一种燃气锅炉的调控方法及装置与流程

1.本发明涉及能源领域，特别涉及到一种燃气锅炉的调控方法及装置。


背景技术：

2.目前，家庭用燃气锅炉在我国北方具有一定的市场需求；现有燃气锅炉在使用时，会导致水温快速上升，进而影响到供暖管道内的供暖温度，进而导致用户室内的温度逐渐升高，所以影响室内的最佳供暖温度值，并且现有的燃气锅炉在工作时，无法及时的控制燃气的进给量，同时更重要的是会导致燃气锅炉的炉膛内燃料不能充分燃烧，造成炉膛内温度均匀程度较低及燃料的浪费；同时，锅炉内水温还会发生较大的变化，可能导致锅炉内发生结垢、水温局部温度过高或过低；从而降低了燃气锅炉的运行效率。


技术实现要素：

3.为解决上述问题，本发明提供了一种燃气锅炉的调控方法及装置，所述方法包括：
4.根据燃气锅炉在各个历史时间阶段内的运行数据，构建燃气锅炉的数据模型，基于所述数据模型获取所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积和燃气锅炉的燃气进口的应用面积；
5.根据所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积、燃气锅炉的燃气进口的应用面积和燃气流量，分别确定燃气锅炉一次风送风机的风速、二次风送风机的风速以及燃气进口的风速；
6.利用燃气锅炉一次风送风机的风速、二次风送风机的风速和燃气进口的风速以及在当前风速下对应的燃气锅炉的温度值，建立燃烧效率预测模型并训练；
7.调用所述训练好的燃烧效率模型，预测所述燃气锅炉在当前时间段内的燃烧效率，以及基于反推法，根据燃烧效率值获取当前燃烧效率值下的一次风送风机的风速、二次风送风机风速和燃气进口的风速，采用所述燃气锅炉的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度均匀性进行调控。
8.进一步地，所述根据燃气锅炉在各个历史时间阶段内的运行数据，构建燃气锅炉的数据模型，基于所述数据模型获取所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积和燃气锅炉的燃气进口的应用面积，包括：
9.获取燃气锅炉在各个历史时间阶段内的运行数据，并将运行数据构建成数据模型；
10.基于数据模型中的运行数据按运行数据的类型进行分类，并对其类别生成字符串索引；
11.通过不同的字符串索引获取燃气锅炉的一次风送风机风口面积、二次风送风机风口面积和燃气锅炉的燃气进口的应用面积。
12.进一步地，所述根据所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积、燃气锅炉的燃气进口的应用面积和燃气流量，分别确定燃气锅炉一次风送风机的风
速、二次风送风机的风速以及燃气进口的风速，包括：
13.根据燃气锅炉的燃气进口的应用面积和燃气流量确定所述燃气锅炉的燃气进口风速，并根据所述燃气进口风速确定空气需求量；
14.根据燃气锅炉的数据模型获取所述一次风送风机的风速与二次风送风机的风速的比例值，根据获取的所述比例值、一次风送风机风口面积和二次风送风机风口面积确定一次风送风机风量的百分比和二次风送风机风量的百分比；
15.根据以下公式获取一次风送风机的风速和二次风送风机的风速：
[0016][0017]
其中，v
i
代表第i次风送风机的风速，q代表空气需求量，λ
i
代表i次风送风机风量的百分比，s
i
代表i次风送风机风口面积。
[0018]
进一步地，所述利用燃气锅炉一次风送风机的风速、二次风送风机的风速和燃气进口的风速以及在当前风速下对应的燃气锅炉的温度值，建立燃烧效率预测模型并训练，所述训练步骤包括：
[0019]
步骤a1，获取以往某一时刻下燃气锅炉一次风送风机的风速、二次风送风机的风速和燃气进口的风速以及在当前风速下对应的燃气锅炉的温度值，作为训练数据，并获取训练数据所对应的真实效率值，并将其训练数据转化为数据矩阵x，其中，x为m行4列的矩阵，m代表样本数量，4列分别代表一次风送风机的风速，二次风送风机的风速，燃气进口的风速和燃气锅炉的温度，并将真实效率值转化为真实标签矩阵y，其中y为m行1列的矩阵，真实标签矩阵y与数据矩阵x每一行都一一对应；
[0020]
