化物的排放量的同时提高所述循环流化床锅炉的燃烧效率。
[0024]下面详细描述燃烧优化装置20如何根据与燃烧优化相关的气体(例如，氧气和一氧化碳)的浓度值构建循环流化床锅炉的燃烧模型以及在燃烧模型的基础上，如何使用粒子群优化算法优化目标参数以使得在降低氮氧化物的排放量的同时提高循环流化床锅炉的燃烧效率。
[0025]在具体的实施方式中，燃烧优化装置20能够使用核方法从与燃烧优化相关的气体(例如，氧气和一氧化碳)的浓度值中特征提取样本数据信息，并将样本数据信息作为最小二乘支持向量机的输入以构建循环流化床锅炉的燃烧模型。具体地，首先，通过非线性映射将与燃烧优化相关的气体(例如，氧气和一氧化碳)的浓度值数据嵌入到合适的特征空间以特征提取样本数据信息。然后，利用最小二乘支持向量机分析和处理样本数据信息以构建循环流化床锅炉的燃烧模型。其中，燃烧模型包括氮氧化物排放模型和燃烧效率模型。藉此，降低了样本空间的维数，更好地实现了最小化误差(表示最小二乘支持向量机识别样本数据信息的能力)和模型复杂性之间的折衷，从而使得氮氧化物排放模型和燃烧效率模型具有优良的泛化