一种中速磨风煤比和油压动态趋优调整方法与流程

本发明涉及一种磨煤机风煤比和油压调整方法，特别是涉及一种中速磨风煤比和油压动态趋优调整方法。

背景技术：

中速磨煤机因其启停时间短、电耗低等优点，在我国燃煤电厂广泛应用。常见的中速磨煤机碾磨部件在弹簧力、液压力或其它外力作用下，将其间的原煤挤压和碾磨，最终破碎成煤粉；通过碾磨部件旋转，把破碎的煤粉甩到风环室，流经风环室的热空气流将这些煤粉带到中速磨煤机上部的煤粉分离器，过粗的煤粉被分离下来重新再磨。在这个过程中，除给煤量外，多种输入量包括风量、碾压外力甚至分离器的调节等，影响着磨煤机电耗的高低。然而，目前多数电厂的中速磨运行主要以磨煤机厂家提供的运行参数或现场经验进行运行。而厂家提供的运行参数参考值多为外国厂家设定，缺乏与现场运行具体情况相结合的运行参数，导致出口煤粉过达标或不达标的现象时有发生，中速磨磨辊的磨损加大。采用人为现场经验，又缺乏理论依据，造成误操作的事件时有发生。归根结底是极度依赖国外厂家给出的运行参数，没有结合现场实际。

基准值是指当前运行边界下机组最佳工况对应的各参数值，一般多通过设计值、变工况计算、试验等确定基准值，也可基于相似理论和现场热力试验结果确定机组给定工况下的优化目标值，或者利用拉格朗日优化算法确定最佳运行参数。然而实际运行过程往往和机理存在偏差，例如设备性能劣化、煤质偏离设计工况等因素都可能影响机理模型的可靠性和准确性。

技术实现要素：

针对上述现有技术的缺陷，本发明提供了一种中速磨风煤比和油压动态趋优调整方法，解决实际运行过程与设定工况存在偏差时，运行参数无法适时调整的问题。

本发明技术方案如下：一种中速磨风煤比和油压动态趋优调整方法，包括以下步骤：

步骤1、定期更新采集样本数据；

步骤2、通过最小二乘-支持向量机的方法建立煤粉细度的软测量模型得到煤粉细度在线估计值；

步骤3、限定子系统若干边界条件范围；

步骤4、在中速磨出力范围内划分若干典型出力邻域区间；

步骤5、在每个典型出力邻域区间内分别对一次风量和加载油压进行类心数为2到k的k-means聚类，k大于等于2；

步骤6、计算silhouette聚类有效评价函数，确定类心数；

步骤7、对确定类心数的k-means聚类寻找最优silhouette轮廓图，寻找类中心点处对应折算制粉单耗最小的类为基准类；

步骤8、将基准类的中心点作为每个典型出力邻域区间的中速磨的一次风量和加载油压的运行基准值；

步骤9、以不同典型出力邻域区间的中速磨的一次风量和加载油压的运行基准值拟合中速磨运行参数曲线。

进一步的，所述步骤2中最小二乘-支持向量机的径向基核函数为：

其中xi为核函数中心，如果x和xi很相近那么核函数值为1，如果相差很大那么核函数值约等于0。由于这个函数类似于高斯分布，故也称高斯核函数。σ为函数的宽度参数，σ控制了函数的径向作用范围。

进一步的，所述步骤3中边界条件范围包括环境温度、煤质、磨出口温度、煤粉细度、空预器出口温度、磨热一次风母管压力。

优选的，所述环境温度为-10～0℃，所述煤质为17.19～17.89mj/kg，所述磨出口温度为70～80℃，所述煤粉细度为r90<27％，所述空预器出口温度为290～320℃，所述磨热一次风母管压力为8～9kpa。

优选的，所述步骤5中k为大于等于(样本数据数量)^1/2且最接近(样本数据数量)^1/2的整数。

优选的，所述步骤1中定期更新采集样本数据时采集时间间隔不大于1min，定期更新时间间隔不大于10d。

优选的，所述步骤4中典型出力邻域区间不小于6个。

优选的，所述步骤4中典型出力邻域区间为40±0.2t/h、45±0.2t/h、50±0.2t/h、55±0.2t/h、60±0.2t/h和65±0.2t/h。

本发明技术方案通过定期更新采集到的样本，由最小二乘-支持向量机的方法建立煤粉细度的软测量模型，得到煤粉细度在线估计值，进一步利用k-means聚类算法，在磨煤机各典型出力下对一次风量和加载油压进行多变量同步聚类，挖掘出不同进口工况条件下所对应的磨加载油压和一次风量基准值，在满足三大指标的前提下尽可能降低磨煤单耗。可通过历史数据和实时数据寻找基准值。算法简便易实现，可应用于现场。在机组实际运行中，根据新采集到的指标数据，动态调整基准值工况库，以期接近磨当前运行状态下的最优工况，从而为现场运行人员提供操作指导意见。

