燃煤机组湿法脱硫系统性能评估方法及装置与流程

1.本文件涉及脱硫系统性能评估技术领域，尤其涉及一种燃煤机组湿法脱硫系统性能评估方法及装置。


背景技术：

2.随着燃煤机组参与深度灵活性调峰成为常态，机组普遍面临煤种、煤质、煤价类型多样、变化频繁的问题，导致炉后的环保系统运行的压力陡增。通过内部挖潜让脱硫系统适应机组在任何工况下最优参数经济运行，有效降低机组煤耗，有效降低碳排放，对促进减碳增汇具有重要现实意义。而对脱硫系统性能进行评估，建立性能评估模型是发掘系统潜能和系统安全生产的前提。
3.脱硫系统传统的性能评估方法依据系统的机理或实验模型，通常按照机组负荷50％、75％、100％分三段，借助现场试验获取这三段负荷的实验数据，根据物理化学计算公式得到系统性能计算结果。此类方法给出的模型简单，准确度低，仅能满足局部负荷的系统性能评估，不能深度满足机组全负荷段的系统状态性能评估，常常出现模型鲁棒性差、计算结果误差大，不能很好的对系统性能全面评估等问题。
4.如何建立准确的燃煤机组脱硫系统性能评估模型，实现机组全负荷内系统性能评价与针对性优化，以及通过哪些中间变量计算性能评估模型中的参数，如何借助数据建模技术构建全负荷的参数计算，成为系统挖潜和安全生产的关键技术问题。


技术实现要素：

5.本发明通过提供一种燃煤机组湿法脱硫系统性能评估方法及装置，旨在解决上述问题。
6.本发明实施例提供了一种燃煤机组湿法脱硫系统性能评估方法，包括：
7.步骤s1、根据先验知识抽取反应脱硫系统性能的指标族并进行分类，根据分类后的性能指标族构建脱硫系统性能评估矩阵；
8.步骤s2、通过聚类算法对燃煤机组脱硫系统全负荷工况进行分类，并收集各个工况下的脱硫系统运行数据；
9.步骤s3、将脱硫系统运行数据作为脱硫系统性能评估矩阵的计算数据，根据性能评估矩阵的指标计算要求，通过机理算法、数理统计分析方法、并结合神经网络模型对各个工况下的脱硫运行数据计算并获取各个工况分类下的性能指标族的变量数值及最优对标性能指标族数值；
10.步骤s4、将各个工况分类下的性能指标族的变量数值及最优对标性能指标族数值进行对比从而获取燃煤机组湿法脱硫系统性能评估报告。
11.本发明实施例提供了一种燃煤机组湿法脱硫系统性能评估装置，包括：
12.评估矩阵模块，用于根据先验知识抽取反应脱硫系统性能的指标族并进行分类，根据分类后的性能指标族构建脱硫系统性能评估矩阵；
13.数据收集模块，用于通过聚类算法对燃煤机组脱硫系统全负荷工况进行分类，并收集各个工况下的脱硫系统运行数据；
14.计算模块，用于将脱硫系统运行数据作为脱硫系统性能评估矩阵的计算数据，根据性能评估矩阵的指标计算要求，通过机理算法、数理统计分析方法、并结合神经网络模型对各个工况下的脱硫运行数据计算并获取各个工况分类下的性能指标族的变量数值及最优对标性能指标族数值；
15.获取报告模块，用于将所述各个工况分类下的性能指标族的变量数值及最优对标性能指标族数值进行对比从而获取燃煤机组湿法脱硫系统性能评估报告。
16.本发明实施例还提供了一种电子设备，包括：
17.处理器；以及，
18.被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器执行如上述燃煤机组湿法脱硫系统性能评估方法的步骤。
19.本说明实施例还提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现如上述燃煤机组湿法脱硫系统性能评估方法的步骤。
20.通过采用本发明实施例，实现了机组全负荷内系统评估，通过构建系统评估矩阵使得各参数的计算更加科学合理，通过生成系统评估报告，大幅降低人为工作量，也降低人为填报的错误。
附图说明
21.为了更清楚地说明本说明书一个或多个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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
