一种基于数据驱动多模型的脱硫氧化风系统控制方法与流程

本发明属于火电厂氧化风机控制技术领域，特别是涉及一种基于数据驱动多模型的脱硫氧化风系统控制方法。

背景技术：

氧化风系统是湿法脱硫系统的重要组成部分，该系统电耗较高，但为了避免部分工况下石膏及吸收塔浆液caso3浓度超限，一般采用持续运行的方式，该运行方式造成了极大的能源浪费，因此对氧化风系统进行按需启停对火电机组脱硫系统节能降耗具有重要意义。

当前，氧化风机运行方式主要有3种，分别为：1、氧化风机持续运行方式；2、带有吸收塔浆液caso3浓度实时在线测量的氧化风机按需启停方式；3、基于固定过量空气系数的氧化风机变频控制方式，但现有技术仍存在一定的弊端，

1、氧化风机持续运行方式：绝大多数火电厂为避免部分工况下石膏及吸收塔浆液caso3浓度超限，均采用氧化风机持续运行的方式，该种运行方式具有很大的运行裕量，给脱硫系统带来了极大的能源浪费；

2、带有吸收塔浆液caso3浓度实时在线测量的氧化风机按需启停方式：个别电厂在脱硫系统安装亚硫酸盐实时在线监测系统，并以亚硫酸盐实时化验浓度作为氧化风系统风机启停的判断依据，但亚硫酸盐在线实时监测系统价格昂贵且维护量大，相较于氧化风机启停所带来的收益，性价比较低，一般不被电厂人员所接受；

3、基于固定过量空气系数的氧化风机变频控制方式：部分电厂采用带有变频的6kv电机带动的氧化风机，并依据固定的的过量空气系数对变频进行控制，以达到降低氧化风系统电耗的作用，该方式同样存在前期投资成本高的问题，且对于绝大多数电厂而言，其氧化风系统风机均为罗茨风机，若进行设备改造，投资成本将进一步增加，另外，采用固定过量空气系数的方式计算氧化风量，为保证氧化风能够满足全工况要求，需要选取较大的过量空气系数，同样会造成较大的能源浪费。

技术实现要素：

本发明的目的在于提供一种基于数据驱动多模型的脱硫氧化风系统控制方法，通过设计火电厂氧化风机智能启停方案解决降低氧化风系统能耗的问题；本发明提供的诸多技术方案中的优选技术方案所能产生的诸多技术效果详见下文阐述。

为实现上述目的，本发明提供了以下技术方案：

本发明提供的一种基于数据驱动多模型的脱硫氧化风系统控制方法，其包括以下步骤，

步骤s1：建模数据筛选，采用机组历史运行数据及caso3化验浓度数据作为建模原始数据；

步骤s2：建模，以氧化风机运行台数，包括氧化风机全部停运的情况，作为建模划分依据，以机组历史运行数据作为建模过程输入变量，以吸收塔caso3化验浓度数据作为系统输出，采用基于历史数据驱动的人工神经网络、偏最小二乘、支持向量机、多元线性回归、多项式拟合的建模方式进行建模，获取不同氧化风机运行台数时的吸收塔caso3浓度预测模型；

步骤s3：对实时预测所得吸收塔caso3浓度采用滑动平均的方式计算获取吸收塔caso3平均浓度；

步骤s4：氧化风机的启停控制，设当氧化风机运行台数n≥1时，吸收塔caso3平均浓度极限值为当步骤s3中所得吸收塔caso3平均浓度超过时，增加启动一台氧化风机，同时将现时刻k置为1后重新计时，待k>m时，按照步骤s3中重新计算吸收塔caso3平均浓度，再次依据所得吸收塔caso3平均浓度对氧化风机启停操作进行判断；当步骤s3中所得吸收塔caso3平均浓度小于在应用n台氧化风机运行时的模型计算吸收塔caso3平均浓度的同时，同步加入应用n-1台氧化风机运行时的模型进行吸收塔caso3平均浓度估算，即应用(k-m+1)时刻到k时刻的系统输入与(n-1)台氧化风机运行时的模型进行k时氧化风机时吸收塔caso3平均浓度估算，当应用n台氧化风机与(n-1)台氧化风机工况对应的两种模型估算吸收塔caso3平均浓度均小于时，停止一台氧化风机，同时将现时刻k置为1后重新计时，待k>m时，按照步骤s3中重新计算吸收塔caso3平均浓度，再次依据所得吸收塔caso3平均浓度对氧化风机启停操作进行判断。

进一步，步骤s3计算获取吸收塔caso3平均浓度的过程为，设实时滚动预测吸收塔caso3浓度均值时间跨度为m，氧化风自动控制系统投运后，经过m时刻后，开始进行吸收塔caso3浓度的预测，设现时刻为k，氧化风机运行台数为n，该时刻吸收塔caso3实时预测浓度为ρn(k)，则有k时刻吸收塔caso3平均浓度计算方式为：