步骤a2，根据以下公式构建数据矩阵x和标签矩阵y的一个损失学习函数j(θ,θ1)：
[0021][0022]
其中，y
i,1
代表标签矩阵y中第i行第1列的值，x
i,j
代表数据矩阵x第i行第j列的值，θ代表初始化为0的权重矩阵，其中，θ为4行1列的矩阵，θ
j,1
代表权重矩阵θ第j行第1列的值，θ1代表初始化为0的参数值，ln代表对数函数，t代表矩阵转置符号；
[0023]
步骤a3，根据以下公式确定更新后的权重矩阵θ和参数值θ1：
[0024][0025]
其中，θ
′
代表更新后的权重矩阵，θ1′
代表更新后的参数值，α代表学习率，初始值为0.001，代表损失学习函数j(θ,θ1)对初始的权重矩阵θ做偏导，代表损失学习函数j(θ,θ1)对初始的参数值θ1做偏导；
[0026]
步骤a4，重复迭代执行步骤a2至步骤a3，直到满足预设条件，则燃烧效率预测模型训练结束，其中预设条件为到达预设的迭代次数或损失学习函数j(θ,θ1)的值小于等于0.0001。
[0027]
进一步地，所述调用所述燃烧效率模型，预测所述燃气锅炉在当前时间段内的燃烧效率，以及基于反推法，根据最优的燃烧效率值获取当前燃烧效率值下的一次风送风机的风速、二次风送风机风速和燃气进口的风速，采用所述燃气锅炉的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度均匀性进行调控，包括：
[0028]
获取当前时间段内的燃气锅炉的一次风送风机的风速、二次风送风机风速和燃气进口的风速当前风速下对应的燃气锅炉的温度值，并将其数据值转换为数据矩阵k，其中，k为1行4列的矩阵，并利用以下公式进行模型预测燃气锅炉在当前时间段内的燃烧效率：
[0029][0030]
其中η代表当前时间段内燃气锅炉的燃烧效率，基于反推法，根据燃烧效率值获取当前燃烧效率值下的一次风送风机的风速、二次风送风机风速和燃气进口的风速；
[0031]
燃气锅炉采用获取的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度进行均匀调控，从而满足燃烧效率值。
[0032]
一种燃气锅炉的调控装置，所述包括：
[0033]
数据获取模块，用于根据燃气锅炉在各个历史时间阶段内的运行数据，构建燃气锅炉的数据模型，基于所述数据模型获取所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积和燃气锅炉的燃气进口的应用面积；
[0034]
风速确定模块，用于根据所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积、燃气锅炉的燃气进口的应用面积和燃气流量，分别确定燃气锅炉一次风送风机的风速、二次风送风机的风速以及燃气进口的风速；
[0035]
模型构建模块，用于利用燃气锅炉一次风送风机的风速、二次风送风机的风速和燃气进口的风速以及在当前风速下对应的燃气锅炉的温度值，建立燃烧效率预测模型并训练；
[0036]
锅炉调控模块，用于调用所述训练好的燃烧效率模型，预测所述燃气锅炉在当前时间段内的燃烧效率，以及基于反推法，根据燃烧效率值获取当前燃烧效率值下的一次风送风机的风速、二次风送风机风速和燃气进口的风速，采用所述燃气锅炉的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度均匀性进行调控。
[0037]
进一步地，所述数据获取模块还包括：
[0038]
构建单元，用于获取燃气锅炉在各个历史时间阶段内的运行数据，并将运行数据构建成数据模型；
[0039]
生成单元，用于基于数据模型中的运行数据按运行数据的类型进行分类，并对其类别生成字符串索引；
[0040]
获取单元，用于通过不同的字符串索引获取燃气锅炉的一次风送风机风口面积、二次风送风机风口面积和燃气锅炉的燃气进口的应用面积。
[0041]
进一步地，所述风速确定模块还包括：
[0042]
空气量确定单元，用于根据燃气锅炉的燃气进口的应用面积和燃气流量确定所述燃气锅炉的燃气进口风速，并根据所述燃气进口风速确定空气需求量；
[0043]