22.图1为本发明实施例的燃煤机组湿法脱硫系统性能评估方法的流程图；
23.图2为本发明实施例的生成燃煤机组湿法脱硫系统性能评估报告的流程图；
24.图3为本发明实施例的燃煤机组湿法脱硫系统性能评估报告模板图；
25.图4为本发明装置实施例一的燃煤机组湿法脱硫系统性能评估装置的示意图。
具体实施方式
26.为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个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说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
27.方法实施例
28.本发明实施例提供了一种燃煤机组湿法脱硫系统性能评估方法，图1为本发明实施例的燃煤机组湿法脱硫系统性能评估方法的流程图，根据图1所述，本发明实施例的燃煤机组湿法脱硫系统性能评估方法具体包括：
29.步骤s1、根据先验知识抽取反应脱硫系统性能的指标族并进行分类，根据分类后
的性能指标族构建脱硫系统性能评估矩阵；步骤s1具体包括：
30.针对脱硫系统的生产特点，基于脱硫系统的生产工艺抽取能反应系统性能的指标族包含脱硫效率、系统参数运行的安全边际、脱硫系统二氧化硫浓度、脱硫系统出口排放裕量、二氧化硫浓度预估值、脱硫系统主要设备当前能耗数值、脱硫系统最优能耗数值、吸收塔系统液位、吸收塔系统ph值、吸收塔系统阻力、关键设备的机械参数、关键设备的性能参数、关键设备最优运行方式参数。并对这类参数按照环保指标、能耗指标、系统关键参数指标、关键设备状态指标分类，从而构建一个完整的脱硫系统性能评估模型。
31.上述指标的计算可按日、周、月不同周期开展对脱硫系统性能评价。
32.步骤s2、通过聚类算法对燃煤机组脱硫系统全负荷工况进行分类，并收集各个工况下的脱硫系统运行数据；步骤s2具体包括：
33.根据燃煤机组负荷与脱硫系统入口二氧化硫构建脱硫系统全负荷指标a，对燃煤机组脱硫系统的全负荷指标a，根据预定的以5％～10％的a的粒度通过聚类算法进行工况划分。
34.为计算性能指标族各变量数值，获取燃煤机组脱硫系统运行数据，将运行数据中的脱硫塔入口二氧化硫浓度、机组负荷、脱硫塔入口烟气流量、烟气温度、出口的二氧化硫浓度、出口烟气流量、脱硫塔内温度、脱硫系统用电量、脱硫剂耗量、脱硫塔浆液ph值、脱硫塔密度、脱硫塔液位、脱硫塔各阻力件压降、浆液循环泵电流、浆液循环泵出口压力、脱硫剂纯度作为性能评估矩阵各参数计算的中间变量。
35.通过python编程语言的scikit-learn包搭建工况聚类算法，对机组工况分类。
36.步骤s3、将脱硫系统运行数据作为所述脱硫系统性能评估矩阵的计算数据，根据性能评估矩阵的指标计算要求，通过机理算法、数理统计分析方法、并结合神经网络模型对各个工况下的脱硫运行数据计算并获取各个工况分类下的性能指标族的变量数值及最优对标性能指标族数值；步骤s3具体包括：
37.根据性能评估矩阵各变量参数的计算要求选取物理化学公式计算方法和通过python软件搭建数据参数计算算法模型。计算按照环保指标、能耗指标、关键参数指标、关键设备性能指标分类计算。
38.环保指标：
39.通过脱硫系统入口二氧化硫浓度与出口二氧化硫浓度数值，计算出脱硫效率，计算后取该周期内的脱硫效率最大值、平均值、最小值；
40.计算统计该周期内脱硫系统出口二氧化硫浓度的最大值、最小值、平均值；
41.计算统计该周期内脱硫系统入口二氧化硫浓度最大值、最小值、平均值；
42.计算统计脱硫系统入口二氧化硫浓度超理论设计值的次数数值；
43.计算统计脱硫系统出口二氧化硫浓度超环保限值次数数值；
44.根据排放限制和当前周期的排放值，计算脱硫系统出口二氧化硫排放裕量；
45.计算统计系统参数运行的安全边际裕量；
46.能耗指标：
47.通过脱硫系统用电功率与机组总发电量计算脱硫系统当前用电率；