进一步，步骤s4中，当氧化风机运行台数n＝0时，当步骤s3中所得吸收塔caso3平均浓度超过时，增加启动一台氧化风机，同时将现时刻k置为1后重新计时，待k>m时，按照步骤s3中重新计算吸收塔caso3平均浓度，再次依据所得吸收塔caso3平均浓度对氧化风机启停操作进行判断；当步骤s3中所得吸收塔caso3平均浓度小于保持现有运行状态。

进一步，步骤s2在建模过程中，以机组历史运行数据经主元分析降维后获取的主元变量作为建模过程输入数据，以吸收塔caso3化验浓度数据作为系统输出。

进一步，步骤s2中的机组历史运行数据包括：氧化风系统相关变量：机组负荷、fgd出入口so2浓度、出入口o2量、出入口烟气量、出入口烟气温度、出入口烟气压力、出入口烟气湿度、原烟气粉尘浓度、吸收塔ph、吸收塔浆液密度、吸收塔液位、石膏排出泵流量、氧化风机出入口温度、氧化风机出入口压力、氧化风机出入口风量。

进一步，步骤s1中的机组历史运行数据从dcs中直接导出，吸收塔caso3化验浓度数据从日常的化验记录中获取，然后依据化验采样时刻，筛选化验时间点与化验浓度对应的机组历史运行数据，同化验浓度组合后获取原始建模数据。

进一步，步骤s1还包括筛选稳态工况数据，包括，

步骤1.1：选取步骤s1中所获取的数据，综合考虑机组容量及脱硫系统布置方式，选定最低稳定运行时间阈值ts，查询各采样时刻及该时刻之前ts时间段的运行历史数据机组负荷值，当该时间段内负荷波动大于lmax则将该组数据删除，获取稳态建模数据；

步骤1.2：应用步骤1.1中获取的稳态建模数据，对输入变量数据与caso3浓度化验数据进行皮尔逊相关性分析，选取相关系数大于0.2的变量作为输入变量，与caso3化验浓度共同组成最终建模数据。

进一步，吸收塔caso3平均浓度极限值

本发明提供的一种基于数据驱动多模型的脱硫氧化风系统控制方法，其有益效果为：

本方案以机组长期保存的历史数据及化验数据为原料进行方案设计及建模，无需对系统进行建模试验，对机组安全运行无任何影响；本方案采用神经网络等建模的方式实现亚硫酸钙的浓度的软测量，无需增加新的测量设备，亦无需对原有氧化风系统进行变频改造，只需增加一台工控机即可，投资成本低；该方法应用长时间跨度的历史及化验数据作为建模原料，其建模结果可以代表机组更加广泛的运行工况。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

其中：

图1为本发明建模数据筛选过程的示意框图；

图2为本发明机组历史运行数据直接建模的示意框图；

图3为本发明机组历史运行数据经过主元分析后建模的示意框图；

图4为本发明机组历史运行数据直接建模模型的调用方式示意框图；

图5为本发明机组历史运行数据经过主元分析后建模模型的调用方式示意框图；

图6为本发明氧化风机启停控制流程图。

具体实施方式

在下文中，将参照附图描述本发明的基于数据驱动多模型的脱硫氧化风系统控制方法的实施例。

在此记载的实施例为本发明的特定的具体实施方式，用于说明本发明的构思，均是解释性和示例性的，不应解释为对本发明实施方式及本发明范围的限制。除在此记载的实施例外，本领域技术人员还能够基于本申请权利要求书和说明书所公开的内容采用显而易见的其它技术方案，这些技术方案包括采用对在此记载的实施例的做出任何显而易见的替换和修改的技术方案。

本说明书的附图为示意图，辅助说明本发明的构思，示意性地表示各部分的形状及其相互关系。请注意，为了便于清楚地表现出本发明实施例的各部件的结构，各附图之间并未按照相同的比例绘制。相同的参考标记用于表示相同的部分。

实施例1：

一种实施例的基于数据驱动多模型的脱硫氧化风系统控制方法，本方法通过分别建立不同氧化风机运行台数时，氧化风系统相关输入与系统吸收塔浆液caso3浓度之间关系模型的方式，对吸收塔caso3浓度进行预测，依据预测浓度进行氧化风机的按需启停，实现了氧化风机的智能动态启停，从而达到了大幅降低氧化风系统能耗的目的，包括：

1、建模数据筛选：

(1)采用机组历史运行及化验数据作为建模原始数据，氧化风系统历史运行数据可从dcs中直接导出，而吸收塔caso3浓度数据可从日常的化验记录中获取，然后依据化验采样时刻，筛选化验时间点与化验浓度对应的氧化风系统历史运行数据，同化验浓度组合后获取原始建模数据。