百分比确定单元，用于根据燃气锅炉的数据模型获取所述一次风送风机的风速与二次风送风机的风速的比例值，根据获取的所述比例值、一次风送风机风口面积和二次风送风机风口面积确定一次风送风机风量的百分比和二次风送风机风量的百分比；
[0044]
计算单元，用于根据以下公式获取一次风送风机的风速和二次风送风机的风速：
[0045][0046]
其中，v
i
代表第i次风送风机的风速，q代表空气需求量，λ
i
代表i次风送风机风量的百分比，s
i
代表i次风送风机风口面积。
[0047]
进一步地，所述模型构建模块进行训练燃烧效率预测模型的具体步骤如下：
[0048]
步骤a1，获取以往某一时刻下燃气锅炉一次风送风机的风速、二次风送风机的风速和燃气进口的风速以及在当前风速下对应的燃气锅炉的温度值，作为训练数据，并获取训练数据所对应的真实效率值，并将其训练数据转化为数据矩阵x，其中，x为m行4列的矩阵，m代表样本数量，4列分别代表一次风送风机的风速，二次风送风机的风速，燃气进口的风速和燃气锅炉的温度，并将真实效率值转化为真实标签矩阵y，y，为m行1列的矩阵，真实标签矩阵y与数据矩阵x每一行都一一对应；
[0049]
步骤a2，根据以下公式构建数据矩阵x和标签矩阵y的一个损失学习函数j(θ,θ1)：
[0050][0051]
其中，y
i,1
代表标签矩阵y中第i行第1列的值，x
i,j
代表数据矩阵x第i行第j列的值，θ代表初始化为0的权重矩阵，其中，θ为4行1列的矩阵，θ
j,1
代表权重矩阵θ第j行第1列的值，θ1代表初始化为0的参数值，ln代表对数函数，t代表矩阵转置符号；
[0052]
步骤a3，根据以下公式确定更新后的权重矩阵θ和参数值θ1：
[0053][0054]
其中，θ
′
代表更新后的权重矩阵，θ1′
代表更新后的参数值，α代表学习率，初始值为0.001，代表损失学习函数j(θ,θ1)对初始的权重矩阵θ做偏导，代表损失学习函数j(θ,θ1)对初始的参数值θ1做偏导；
[0055]
步骤a4，重复迭代执行步骤a2至步骤a3，直到满足预设条件，则燃烧效率预测模型训练结束，其中预设条件为到达预设的迭代次数或损失学习函数j(θ,θ1)的值小于等于0.0001。
[0056]
进一步地，所述锅炉调控模块还包括：
[0057]
燃烧效率计算单元，用于获取当前时间段内的燃气锅炉的一次风送风机的风速、二次风送风机风速和燃气进口的风速当前风速下对应的燃气锅炉的温度值，并将其数据值转换为数据矩阵k，其中，k为1行4列的矩阵，并利用以下公式进行模型预测燃气锅炉在当前时间段内的燃烧效率：
[0058][0059]
其中η代表当前时间段内燃气锅炉的燃烧效率，基于反推法，根据燃烧效率值获取当前燃烧效率值下的一次风送风机的风速、二次风送风机风速和燃气进口的风速；
[0060]
调控单元，用于采用获取的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度进行均匀调控，从而满足燃烧效率值。
[0061]
与现有技术相比，本发明的有益效果：本发明提供了一种燃气锅炉的调控方法及装置，所述方法包括：根据燃气锅炉在各个历史时间阶段内的运行数据，构建燃气锅炉的数据模型，基于所述数据模型获取所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积和燃气锅炉的燃气进口的应用面积；根据所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积、燃气锅炉的燃气进口的应用面积和燃气流量，分别确定燃气锅炉一次风送风机的风速、二次风送风机的风速以及燃气进口的风速；利用燃气锅炉一次风送风机的风速、二次风送风机的风速和燃气进口的风速以及在当前风速下对应的燃气锅炉的温度值，建立燃烧效率预测模型并训练；调用所述训练好的燃烧效率模型，预测所述燃气锅炉在当前时间段内的燃烧效率，以及基于反推法，根据燃烧效率值获取当前燃烧效率值下的一次风送风机的风速、二次风送风机风速和燃气进口的风速，采用所述燃气锅炉的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度均匀性进行调控，从而能够使得燃料能够充分燃烧，保证了燃气锅炉的运行效率。
附图说明
[0062]