48.通过python软件搭建聚类算法，对机组工况分类，并抽取当前工况的最优用电率作为对标最优用电率；
49.通过脱硫系统脱硫剂耗量与机组总发电量计算脱硫系统当前脱硫剂耗率；
50.通过python软件搭建聚类算法，对机组工况分类，并抽取当前工况的最优脱硫剂耗率作为对标最优脱硫剂耗率；
51.关键参数指标：
52.计算统计该周期内脱硫系统吸收塔的平均液位(m)、最高液位(m)、最低液位(m)；
53.计算统计该周期内脱硫系统吸收塔的平均ph值、最高ph值、最低ph值；
54.计算统计该周期内脱硫系统吸收塔的平均密度(kg/m3)；
55.计算统计该周期内脱硫系统吸收塔的平均阻力(pa)、最大阻力(pa)、最低阻力(pa)；
56.通过python软件搭建聚类算法，对机组工况分类，并抽取当前工况的最优最优吸收塔液位、ph值、系统阻力作为对标数值；
57.关键设备性能指标：
58.关键设备包含浆液循环泵、氧化风机、球磨机等，关键设备的评价指标包含机械参数指标与性能指标；
59.计算统计该周期内关键设备的机械参数即各部件温度、振动量的平均值、最大值、最小值；
60.计算统计该周期内关键设备的性能参数即出口压力、电流的平均值、最大值、最小值；
61.统计本周期内不同工况下浆液循环泵的运行组合方式；
62.通过python软件搭建聚类算法，对机组工况分类，并抽取该周期内不同工况下浆液循环泵最优组合运行方式作为对标数值；
63.通过python软件搭建聚类算法，对机组工况分类，并抽取当前工况的最优用电率作为对标用电率。其中，通过python软件scikit-learn搭建聚类算法，按照燃煤机组负荷与脱硫系统入口二氧化硫构建脱硫系统全负荷指标a，对指标a按照5％～10％的粒度进行工况聚类，并计算各类的物耗能耗数据，挑选耗量最小的数值，作为该工况下的最优值。具体过程是将第二步中的运行参数建立数据表，通过所述的python软件的数据读入函数读取表中的脱硫塔入口二氧化硫浓度、机组负荷、脱硫塔入口烟气流量、烟气温度作为输入变量，利用所述的scikit-learn包搭建聚类算法，按照设定好的数据粒度计算聚类族数分类计算，设定数据计算最大迭代次数数值作为迭代终止条件，通过轮廓系数(silhouette coefficient)方法评估聚类质量。得到满意的工况分类结果后，对每一个分类工况中的描述系统的性能参数计算，得到所需的目标值，通过数据模型计算的性能指标包含对标用电率、对标脱硫剂耗率、对标ph基准值、对标吸收塔阻力基准值、关键参数的最优参数值、最优设备运行方式。
64.通过python软件keras包搭建神经网络算法，预测每一个工况类别范围内的参数的回归值，具体过程是将对上述聚类算法得到的每一个工况内的数值建立数据表，通过所述的python软件的数据读入函数读取表中的脱硫塔入口二氧化硫浓度、机组负荷、脱硫塔入口烟气流量、烟气温度、浆液密度作为输入变量，吸收塔ph值、吸收塔阻力作为输出变量。利用python软件keras包搭建神经网络算法对当前工况内的吸收塔ph值、吸收塔阻力作回归计算，利用神经网络算法模型计算所求吸收塔ph值、吸收塔阻力值与训练数据集中的目
标值的均方差最小作为目标函数，得到同一工况范围内输入参数变化对应的目标值在基准值上修正的数值，修正后的数值作为最优对标值。
65.步骤s4、将各个工况分类下的性能指标族的变量数值及最优对标性能指标族数值进行对比从而获取燃煤机组湿法脱硫系统性能评估报告。
66.燃煤机组湿法脱硫系统性能评估方法进一步包括：通过java编程语言以及流行计算机前后端框架搭建脱硫系统性能状态评估开发环境，后端实现数据库的读写、过程计算、软件模块数据接口通讯。前端实现ui开发，数据查询展示以及自动按设定的周期生产脱硫系统性能状态评估报告。图2为本发明实施例的生成燃煤机组湿法脱硫系统性能评估报告的流程图；图3为本发明实施例的燃煤机组湿法脱硫系统性能评估报告模板图。