(2)为避免系统动态响应的过渡过程对建模精度的影响，需进一步筛选稳态工况数据，筛选方式为：选取(1)中所获取的数据，综合考虑机组容量及脱硫系统布置方式，选定最低稳定运行时间阈值ts，查询各采样时刻及该时刻之前ts时间段的运行历史数据机组负荷值，当该时间段内负荷波动大于lmax则将该组数据删除，获取最终建模数据；筛选过程如图1所示。

2、建模：

以氧化风机运行台数，包括氧化风机全部停运的情况，作为建模划分依据，以氧化风系统相关变量如：机组负荷、fgd出入口so2浓度、出入口o2量、出入口烟气量、出入口烟气温度、出入口烟气压力、出入口烟气湿度、原烟气粉尘浓度、吸收塔ph、吸收塔浆液密度、吸收塔液位、石膏排出泵流量、氧化风机出入口温度、氧化风机出入口压力、氧化风机出入口风量等数据，或这些数据经主元分析降维后获取的主元变量作为建模过程输入数据，以吸收塔caso3化验浓度数据作为系统输出，采用基于历史数据驱动的建模方式，如：采用人工神经网络、偏最小二乘、支持向量机、多元线性回归、多项式拟合等数据驱动建模方式进行建模，获取不同氧化风机运行台数时的吸收塔caso3浓度模型；建模过程如图2、图3所示。

3、氧化风机的启停控制：

以机组负荷、fgd出入口so2浓度、出入口o2量、出入口烟气量、出入口烟气温度、出入口烟气压力、出入口烟气湿度、原烟气粉尘浓度、吸收塔ph、吸收塔浆液密度、吸收塔液位、石膏排出泵流量、氧化风机出入口温度、氧化风机出入口压力、氧化风机出入口风量等数据，或由这些数据加权组合而成的主元变量作为输入数据，应用2中所建模型预测吸收塔caso3浓度，模型调用方式如图4、图5所示。

依据预测浓度作为氧化风机运行台数增减的判断依据，判断过程如下：

(1)计算吸收塔caso3平均浓度：

对实时预测所得吸收塔caso3浓度采用滑动平均的方式获取吸收塔caso3平均浓度，设实时滚动预测吸收塔caso3浓度均值时间跨度为m，氧化风自动控制系统投运后，经过m时刻后，开始进行吸收塔caso3浓度的预测，设现时刻为k，氧化风机运行台数为n，该时刻吸收塔caso3实时预测浓度为ρn(k)，则有k时刻吸收塔caso3平均浓度计算方式为：

(2)氧化风机运行台数控制

1)当氧化风机运行台数n≥1时，吸收塔caso3平均浓度极限值为一般选取当1)中所得吸收塔caso3平均浓度超过时，增加启动一台氧化风机，同时将现时刻k置为1后重新计时，待k>m时，按照1)中重新计算吸收塔caso3平均浓度，再次依据所得吸收塔caso3平均浓度对氧化风机启停操作进行判断；当1)中所得吸收塔caso3平均浓度小于在应用n台氧化风机运行时的模型计算吸收塔caso3平均浓度的同时，同步加入应用n-1台氧化风机运行时的模型进行吸收塔caso3平均浓度估算，即应用(k-m+1)时刻到k时刻的系统输入与(n-1)台氧化风机运行时的模型进行k时氧化风机时吸收塔caso3平均浓度估算，当应用n台氧化风机与(n-1)台氧化风机工况对应的两种模型估算吸收塔caso3平均浓度均小于时，停止一台氧化风机，同时将现时刻k置为1后重新计时，待k>m时，按照1)中重新计算吸收塔caso3平均浓度，再次依据所得吸收塔caso3平均浓度对氧化风机启停操作进行判断。

2)当氧化风机运行台数n＝0时，当1)中所得吸收塔caso3平均浓度超过时，增加启动一台氧化风机，同时将现时刻k置为1后重新计时，待k>m时，按照1)中重新计算吸收塔caso3平均浓度，再次依据所得吸收塔caso3平均浓度对氧化风机启停操作进行判断；当1)中所得吸收塔caso3平均浓度小于保持现有运行状态；氧化风机启停控制流程图如图6所示。

实施例2：

本发明上述实施例的基于数据模型和机理运算的氧化风系统控制方法，还能进行如下改进，建模数据的进一步筛选稳态工况时，可不以采样时刻前后，负荷工况稳定运行时间为稳态判断依据，亦可采用烟气流量、fgd入口硫分或烟气流量乘上fgd入口硫分等变量在采样时刻前后稳定运行时间为稳态判断依据；该方法中建立的是吸收塔相关变量与吸收塔浆液中caso3浓度间的模型，由于实际化验过程中除化验吸收塔caso3浓度外，还会对脱水石膏中caso3浓度进行化验，因此亦可以建立吸收塔相关变量与脱水石膏中caso3浓度间的模型，对原有模型进行近似替换。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。