为了更清楚地说明本发明实施例的技术方案，下文中将对本发明实施例的附图进行简单介绍。其中，附图仅仅用于展示本发明的一些实施例，而非将本发明的全部实施例限制于此。
[0063]
图1为本发明所述的一种燃气锅炉的调控方法流程图；
[0064]
图2为本发明所述的一种燃气锅炉的调控装置结构示意图。
具体实施方式
[0065]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。
[0066]
如图1、2所示，本发明解决的技术问题是，提供一种燃气锅炉的调控方法，所述方法包括：
[0067]
s1，根据燃气锅炉在各个历史时间阶段内的运行数据，构建燃气锅炉的数据模型，基于所述数据模型获取所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积和燃气锅炉的燃气进口的应用面积；
[0068]
s2，根据所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积、燃气锅炉的燃气进口的应用面积和燃气流量，分别确定燃气锅炉一次风送风机的风速、二次风送风机的风速以及燃气进口的风速；
[0069]
s3，利用燃气锅炉一次风送风机的风速、二次风送风机的风速和燃气进口的风速以及在当前风速下对应的燃气锅炉的温度值，建立燃烧效率预测模型并训练；
[0070]
s4，调用所述训练好的燃烧效率模型，预测所述燃气锅炉在当前时间段内的燃烧效率，以及基于反推法，根据燃烧效率值获取当前燃烧效率值下的一次风送风机的风速、二次风送风机风速和燃气进口的风速，采用所述燃气锅炉的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度均匀性进行调控。
[0071]
上述技术方案首先，根据燃气锅炉在各个历史时间阶段内的运行数据，构建燃气锅炉的数据模型，基于所述数据模型获取所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积和燃气锅炉的燃气进口的应用面积；其次，根据所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积、燃气锅炉的燃气进口的应用面积和燃气流量，分别确定燃气锅炉一次风送风机的风速、二次风送风机的风速以及燃气进口的风速；然后，利用燃气锅炉一次风送风机的风速、二次风送风机的风速和燃气进口的风速以及在当前风速下对应的燃气锅炉的温度值，建立燃烧效率预测模型并训练；最后，调用所述训练好的燃烧效率模型，预测所述燃气锅炉在当前时间段内的燃烧效率，以及基于反推法，根据燃烧效率值获取当前燃烧效率值下的一次风送风机的风速、二次风送风机风速和燃气进口的风速，采用所述燃气锅炉的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度均匀性进行调控，从而达到实现燃气锅炉的均匀性调控，使其燃气锅炉内的燃料能够充分燃烧，从而提高燃气锅炉的运行效率，通过采用燃烧效率预测模型，从而可以使其预设达到燃烧效率，从而根据燃烧效率基于反推法计算得到在当前燃烧效率下的一次风送风机的风速、二次风送风机风速和燃气进口的风速，采用所述燃气锅炉的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度值，进而对燃气锅炉进行调控，从而避免了工作人员盲目的调控，使得调控的更为精准。
[0072]
本发明提供的一个实施例中，所述根据燃气锅炉在各个历史时间阶段内的运行数据，构建燃气锅炉的数据模型，基于所述数据模型获取所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积和燃气锅炉的燃气进口的应用面积，包括：
[0073]
获取燃气锅炉在各个历史时间阶段内的运行数据，并将运行数据构建成数据模型；
[0074]
基于数据模型中的运行数据按运行数据的类型进行分类，并对其类别生成字符串索引；
[0075]
通过不同的字符串索引获取燃气锅炉的一次风送风机风口面积、二次风送风机风口面积和燃气锅炉的燃气进口的应用面积。
[0076]