67.通过采用本发明实施例具备如下有益效果：
68.1、以更科学细致的负荷粒度给出脱硫系统工况分段区间实现了实现系统全负荷内性能状态评估；
69.2.系统性能评价更全面，各参数的计算更细致、计算方更科学合理；
70.3.通过软件自动生成系统评估报告，大幅降低人为工作量，也降低人为填报的错误。
71.装置实施例一
72.本发明实施例提供了一种燃煤机组湿法脱硫系统性能评估装置，图4为本发明实施例的燃煤机组湿法脱硫系统性能评估装置的示意图，根据图4所述，本发明实施例的燃煤机组湿法脱硫系统性能评估装置具体包括：
73.评估矩阵模块40，用于根据先验知识抽取反应脱硫系统性能的指标族并进行分类，根据分类后的性能指标族构建脱硫系统性能评估矩阵；评估矩阵模块40具体用于：
74.针对脱硫系统的生产特点，基于脱硫系统的生产工艺抽取能反应系统性能的指标族包含脱硫效率、系统参数运行的安全边际、脱硫系统二氧化硫浓度、脱硫系统出口排放裕量、二氧化硫浓度预估值、脱硫系统主要设备当前能耗数值、脱硫系统最优能耗数值、吸收塔系统液位、吸收塔系统ph值、吸收塔系统阻力、关键设备的机械参数、关键设备的性能参数、关键设备最优运行方式参数。并对这类参数按照环保指标、能耗指标、系统关键参数指标、关键设备状态指标分类，从而构建一个完整的脱硫系统性能评估模型。
75.上述指标的计算可按日、周、月不同周期开展对脱硫系统性能评价。
76.数据收集模块42，用于通过聚类算法对燃煤机组脱硫系统全负荷工况进行分类，并收集各个工况下的脱硫系统运行数据；数据收集模块42具体用于：
77.根据燃煤机组负荷与脱硫系统入口二氧化硫构建脱硫系统全负荷指标a，对燃煤机组脱硫系统的全负荷指标a，根据预定的以5％～10％的a的粒度通过聚类算法进行工况划分。
78.为计算性能指标族各变量数值，获取燃煤机组脱硫系统运行数据，将运行数据中的脱硫塔入口二氧化硫浓度、机组负荷、脱硫塔入口烟气流量、烟气温度、出口的二氧化硫浓度、出口烟气流量、脱硫塔内温度、脱硫系统用电量、脱硫剂耗量、脱硫塔浆液ph值、脱硫塔密度、脱硫塔液位、脱硫塔各阻力件压降、浆液循环泵电流、浆液循环泵出口压力、脱硫剂纯度作为性能评估矩阵各参数计算的中间变量。
79.通过python编程语言的scikit-learn包搭建工况聚类算法，对机组工况分类。
80.计算模块44，用于将所述脱硫系统运行数据作为所述脱硫系统性能评估矩阵的计算数据，根据性能评估矩阵的指标计算要求，通过机理算法、数理统计分析方法、并结合神经网络模型对各个工况下的脱硫运行数据计算并获取各个工况分类下的性能指标族的变量数值及最优对标性能指标族数值；计算模块44具体用于：
81.根据性能评估矩阵各变量参数的计算要求选取物理化学公式计算方法和通过python软件搭建数据参数计算算法模型。计算按照环保指标、能耗指标、关键参数指标、关键设备性能指标分类计算。
82.环保指标：
83.通过脱硫系统入口二氧化硫浓度与出口二氧化硫浓度数值，计算出脱硫效率，计算后取该周期内的脱硫效率最大值、平均值、最小值；
84.计算统计该周期内脱硫系统出口二氧化硫浓度的最大值、最小值、平均值；
85.计算统计该周期内脱硫系统入口二氧化硫浓度最大值、最小值、平均值；
86.计算统计脱硫系统入口二氧化硫浓度超理论设计值的次数数值；
87.计算统计脱硫系统出口二氧化硫浓度超环保限值次数数值；
88.根据排放限制和当前周期的排放值，计算脱硫系统出口二氧化硫排放裕量；
89.计算统计系统参数运行的安全边际裕量；
90.能耗指标：
91.通过脱硫系统用电功率与机组总发电量计算脱硫系统当前用电率；
92.通过python软件搭建聚类算法，对机组工况分类，并抽取当前工况的最优用电率作为对标最优用电率；
93.通过脱硫系统脱硫剂耗量与机组总发电量计算脱硫系统当前脱硫剂耗率；
94.通过python软件搭建聚类算法，对机组工况分类，并抽取当前工况的最优脱硫剂耗率作为对标最优脱硫剂耗率；
95.关键参数指标：