附图说明

图1为中速磨风煤比和油压动态趋优调整方法流程示意图。

图2是实施例中不同类心数k下silhouette轮廓图。

图3是实施例中55t/h典型工况下聚类结果图。

图4是实施例中相同出力下制粉功耗差异示意图。

图5是实施例中55t/h典型工况下聚类效果图。

图6是实施例中一次风量基准值分布图。

图7是实施例中加载油压基准值分布图。

具体实施方式

下面结合实施例对本发明作进一步说明，但不作为对本发明的限定。

请结合图1所示，以某电厂600mw亚临界机组为例，其制粉系统为冷一次风正压直吹式，六台磨煤机型号为zgm123，燃煤为火车烟煤，成份变化不大。本实施例所涉及的中速磨风煤比和油压动态趋优调整方法，包括：

步骤1、在sis(厂级信息监控系统)中，选取2015年1月b磨一个月的历史运行数据，数据标签为给煤量(出力)、磨出口温度、环境温度、空预器出口平均一次风温、热一次风母管压力、磨一次风量、加载油压、折算制粉功耗。取样间隔为1min，经数据清洗(除去停机点、明显异常点)后，共计37088组样本存入工况数据库中，实际运行中对数据库的更新以10d为间隔进行。由于煤质的变化情况不能从电厂sis系统中直接读取，且目前的测量手段难以实现煤质的在线分析，因此，选用日登记表中的入炉煤的低位发热量表征煤质特性。

步骤2、通过最小二乘-支持向量机的方法建立煤粉细度的软测量模型得到煤粉细度在线估计值，支持向量机模型的径向基核函数为：

其中xi为核函数中心，如果x和xi很相近那么核函数值为1，如果相差很大那么核函数值约等于0。由于这个函数类似于高斯分布，故也称高斯核函数。σ为函数的宽度参数，σ控制了函数的径向作用范围。

使用所有可表征磨煤机运行状态且可获得测量值的参数作为煤粉细度软测量模型的输入，煤粉细度作为输出。r90＝f(b,q,tin,poil,δp)式中，b为给煤量，t·h^-1；q为一次风量，t·h^-1；tin为进口风温，℃；poil为磨加载油压，mpa；δp为进出口差压，kpa；r90为煤粉细度，％。

步骤3、限定子系统边界条件范围环境温度为-10～0℃，煤质为17.19～17.89mj/kg，磨出口温度为70～80℃，煤粉细度为r90<27％，空预器出口温度为290～320℃，磨热一次风母管压力为8～9kpa。

步骤4、磨煤机实际运行工况下，出力维持在35～70t/h之间。分别在六个典型工况40±0.2t/h、45±0.2t/h、50±0.2t/h、55±0.2t/h、60±0.2t/h和65±0.2t/h进行邻域区间划分。

步骤5、在每个典型出力邻域区间内(设定i在1至6遍历，对应六个典型工况的邻域区间)分别对一次风量和加载油压进行类心数为2到k的k-means聚类，k大于等于2，cf＝(样本数据数量)^1/2；

步骤6、图2给出了在55±0.2t/h典型工况下的样本进行k-means聚类，k取值为11时silhouette轮廓图。可以看出在该工况下，聚成4类时各数据点silhouette值更接近1，且相对5～11类不合理的点更少。因此，该典型工况下类型选择4更为合理。

步骤7、对类心数为4的k-means聚类，其聚类结果如图3所示，寻找最优silhouette轮廓图，寻找类中心点处对应折算制粉单耗最小的类为基准类，局部放大图4中55t/h附近的折算制粉功耗-给煤量图。可以看到，掺杂在一起没有分开的部分可能是没有精确考虑煤质的水分、灰分、可磨性和其他限制条件导致的，但总体趋势明朗，可以说本次聚类基本达到了理想的效果。由于各聚类中心点是在机组当前能效运行水平下从海量数据提取出来，能够真实地反应磨煤机的优化运行潜力，因此聚类算法确定的基准值有实际可达的优点。

步骤8、图5指出第4类聚类中心对应的折算制粉功耗更小，因此选用第4类的聚类中心的一次风量94.18t/h、磨加载油压12.79mpa作为本工况目标参数基准值。

步骤9、将所有不同典型出力邻域区间的中速磨的一次风量和加载油压的运行基准值拟合中速磨运行参数曲线，其结果如图6、7所示。