以上技术方案中首先，获取燃气锅炉在各个历史时间阶段内的运行数据，并将运行数据构建成数据模型；然后，基于数据模型中的运行数据按运行数据的类型进行分类，并对其类别生成字符串索引；最后，通过不同的字符串索引获取燃气锅炉的一次风送风机风口面积、二次风送风机风口面积和燃气锅炉的燃气进口的应用面积；从而达到了对运行数据的类别分类，方便了工作人员获取数据，通过字符串索引进行搜索，则会自动展示对应类别的数据信息，从而提高了获取数据的效率性，便于更为精准的找的符合预设指标的数据。
[0077]
本发明提供的一个实施例中，所述根据所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积、燃气锅炉的燃气进口的应用面积和燃气流量，分别确定燃气锅炉
一次风送风机的风速、二次风送风机的风速以及燃气进口的风速，包括：
[0078]
根据燃气锅炉的燃气进口的应用面积和燃气流量确定所述燃气锅炉的燃气进口风速，并根据所述燃气进口风速确定空气需求量；
[0079]
根据燃气锅炉的数据模型获取所述一次风送风机的风速与二次风送风机的风速的比例值，根据获取的所述比例值、一次风送风机风口面积和二次风送风机风口面积确定一次风送风机风量的百分比和二次风送风机风量的百分比；
[0080]
根据以下公式获取一次风送风机的风速和二次风送风机的风速：
[0081][0082]
其中，v
i
代表第i次风送风机的风速，q代表空气需求量，λ
i
代表i次风送风机风量的百分比，s
i
代表i次风送风机风口面积。
[0083]
以上技术方案中首先，根据燃气锅炉的燃气进口的应用面积和燃气流量确定所述燃气锅炉的燃气进口风速，并根据所述燃气进口风速确定空气需求量；其次，根据燃气锅炉的数据模型获取所述一次风送风机的风速与二次风送风机的风速的比例值，根据获取的所述比例值、一次风送风机风口面积和二次风送风机风口面积确定一次风送风机风量的百分比和二次风送风机风量的百分比；最后，获取一次风送风机的风速和二次风送风机的风速；从而实现了实时获取一次风送风机的风速和二次风送风机的风速，从而能够准确的进行调控一次风送风机的风速和二次风送风机的风速，通过调控风速从而使得锅炉内的燃料进行重复燃烧，使得锅炉内的水温均匀分布，保证了燃料锅炉的效率，从而使得燃料锅炉能够更好的服务，大幅度提升了燃料锅炉的可控性。
[0084]
本发明提供的一个实施例中，所述利用燃气锅炉一次风送风机的风速、二次风送风机的风速和燃气进口的风速以及在当前风速下对应的燃气锅炉的温度值，建立燃烧效率预测模型并训练，所述训练步骤包括：
[0085]
步骤a1，获取以往某一时刻下燃气锅炉一次风送风机的风速、二次风送风机的风速和燃气进口的风速以及在当前风速下对应的燃气锅炉的温度值，作为训练数据，并获取训练数据所对应的真实效率值，并将其训练数据转化为数据矩阵x，其中，x为m行4列的矩阵，m代表样本数量，4列分别代表一次风送风机的风速，二次风送风机的风速，燃气进口的风速和燃气锅炉的温度，并将真实效率值转化为真实标签矩阵y，其中，y为m行1列的矩阵，真实标签矩阵y与数据矩阵x每一行都一一对应；
[0086]
步骤a2，根据以下公式构建数据矩阵x和标签矩阵y的一个损失学习函数j(θ,θ1)：
[0087][0088]
其中，y
i,1
代表标签矩阵y中第i行第1列的值，x
i,j
代表数据矩阵x第i行第j列的值，θ代表初始化为0的权重矩阵，其中，θ为4行1列的矩阵，θ
j,1
代表权重矩阵θ第j行第1列的值，θ1代表初始化为0的参数值，ln代表对数函数，t代表矩阵转置符号；
[0089]
步骤a3，根据以下公式确定更新后的权重矩阵θ和参数值θ1：
[0090][0091]
其中，θ
′
代表更新后的权重矩阵，θ1′
代表更新后的参数值，α代表学习率，初始值为0.001，代表损失学习函数j(θ,θ1)对初始的权重矩阵θ做偏导，代表损失学习函数j(θ,θ1)对初始的参数值θ1做偏导；
[0092]
步骤a4，重复迭代执行步骤a2至步骤a3，直到满足预设条件，则燃烧效率预测模型训练结束，其中预设条件为到达预设的迭代次数或损失学习函数j(θ,θ1)的值小于等于0.0001。
[0093]
