一种火电机组锅炉成本最低混煤煤质参数获取方法
【专利摘要】一种火电机组锅炉成本最低混煤煤质参数获取方法，所述方法根据优质煤配比最小、劣质煤配比最大及原煤单价最低为目标函数，建立动力配煤数学模型，并根据广义回归神经网络预测模型，使获得混煤煤质参数值更具合理性，以保证锅炉运行的合理性、经济性。所述方法包括以优质煤配比最小、劣质煤配比最大及原煤单价最低为目标函数，并以单煤数据库、锅炉设计煤质及历史上煤数据作为约束条件，建立动力配煤数学模型；采用广义回归神经网络技术建立混煤煤质特性预测模型。本发明方法适用于火电机组锅炉最低成本混煤煤质参数获取。
【专利说明】一种火电机组锅炉成本最低混煤煤质参数获取方法
【技术领域】
[0001] 本发明涉及一种火电机组锅炉成本最低混煤煤质参数获取方法，属火电机组运行 混煤优化【技术领域】。
【背景技术】
[0002] 我国煤炭资源分布广、品种多，不同煤种特性差异大。电厂锅炉设计时一般基于 某种给定的设计煤种，而锅炉使用设计煤种时受到诸多客观条件限制，如煤种紧张、煤源众 多、运输成本等。面对各种具有不同特性的燃煤和煤源不稳定的燃煤，需要采用科学合理的 掺配方法及先进的煤质预测技术，达到既能降低电厂配煤成本目标，又能提高入炉煤稳定 性和可靠性，使最终入炉煤基本可实现设计煤质要求，保证锅炉安全稳定运行。
[0003] 最低成本混煤煤质参数预测是火电机组运行的一项重要技术。最低成本混煤煤质 参数一般通过近期电厂进煤单煤数据库，以优质煤配比最小、劣质煤配比最大及原煤单价 最低为掺配目标，采用穷举法计算单煤数据库中所有配煤组合，确定合理配煤煤种及最佳 配比，利用神经网络技术建立的混煤煤质非线性参数预测模型，对混煤煤质参数进行预测， 提供给运行人员，运行人员根据预测的混煤煤质参数，及时调整锅炉运行。同时也将最佳配 煤组合方式提供给燃运管理中心，可实现在线快速最优配煤。因此，最低成本混煤煤质参数 预测的关键是合理配煤煤种及最佳配比。
[0004] 目前火电机组混煤煤质参数，涉及锅炉侧最低成本混煤煤质参数的确定，主要依 据混煤煤质参数和锅炉设计参数，结合运行人员经验确定。由于电厂煤源的多样性和复杂 性，这种预测值确定方法很难充分考虑入炉煤质多样性对预测值的影响，缺乏准确性。
【发明内容】
[0005] 本发明的目的是，根据现有火电锅炉侧最低成本混煤煤质参数确定存在的问题， 本发明提出一种火电机组锅炉最低成本混煤煤质参数获取方法。
[0006] 实现本发明的技术方案是，本发明采用穷举法和广义神经网络技术，根据优质煤 配比最小、劣质煤配比最大及原煤单价最低为目标函数，建立动力配煤数学模型，并根据广 义回归神经网络预测模型，使获得混煤煤质参数值更具合理性，以保证锅炉运行的合理性、 经济性。
[0007] 本发明一种火电机组锅炉最低成本混煤煤质参数获取方法步骤为：
[0008] (1)采集电站锅炉常用单煤数据，建立单煤信息数据库；
[0009] (2)以优质煤配比最小、劣质煤配比最大及原煤单价最低为目标函数，并以单煤数 据库、锅炉设计煤质及历史上煤数据作为约束条件，建立动力配煤数学模型；
[0010] (3)基于步骤（2)建立的动力配煤数学模型，采用穷举法寻遍单煤数据库中所有 配煤组合，确定效益最高的配煤煤种及最优配比，并标记为"最优混煤"；
[0011] (4)基于步骤（3) "最优混煤"和步骤（1)的单煤数据库，采用广义回归神经网络 技术建立混煤煤质特性预测模型；
[0012] (5)基于步骤（3) "最优混煤"和基于步骤（4)的广义回归神经网络预测模型，输 入煤种及混煤比例，预测混煤的工业分析、元素分析及燃烧特性；
[0013] 本发明方法步骤（2)建立的约束条件为输入变量，包括单煤数据库、锅炉设计煤 质及历史上煤数据。
[0014] 本发明锅炉动力配煤计算模型包括配煤约束条件和目标函数：
[0015] 所述配煤计算模型的配煤约束条件：
[0016] 有η种单煤，要配制具有m个技术指标T的动力煤，若第j种单煤（j = 1，2, 3··· η)经过化验得出第i个技术指标（i = 1，2, 3…m)为Tu，又设第j种单煤在配煤中的百分 率那么用η种单煤配置的第i个指标则为：f(I^X"n);
[0017] 某一台锅炉，根据其单煤数据库、锅炉设计煤质及历史上煤数据等的参考，其第i 个技术指标上限为Ai，下限为Bi，，则用η种单煤配制的第i个技术指标就必须在Ai?Bi之 间，即：Bi 彡 ?·(υ，η)彡 Ai ;
[0018] 此外，由η中单煤掺混，其配比之和必须是100%，且各种单煤配比为正值。
[0019] 所述配煤计算模型的目标函数：
[0020] (1)追求优质煤配比比例最小
[0021] 我国煤炭资源中，优质煤比重较少，价格也相对较高，一般工业锅炉应尽量少用优 质煤，以合理用煤、降低成本。设有η种煤进行掺混，如果第j种煤是优质煤，其配比为Xj， 则优质煤配比最小的目标函数为P min = Xj ;