96.计算统计该周期内脱硫系统吸收塔的平均液位(m)、最高液位(m)、最低液位(m)；
97.计算统计该周期内脱硫系统吸收塔的平均ph值、最高ph值、最低ph值；
98.计算统计该周期内脱硫系统吸收塔的平均密度(kg/m3)；
99.计算统计该周期内脱硫系统吸收塔的平均阻力(pa)、最大阻力(pa)、最低阻力(pa)；
100.通过python软件搭建聚类算法，对机组工况分类，并抽取当前工况的最优最优吸收塔液位、ph值、系统阻力作为对标数值；
101.关键设备性能指标：
102.关键设备包含浆液循环泵、氧化风机、球磨机等，关键设备的评价指标包含机械参数指标与性能指标；
103.计算统计该周期内关键设备的机械参数即各部件温度、振动量的平均值、最大值、最小值；
104.计算统计该周期内关键设备的性能参数即出口压力、电流的平均值、最大值、最小值；
105.统计本周期内不同工况下浆液循环泵的运行组合方式；
106.通过python软件搭建聚类算法，对机组工况分类，并抽取该周期内不同工况下浆液循环泵最优组合运行方式作为对标数值；
107.通过python软件搭建聚类算法，对机组工况分类，并抽取当前工况的最优用电率作为对标用电率。其中，通过python软件scikit-learn搭建聚类算法，对机组负荷、硫份总量按照5％～10％的粒度进行工况聚类，并计算各类的物耗能耗数据，挑选耗量最小的数值，作为该工况下的最优值。具体过程是将第二步中的运行参数建立数据表，通过所述的python软件的数据读入函数读取表中的脱硫塔入口二氧化硫浓度、机组负荷、脱硫塔入口烟气流量、烟气温度作为输入变量，利用所述的scikit-learn包搭建聚类算法，按照设定好的数据粒度计算聚类族数分类计算，设定数据计算最大迭代次数数值作为迭代终止条件，通过轮廓系数(silhouette coefficient)方法评估聚类质量。得到满意的工况分类结果后，对每一个分类工况中的描述系统的性能参数计算，得到所需的目标值，通过数据模型计算的性能指标包含对标用电率、对标脱硫剂耗率、对标ph基准值、对标吸收塔阻力基准值、关键参数的最优参数值、最优设备运行方式。
108.通过python软件keras包搭建神经网络算法，预测每一个工况类别范围内的参数的回归值，具体过程是将对上述聚类算法得到的每一个工况内的数值建立数据表，通过所述的python软件的数据读入函数读取表中的脱硫塔入口二氧化硫浓度、机组负荷、脱硫塔入口烟气流量、烟气温度、浆液密度作为输入变量，吸收塔ph值、吸收塔阻力作为输出变量。利用python软件keras包搭建神经网络算法对当前工况内的吸收塔ph值、吸收塔阻力作回归计算，利用神经网络算法模型计算所求吸收塔ph值、吸收塔阻力值与训练数据集中的目标值的均方差最小作为目标函数，得到同一工况范围内输入参数变化对应的目标值在基准值上修正的数值，修正后的数值作为最优对标值。
109.获取报告模块46，用于将各个工况分类下的性能指标族的变量数值及最优对标性能指标族数值进行对比从而获取燃煤机组湿法脱硫系统性能评估报告。
110.本发明实施例还可以通过java编程语言以及流行计算机前后端框架搭建脱硫系统性能状态评估开发环境，后端实现数据库的读写、过程计算、软件模块数据接口通讯。前端实现ui开发，数据查询展示以及自动按设定的周期生产脱硫系统性能状态评估报告。
111.装置实施例二
112.本发明实施例提供了一种电子设备，包括：
113.处理器；以及，
114.被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器执行如上述方法实施例所述的步骤。
115.装置实施例三
116.本发明实施例体提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现如上述方法实施例所述的步骤。
117.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。