以上技术方案中针对建立的燃烧效率预测模型进行训练，获取以往某一时刻下燃气锅炉一次风送风机的风速、二次风送风机的风速和燃气进口的风速以及在当前风速下对应的燃气锅炉的温度值，作为训练数据，从而使模型学习训练数据中的数据特征，对训练数据进行预测拟合，用真实的值与预测的值计算损失，并建立损失学习函数，从而进行反向迭代求导，直到损失降低至预设条件或者满足迭代次数，避免了燃烧效率预测模型的过拟合，使其模型预测的更为精准，符合实际情况，而且采用损失学习函数方式使其模型训练效率大幅度提升，从而节省了训练时间。
[0094]
本发明提供的一个实施例中，所述调用所述燃烧效率模型，预测所述燃气锅炉在当前时间段内的燃烧效率，以及基于反推法，根据最优的燃烧效率值获取当前燃烧效率值下的一次风送风机的风速、二次风送风机风速和燃气进口的风速，采用所述燃气锅炉的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度均匀性进行调控，包括：
[0095]
获取当前时间段内的燃气锅炉的一次风送风机的风速、二次风送风机风速和燃气进口的风速当前风速下对应的燃气锅炉的温度值，并将其数据值转换为数据矩阵k，其中，k为1行4列的矩阵，并利用以下公式进行模型预测燃气锅炉在当前时间段内的燃烧效率：
[0096][0097]
其中η代表当前时间段内燃气锅炉的燃烧效率，基于反推法，根据燃烧效率值获取当前燃烧效率值下的一次风送风机的风速、二次风送风机风速和燃气进口的风速；
[0098]
燃气锅炉采用获取的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度进行均匀调控，从而满足燃烧效率值。
[0099]
以上技术方案中获取当前时间段内的燃气锅炉的一次风送风机的风速、二次风送风机风速和燃气进口的风速当前风速下对应的燃气锅炉的温度值，并利用训练好的燃烧效率预测模型对当前时间段的燃烧效率进行预测，通过采用训练好的模型使其预测结果更为准确，符合以往历史情况，保证了燃烧效率，并且多次获取预测的燃烧效率值，基于用户提供的预设燃烧效率值，为达到满足预设燃烧效率值，并且基于反推法，获取的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度，并对一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度进行均匀
调控，使其满足用户提供的燃烧效率值，从而便于用户的使用，并且根据基于反推法可以计算得到需要调控的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度的指标值，并参照指标值进行均匀调控，方便了用户的调控，避免了用户的盲目调控，从而大幅度体现了当前燃烧锅炉热智能化程度。
[0100]
一种燃气锅炉的调控装置，所述包括：
[0101]
数据获取模块，用于根据燃气锅炉在各个历史时间阶段内的运行数据，构建燃气锅炉的数据模型，基于所述数据模型获取所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积和燃气锅炉的燃气进口的应用面积；
[0102]
风速确定模块，用于根据所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积、燃气锅炉的燃气进口的应用面积和燃气流量，分别确定燃气锅炉一次风送风机的风速、二次风送风机的风速以及燃气进口的风速；
[0103]
模型构建模块，用于利用燃气锅炉一次风送风机的风速、二次风送风机的风速和燃气进口的风速以及在当前风速下对应的燃气锅炉的温度值，建立燃烧效率预测模型并训练；
[0104]
锅炉调控模块，用于调用所述训练好的燃烧效率模型，预测所述燃气锅炉在当前时间段内的燃烧效率，以及基于反推法，根据燃烧效率值获取当前燃烧效率值下的一次风送风机的风速、二次风送风机风速和燃气进口的风速，采用所述燃气锅炉的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度均匀性进行调控。
[0105]