[0022] (2)追求低质煤配比比例最大
[0023] 为了充分利用或就地利用一些质量较差的煤炭，节约优质煤、节约运力、降低成 本，用煤应立足于多利用低质煤。设有η种单煤相掺混，其中第i种单煤是低质煤或资源 丰富，来源方便，供应有保证的煤，其配比为X」，为了更大比例的掺混，则应追求其配比为最 大，即目标函数P max = Xj ;
[0024] (3)追求成本最低
[0025] 降低配煤成本是本发明主要追求的目标，假设有几种不同单煤进行配煤，第j种 单煤的成本价为Cj，其配比比例为Xj，则配煤的成本价为
【权利要求】
1. 一种火电机组锅炉成本最低混煤煤质参数获取方法，其特征在于，所述方法根据优 质煤配比最小、劣质煤配比最大及原煤单价最低为目标函数，建立动力配煤数学模型，并根 据广义回归神经网络预测模型，使获得混煤煤质参数值更具合理性，以保证锅炉运行的合 理性、经济性； 所述方法的步骤为： (1) 采集电站锅炉常用单煤数据，建立单煤信息数据库； (2) 以优质煤配比最小、劣质煤配比最大及原煤单价最低为目标函数，并以单煤数据 库、锅炉设计煤质及历史上煤数据作为约束条件，建立动力配煤数学模型； (3) 基于步骤（2)建立的动力配煤数学模型，采用穷举法寻遍单煤数据库中所有配煤 组合，确定效益最高的配煤煤种及最优配比，并标记为"最优混煤"； (4) 基于步骤（3) "最优混煤"和步骤（1)的单煤数据库，采用广义回归神经网络技术 建立混煤煤质特性预测模型； (5) 基于步骤（3) "最优混煤"和基于步骤（4)的广义回归神经网络预测模型，输入煤 种及混煤比例，预测混煤的工业分析、元素分析及燃烧特性。
2. 根据权利要求1所述的一种火电机组锅炉成本最低混煤煤质参数获取方法，其特征 在于，所述方法步骤（2)建立的约束条件为输入变量，包括单煤数据库、锅炉设计煤质及历 史上煤数据。
3. 根据权利要求1所述的一种火电机组锅炉成本最低混煤煤质参数获取方法，其特征 在于，所述动力配煤数学模型包括配煤约束条件和目标函数； 所述配煤计算模型的配煤约束条件： 有η种单煤，要配制具有m个技术指标T的动力煤，若第j种单煤（j = 1，2, 3…η)经 过化验得出第i个技术指标（i = 1，2, 3…m)为Τυ，又设第j种单煤在配煤中的百分率Xj， 那么用η种单煤配置的第i个指标则为：f (1^_，Χρ η); 某一台锅炉，根据其单煤数据库、锅炉设计煤质及历史上煤数据的参考，其第i个技术 指标上限为化，下限为&，，则用η种单煤配制的第i个技术指标就必须在&?&之间，即： Bi 彡 ?·(υ，η)彡 Ai ; 此外，由η中单煤掺混，其配比之和必须是100%，且各种单煤配比为正值； 所述配煤计算模型的目标函数： (1) 追求优质煤配比比例最小： 设有η种煤进行掺混，如果第j种煤是优质煤，其配比为X」，则优质煤配比最小的目标 函数为= X」.； (2) 追求低质煤配比比例最大： 设有η种单煤相掺混，其中第i种单煤是低质煤或资源丰富，来源方便，供应有保证的 煤，其配比为X」，为了更大比例的掺混，则应追求其配比为最大，即目标函数Pmax = Xj ; (3) 追求成本最低： 降低配煤成本是本发明主要追求的目标，假设有几种不同单煤进行配煤，第j种单煤 的成本价为C」，其配比比例为X」，则配煤的成本价为
；确定配煤成本最低的目标 函数为
4.根据权利要求1所述的一种火电机组锅炉成本最低混煤煤质参数获取方法，其特征 在于，所述广义神经网络预测模型为， 混煤煤质预测模型网络结构包括四层神经元，即输入层、模式层、求和层和输出层；输 入输出为一维列向量时，其中网络输入为1= [XpXd…xm]T，输出为=[yi，y2,…ym] T; 输入层神经元数目等于学习样本输入层的维数m，各神经元直接将输入变量传递给隐 含层；模式层的神经元数目等于学习样本的数目n，各神经元对应不同的样本，模式层中神 经元的传递函数为高斯函数，即
求和层有两种类型神经元，其中一种神经元的作用是对所有模式层神经元的输出进行 算术求和，模式层各神经元与该神经元的连接权值为1 ;其他神经元对所有模式层的输出 进行加权求和，输出层中的神经元数目等于学习样本中输出向量的维数L,各神经元将求 和层的输出相除；预测模型的输入为从十五种单煤中选取的三个煤种的煤质参数和其中三 种单煤的比例，输出为对应混煤的煤质实测参数，通过混煤实验所得基本煤质参数的训练， 得到预测误差较低的预测模型。
【文档编号】G06Q10/04GK104156781SQ201410337701
【公开日】2014年11月19日 申请日期:2014年7月16日 优先权日:2014年7月16日
【发明者】桂良明, 陈林国, 夏永俊 申请人:国家电网公司, 国网江西省电力科学研究院