一种锅炉高温受热面屏间热偏差模型预测方法
【技术领域】
[0001]本发明涉及一种降低锅炉高温受热面屏间热偏差的方法，尤其涉及一种基于神经网络的锅炉高温受热面屏间热偏差模型预测方法，属于电站锅炉技术领域。
【背景技术】
[0002]随着我国电力工业的高速发展及能耗和环保的要求，目前成批量投入了超临界和超超临界火力发电机组。这些机组的高温受热面(锅炉高温受热面主要包括过热器系统和再热器系统)大量采用了含铬量为18%?25%的奥氏体钢管。即使采用了如此耐高温材料，如果在运行中热偏差太大或发生突发性扰动，仍会发生高温受热面超温爆管事故。
[0003]超临界锅炉高温受热面屏间热偏差过大，会导致高温受热面沿炉膛宽度方向的吸热不均偏差较大，由于高温受热面屏与屏之间管材相同，但屏间吸热不均而偏差较大的时候，容易产生吸热偏差大的管子管壁超温，进而缩短管材寿命，容易产生超温爆管事故。
[0004]为了解决锅炉运行过程中高温受热面热偏差太大的问题，现在采用在线监测的手段来动态计算和显示炉内管壁温度。但在实际生产过程中还不能对各种热偏差工况下的生产做出安全经济运行的合理化建议。
[0005]超超临界锅炉过热器系统采用四级布置，以降低每级过热器的焓增，沿蒸汽流程依次为水平与立式低温过热器、分隔屏过热器、屏式过热器和末级过热器。超超临界锅炉BMCR(锅炉最大连续蒸发量)工况下末过蒸汽出口温度605°C，过热蒸汽出口压力26.15MPa，过热蒸汽流量2000t/h ；75% BMCR工况下末过蒸汽出口温度605°C，过热蒸汽出口压力25.59MPa，过热蒸汽流量1500t/h。
[0006]超超临界锅炉再热器分成低温再热器和末级再热器两级。超超临界锅炉BMCR工况下再热器蒸汽出口温度603 °C，再热器蒸汽出口压力4.78MPa，再热器蒸汽流量1638.9t/h ; 75% BMCR工况下再热器蒸汽出口温度603 °C，再热器蒸汽出口压力3.58MPa，再热器蒸汽流量 1229t/h。
【发明内容】
[0007]本发明要解决的技术问题是提供一种基于神经网络的电站锅炉高温受热面屏间热偏差预测模型，通过在线采集运行参数，在当前运行方式下找到经济合理的锅炉运行方式优化方案，以降低锅炉运行过程中高温受热面屏间热偏差。
[0008]为了解决上述技术问题，本发明的技术方案是提供一种锅炉高温受热面屏间热偏差模型预测方法，其特征在于:该方法由以下5个步骤组成:
[0009]步骤1:选取锅炉高温受热面屏间热偏差的影响因素；
[0010]步骤2:根据所选取的影响因素的历史数据作为输入参数，并对输入参数进行数据预处理；以所对应的锅炉高温受热面屏间热偏差系数的历史数据作为输出参数，得到神经网络的训练样本；
[0011]步骤3:利用训练样本对神经网络进行训练，得到锅炉高温受热面屏间热偏差神经网络预测模型；
[0012]步骤4:在线采集所选取的影响因素的当前数据作为新的输入参数，将新的输入参数输入锅炉高温受热面屏间热偏差神经网络预测模型，计算模型输出；以所述在线采集的数据为基准点，在线动态调整各个新的输入参数，并重新计算模型输出，把得到的热偏差系数较优的模型数入输出参数存储到数据库，最终得到优化的神经网络输入输出结果；
[0013]步骤5:通过优化的神经网络输入，指导当前的运行操作。
[0014]优选地，所述步骤I中，影响因素包括:锅炉负荷、磨煤机组合、过热器烟道调温挡板、各层角燃烧器摆动机构阀位、锅炉二次风开度。
[0015]优选地，所述锅炉二次风开度包括:各层淡二次风调节挡板阀位、各层浓次风调节挡板阀位。
[0016]优选地，所述步骤3具体包括如下步骤:
[0017]步骤3.1:进行神经网络结构参数设置，确定输入层神经元数目、输出层神经元数目、隐含层神经元数目，确定数据样本数，确定最小误差、学习率、转动动量、最大迭代次数；
[0018]步骤3.2:初始化隐含层神经元权值、隐含层偏置值、输出层神经元权值、输出层偏置值；
[0019]步骤3.3:将训练样本的输入参数输入神经网络，计算神经网络各层输出值；
[0020]步骤3.4:将神经网络各层输出值与所对应的训练样本的输出参数进行误差计算，如果误差满足设定的最小误差，则转到步骤3.5 ;否则修正输出层神经元权值、输出层偏置值，以及修正隐含层神经元权值、隐含层偏置值，并转到步骤3.3 ;
[0021]步骤3.5:存储隐含层神经元权值、隐含层偏置值，存储输出层神经元权值、输出层偏置值，得到锅炉高温受热面屏间热偏差神经网络预测模型。
[0022]优选地，所述步骤3.1中，输出层神经元数目为锅炉高温受热面屏数。
[0023]优选地，所述步骤4中，在线动态调整各个新的输入参数采用递归法，动态调整每个变量的 ±5%、±10%、±15%、±20%、±25%。
[0024]本发明是在运行过程中通过神经网络找到当前负荷、磨煤机组合、配风方式、燃烧器摆角与锅炉高温受热面屏间热偏差的映射关系，通过建立的神经网络模型在线预测高温受热面屏间热偏差，并通过预测模型找到可降低高温受热面屏间热偏差的工况调整方法，进而反馈运行，以此来提高锅炉运行安全性，预防锅炉超温爆管事故发生。
【附图说明】
[0025]图1为本发明提供的锅炉高温受热面屏间热偏差模型预测方法流程图；
[0026]图2为锅炉高温受热面神经网络模型参数存储到数据库流程图；
[0027]图3为锅炉高温受热面热偏差搜索引擎优化流程图。
【具体实施方式】
[0028]为使本发明更明显易懂，兹以一优选实施例，并配合附图作详细说明如下。
[0029]本发明是根据当前的锅炉运行参数(如负荷、磨煤机组合、锅炉二次风开度等)和实时高温受热面屏间热偏差，建立神经网络模型，并不断训练隐含层和输出层的神经网络权值和偏置值。针对在线监测发现高温受热面热偏差较大工况，根据高温受热面热偏差预测模型，提出以改善当前配风方式降低高温受热面屏间热偏差的方法。通过推荐出当前运行工况下最合理的改进配风参数，在当前参数下以最经济的改进运行手段优化运行，进而降低当前运行方式下的高温受热面热偏差，在满足锅炉热偏差安全性的条件下提高锅炉运行的经济性。
[0030]图1为本发明提供的锅炉高温受热面屏间热偏差模型预测方法流程图，所述的锅炉高温受热面屏间热偏差模型预测方法包括如下步骤:
[0031]步骤1:选取锅炉高温受热面屏间热偏差的影响因素，包括:锅炉负荷、磨煤机组合、过热器烟道调温挡板、一层角燃烧器摆动