上述技术方案中首先，根据燃气锅炉在各个历史时间阶段内的运行数据，构建燃气锅炉的数据模型，基于所述数据模型获取所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积和燃气锅炉的燃气进口的应用面积；其次，根据所述燃气锅炉的一次风送风机风口面积、二次风送风机风口面积、燃气锅炉的燃气进口的应用面积和燃气流量，分别确定燃气锅炉一次风送风机的风速、二次风送风机的风速以及燃气进口的风速；然后，利用燃气锅炉一次风送风机的风速、二次风送风机的风速和燃气进口的风速以及在当前风速下对应的燃气锅炉的温度值，建立燃烧效率预测模型并训练；最后，调用所述训练好的燃烧效率模型，预测所述燃气锅炉在当前时间段内的燃烧效率，以及基于反推法，根据燃烧效率值获取当前燃烧效率值下的一次风送风机的风速、二次风送风机风速和燃气进口的风速，采用所述燃气锅炉的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度均匀性进行调控，从而达到实现燃气锅炉的均匀性调控，使其燃气锅炉内的燃料能够充分燃烧，从而提高燃气锅炉的运行效率，通过采用燃烧效率预测模型，从而可以使其预设达到燃烧效率，从而根据燃烧效率基于反推法计算得到在当前燃烧效率下的一次风送风机的风速、二次风送风机风速和燃气进口的风速，采用所述燃气锅炉的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度值，进而对燃气锅炉进行调控，从而避免了工作人员盲目的调控，使得调控的更为精准。
[0106]
本发明提供的一个实施例中，所述数据获取模块还包括：
[0107]
构建单元，用于获取燃气锅炉在各个历史时间阶段内的运行数据，并将运行数据构建成数据模型；
[0108]
生成单元，用于基于数据模型中的运行数据按运行数据的类型进行分类，并对其
类别生成字符串索引；
[0109]
获取单元，用于通过不同的字符串索引获取燃气锅炉的一次风送风机风口面积、二次风送风机风口面积和燃气锅炉的燃气进口的应用面积。
[0110]
以上技术方案中首先，获取燃气锅炉在各个历史时间阶段内的运行数据，并将运行数据构建成数据模型；然后，基于数据模型中的运行数据按运行数据的类型进行分类，并对其类别生成字符串索引；最后，通过不同的字符串索引获取燃气锅炉的一次风送风机风口面积、二次风送风机风口面积和燃气锅炉的燃气进口的应用面积；从而达到了对运行数据的类别分类，方便了工作人员获取数据，通过字符串索引进行搜索，则会自动展示对应类别的数据信息，从而提高了获取数据的效率性，便于更为精准的找的符合预设指标的数据。
[0111]
本发明提供的一个实施例中，所述风速确定模块还包括：
[0112]
空气量确定单元，用于根据燃气锅炉的燃气进口的应用面积和燃气流量确定所述燃气锅炉的燃气进口风速，并根据所述燃气进口风速确定空气需求量；
[0113]
百分比确定单元，用于根据燃气锅炉的数据模型获取所述一次风送风机的风速与二次风送风机的风速的比例值，根据获取的所述比例值、一次风送风机风口面积和二次风送风机风口面积确定一次风送风机风量的百分比和二次风送风机风量的百分比；
[0114]
计算单元，用于根据以下公式获取一次风送风机的风速和二次风送风机的风速：
[0115][0116]
其中，v
i
代表第i次风送风机的风速，q代表空气需求量，λ
i
代表i次风送风机风量的百分比，s
i
代表i次风送风机风口面积。
[0117]
以上技术方案中首先，根据燃气锅炉的燃气进口的应用面积和燃气流量确定所述燃气锅炉的燃气进口风速，并根据所述燃气进口风速确定空气需求量；其次，根据燃气锅炉的数据模型获取所述一次风送风机的风速与二次风送风机的风速的比例值，根据获取的所述比例值、一次风送风机风口面积和二次风送风机风口面积确定一次风送风机风量的百分比和二次风送风机风量的百分比；最后，获取一次风送风机的风速和二次风送风机的风速；从而实现了实时获取一次风送风机的风速和二次风送风机的风速，从而能够准确的进行调控一次风送风机的风速和二次风送风机的风速，通过调控风速从而使得锅炉内的燃料进行重复燃烧，使得锅炉内的水温均匀分布，保证了燃料锅炉的效率，从而使得燃料锅炉能够更好的服务，大幅度提升了燃料锅炉的可控性。
[0118]
本发明提供的一个实施例中，所述模型构建模块进行训练燃烧效率预测模型的具体步骤如下：
[0119]
