一种环保火电机组系统的制作方法

本发明涉及火力发电设备技术领域，更具体地说，涉及一种环保火电机组系统。

背景技术：

火力发电是利用可燃物在燃烧时产生的热能，通过发电动力装置转换为电能的一种发电形式，目前，人们获取的电能的方式主要还是火力发电。火力发电厂中配置有多组火电机组来进行发点作业，其排放的污染物主要是二氧化硫等硫化物，会对环境造成较大不良影响。

近年来，随着环保要求的逐渐提高，为了降低火电厂的二氧化硫排放量，许多电厂都增加了烟气脱硫装置。这些烟气脱硫装置大多仅是通过硬件设备进行脱硫作业，设备投入大，虽然有一定的效果，但是仍然无法实现有效降低二氧化硫排放的有效途径。

技术实现要素：

本发明需要解决的技术问题是提供一种环保火电机组系统，在能够降低火电厂硫化物排放量的基础上，极大优化火电厂的环保指标。

为解决上述技术问题，本发明所采取的技术方案如下。

一种环保火电机组系统，包括火电机组，还包括用于采集火电机组关键数据的传感器组、用于对数据进行采集分析的处理器组、用于对上传数据进行梳理汇总的工业计算机以及用于对火电机组设备的运行状态进行优化控制的监控服务器；所述传感器组的输出端连接处理器组的输入端，处理器组经工业计算机与监控服务器互相通信。

上述一种环保火电机组系统，所述监控服务器中设置有深度学习模块和数据挖掘模块。

上述一种环保火电机组系统，所述传感器组包括硫化物传感器、工况传感器、煤质传感器以及循环水温传感器。

上述一种环保火电机组系统，所述处理器组包括若干处理器，处理器为PLC和单片机中的至少一种，所述处理器与传感器一一对应配置。

上述一种环保火电机组系统，所述数据挖掘模块中配置有用于将火电机组各受监控参量进行二次聚类划分的参数优化单元。

上述一种环保火电机组系统，所述火电机组中还设置有负载监控器。

上述一种环保火电机组系统，所述负载监控器为动态负载监控器。

上述一种环保火电机组系统，所述深度学习模块中设置有用于对动态负载监控器所反应的数据进行处理并形成与负载分配相关的优化参数组的负载优化单元。

上述一种环保火电机组系统，所述监控服务器还通过无线网络连接有应用家长端，所述应用家长端安装于智能移动设备中；所述监控服务器中还设置有与应用家长端匹配工作的应用控制模块。

由于采用了以上技术方案，本发明所取得技术进步如下。

本发明通过在火电机组合理地配置传感器，对火电机组的关键数据进行实时采集，经处理器解析后，通过通讯模块上传至监控服务器进行计算、分析，形成可针对多厂房、厂房内多机组的环保优化构架，监控服务器通过植入深度学习模块、应用控制模块及数据挖掘模块完成关键数据进行合理挖掘和整合，生成对火电机组环保性具有提升作用的优化曲线，以对火电机组的运行和与污染物关联的关键数据进行实时调控，可大大降低火电厂硫化物的排放量，优化火电厂的环保指标。

附图说明

图1为本发明实施例1的结构示意图；

图2为本发明实施例2的结构示意图；

图3为本发明实施例3的结构示意图。

其中：1.火电机组，11.硫化物传感器，12.工况传感器，13.煤质传感器，14.循环水温传感器，2.处理器组，3.工业计算机，4.通讯模块，5.监控服务器，51.深度学习模块，511.负载优化单元，52.应用控制模块，53.数据挖掘模块，6.应用家长端，7.负载监控器。

具体实施方式

下面将结合具体实施例对本发明进行进一步详细说明。

实施例1

一种环保火电机组系统，其结构如图1所示，包括火电机组、传感器组、处理器组、工业计算机3以及监控服务器5，传感器组设置在火电机组中，传感器组的输出端连接处理器组的输入端，处理器组经工业计算机与监控服务器互相通信。

传感器组用于采集火电机组的关键数据，并将采集的数据传输给处理器组。传感器组包括硫化物传感器11、工况传感器12、煤质传感器13以及循环水温传感器14。硫化物传感器11安装于所述火电机组的排污口，用于监测二氧化硫的含量；工况传感器12设置在火电机组中，用于监控火电机组是否处在稳定工作状态；煤质传感器13装设在火电机组1的燃料输入口，用于监测燃料质量；循环水温传感器14设置在燃烧室的加水设备上，用于监控当前水温。

处理器组包括若干处理器，用于对传感器组传输的数据进行采集分析。处理器为PLC和单片机中的至少一种，所述处理器与传感器一一对应配置。

工业计算机与处理器相互通信，传感器组所采集的数据通过处理器组进行初步的解析后传输给工业计算机，工业计算机对上传数据进行梳理汇总，并能够接收监控服务器5的指令，将优化曲线所指示的参数可量化、有针对性地下发至处理器作业，以配合参数调控各设备，优化当前发电机组的工作状态。本发明中，工业计算机中设置有通讯模块4，工业计算机通过通讯模块将多个厂房的数据上传至监控服务器5。

监控服务器5通过多个模块的计算和学习，得到最适应当前发电机组运行的环保曲线和参数值，实现对火电机组设备运行状态进行优化控制的目的。监控服务器配置有深度学习模块51、应用控制模块52以及数据挖掘模块53。其中，数据挖掘模块53中配置有用于将火电机组各受监控参量进行二次聚类划分的参数优化单元，数据挖掘模块将以往的发电机组积累的大量历史参数进行聚类，聚类方式按照机组类型、机组工作需要等进行划分，以计算出在相同情况下的参数最优目标值，以所述最优目标值作为当前工况下的参数参考，以进行参数的调整。

实施例2

本实施例的结构如图2所示，与实施例1的区别在于：火电机组中还设置有负载监控器7，负载监控器为动态负载监控器。同时，监控服务器的深度学习模块中设置有负载优化单元511，用于对动态负载监控器所反应的数据进行处理，并形成与负载分配相关的优化参数组。

本实施例中，深度学习模块51根据煤耗-负荷曲线进行适应度计算，以煤耗作为负荷优化分配的目标函数，通过父代、子代的迭代计算，优化模型以达到收敛的耗煤量特性参数，并设定各个发电机组的符合上下限和平衡约束量，综合考虑各个厂房及各个发电机组的发电要求，以环保型和经济性为目的，对多个电厂以及电厂中的多个发电机组的负荷分配实现了闭环控制。

本发明中，深度学习模块所使用的算法、模型及涉及的神经网络可进行在当前已有技术基础上进行选择及更新，此处并不局限于某种或某几种。

实施例3

本实施例的结构如图3所示，与实施例2的区别在于：监控服务器还通过无线网络连接有应用家长端6，应用家长端安装于智能移动设备中。监控服务器的应用控制模块52为配合应用家长端设置，监控服务器可将环保曲线以及优化参数以图形方式下发至应用家长端，持有安装该家长端智能设备的管理人员，可以实时得知火电机组的状态，并通过所述工业计算机进行实时调整。

本实施例中的应用家长端可实现实时显示、实时警报、并对某些参量具备调整参数指令下发的作用。