步骤a1，获取以往某一时刻下燃气锅炉一次风送风机的风速、二次风送风机的风速和燃气进口的风速以及在当前风速下对应的燃气锅炉的温度值，作为训练数据，并获取训练数据所对应的真实效率值，并将其训练数据转化为数据矩阵x，其中，x为m行4列的矩阵，m代表样本数量，4列分别代表一次风送风机的风速，二次风送风机的风速，燃气进口的风速和燃气锅炉的温度，并将真实效率值转化为真实标签矩阵y，y为m行1列的矩阵，真实标签矩阵y与数据矩阵x每一行都一一对应；
[0120]
步骤a2，根据以下公式构建数据矩阵x和标签矩阵y的一个损失学习函数j(θ,θ1)：
[0121][0122]
其中，y
i,1
代表标签矩阵y中第i行第1列的值，x
i,j
代表数据矩阵x第i行第j列的值，θ代表初始化为0的权重矩阵，其中，θ为4行1列的矩阵，θ
j,1
代表权重矩阵θ第j行第1列的值，θ1代表初始化为0的参数值，ln代表对数函数，t代表矩阵转置符号；
[0123]
步骤a3，根据以下公式确定更新后的权重矩阵θ和参数值θ1：
[0124][0125]
其中，θ
′
代表更新后的权重矩阵，θ1′
代表更新后的参数值，α代表学习率，初始值为0.001，代表损失学习函数j(θ,θ1)对初始的权重矩阵θ做偏导，代表损失学习函数j(θ,θ1)对初始的参数值θ1做偏导；
[0126]
步骤a4，重复迭代执行步骤a2至步骤a3，直到满足预设条件，则燃烧效率预测模型训练结束，其中预设条件为到达预设的迭代次数或损失学习函数j(θ,θ1)的值小于等于0.0001。
[0127]
以上技术方案中针对建立的燃烧效率预测模型进行训练，获取以往某一时刻下燃气锅炉一次风送风机的风速、二次风送风机的风速和燃气进口的风速以及在当前风速下对应的燃气锅炉的温度值，作为训练数据，从而使模型学习训练数据中的数据特征，对训练数据进行预测拟合，用真实的值与预测的值计算损失，并建立损失学习函数，从而进行反向迭代求导，直到损失降低至预设条件或者满足迭代次数，避免燃烧效率预测模型的过拟合，使其模型预测的更为精准，符合实际情况，而且采用损失学习函数方式使其模型训练效率大幅度提升，从而节省了训练时间。
[0128]
本发明提供的一个实施例中，所述锅炉调控模块还包括：
[0129]
燃烧效率计算单元，用于获取当前时间段内的燃气锅炉的一次风送风机的风速、二次风送风机风速和燃气进口的风速当前风速下对应的燃气锅炉的温度值，并将其数据值转换为数据矩阵k，其中，k为1行4列的矩阵，并利用以下公式进行模型预测燃气锅炉在当前时间段内的燃烧效率：
[0130][0131]
其中η代表当前时间段内燃气锅炉的燃烧效率，基于反推法，根据燃烧效率值获取当前燃烧效率值下的一次风送风机的风速、二次风送风机风速和燃气进口的风速；
[0132]
调控单元，用于采用获取的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度进行均匀调控，从而满足燃烧效率值。
[0133]
以上技术方案中获取当前时间段内的燃气锅炉的一次风送风机的风速、二次风送风机风速和燃气进口的风速当前风速下对应的燃气锅炉的温度值，并利用训练好的燃烧效率预测模型对当前时间段的燃烧效率进行预测，通过采用训练好的模型使其预测结果更为
准确，符合以往历史情况，保证了燃烧效率，并且多次获取预测的燃烧效率值，基于用户提供的预设燃烧效率值，为达到满足预设燃烧效率值，并且基于反推法，获取的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度，并对一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度进行均匀调控，使其满足用户提供的燃烧效率值，从而便于用户的使用，并且根据基于反推法可以计算得到需要调控的一次风送风机的风速与二次风送风机的风速的以及燃气进口风速对所述燃气锅炉的温度的指标值，并参照指标值进行均匀调控，方便了用户的调控，避免了用户的盲目调控，从而大幅度体现了当前燃烧锅炉热智能化程度。
[0134]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则范围之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。