摘?要：目前新一代信息技術(shù)與火力發(fā)電技術(shù)正在深度融合，燃燒智能優(yōu)化在火電站節(jié)能減排、少人值守等方面具有重要意義，是智慧電廠建設(shè)的關(guān)鍵一環(huán)。對(duì)大數(shù)據(jù)驅(qū)動(dòng)下的燃燒智能優(yōu)化以及開(kāi)環(huán)/閉環(huán)控制策略分析后得到：在保證安全的前提下，燃燒智能優(yōu)化將從歷史經(jīng)驗(yàn)向機(jī)器學(xué)習(xí)，開(kāi)環(huán)控制向閉環(huán)控制逐漸過(guò)渡，最終實(shí)現(xiàn)鍋爐燃燒參數(shù)自動(dòng)調(diào)整，經(jīng)濟(jì)與環(huán)保性能提升的閉環(huán)優(yōu)化控制。

關(guān)鍵詞：燃燒優(yōu)化；歷史經(jīng)驗(yàn)；機(jī)器學(xué)習(xí)；開(kāi)環(huán)；閉環(huán)

中圖分類號(hào)：TK222??文獻(xiàn)標(biāo)識(shí)碼：A

Research?on?Intelligent?Combustion?Optimization?Control

Strategy?of?Power?Plant?Boiler

Liao?Pengwei

Datang?Central?South?Electric?Power?Test?Research?Institute?HenanZhengzhou?450000

Abstract：At?present，the?new?generation?of?information?technology?and?thermal?power?generation?technology?are?being?deeply?integrated.Intelligent?combustion?optimization?is?of?great?significance?in?terms?of?energy?saving?and?emission?reduction，and?unattended?control?in?thermal?power?plants.It?is?a?key?link?in?the?construction?of?smart?power?plants.After?analyzing?the?intelligent?combustion?optimization?and?openloop/closedloop?control?strategies?driven?by?big?data，it?is?obtained：under?the?premise?of?ensuring?safety，the?intelligent?combustion?optimization?will?gradually?transition?from?historical?experience?to?machine?learning，openloop?control?to?closedloop?control，and?finally?realize?the?closedloop?optimization?control?for?automatic?adjustment?of?boiler?combustion?parameters?and?improvement?of?economic?and?environmental?performance.

Keywords：combustion?optimization；historical?experience；machine?learning；openloop；closedloop

當(dāng)前人工智能的發(fā)展具有深度學(xué)習(xí)、群智開(kāi)放、自主操控、人機(jī)協(xié)同等新特征，與移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、超級(jí)計(jì)算等新理論、新技術(shù)呈現(xiàn)深度融合趨勢(shì)。新一代人工智能技術(shù)是推動(dòng)我國(guó)科技跨越發(fā)展、產(chǎn)業(yè)優(yōu)化升級(jí)、生產(chǎn)力整體躍升的重要戰(zhàn)略資源之一。

工業(yè)智能的本質(zhì)是人工智能通用技術(shù)在具備自感知、自決策、自學(xué)習(xí)、自適應(yīng)、自執(zhí)行能力的前提下，適應(yīng)動(dòng)態(tài)變化的工業(yè)環(huán)境，與工業(yè)場(chǎng)景、機(jī)理、知識(shí)進(jìn)行結(jié)合，完成定制化工業(yè)任務(wù)，達(dá)到增強(qiáng)企業(yè)洞察力，提高工業(yè)生產(chǎn)效率或產(chǎn)品性能的目的，實(shí)現(xiàn)設(shè)計(jì)模式、生產(chǎn)決策、資源優(yōu)化等智能化應(yīng)用［1］。

工業(yè)自動(dòng)化領(lǐng)域有關(guān)數(shù)字化、智能化、智慧化電廠已經(jīng)逐漸形成統(tǒng)一標(biāo)準(zhǔn)，中國(guó)智能電廠聯(lián)盟制定了《智能電廠技術(shù)發(fā)展綱要》［2］，綱要中對(duì)于燃燒在線優(yōu)化技術(shù)指出：應(yīng)通過(guò)機(jī)理分析和系統(tǒng)辨識(shí)相結(jié)合建模，釆用先進(jìn)控制策略與技術(shù)，實(shí)現(xiàn)控制參數(shù)最優(yōu)搜索和整定，完成過(guò)程重要參數(shù)的精細(xì)控制，最大限度地實(shí)現(xiàn)機(jī)組全負(fù)荷范圍的控制，保證其安全性和經(jīng)濟(jì)性，包括燃燒在線優(yōu)化等技術(shù)。在試點(diǎn)取得成功經(jīng)驗(yàn)的基礎(chǔ)上，先在一部分電廠配置鍋爐燃燒優(yōu)化控制系統(tǒng)，重視和著力對(duì)超低排放設(shè)備和系統(tǒng)的控制系統(tǒng)進(jìn)行優(yōu)化，并爭(zhēng)取盡快推廣應(yīng)用，以滿足火電廠超低排放的需求。

1?大數(shù)據(jù)驅(qū)動(dòng)下的燃燒智能優(yōu)化

1.1?基于歷史經(jīng)驗(yàn)的燃燒優(yōu)化

通過(guò)對(duì)鍋爐運(yùn)行燃燒機(jī)理分析，以煤質(zhì)信息、負(fù)荷、環(huán)境變量、燃料量、設(shè)備狀態(tài)等決定鍋爐燃燒客觀運(yùn)行狀態(tài)的特征參數(shù)為邊界條件，可劃分不同的運(yùn)行工況。如式（1）所示，當(dāng)特征參量數(shù)量越多時(shí)，運(yùn)行工況的區(qū)分就越具體。

C=（Qnet，Load，Temp，QF，mi，…）（1）

式中，C表示某一運(yùn)行工況區(qū)間；Qnet為燃煤發(fā)熱量，kJ/kg；Load為機(jī)組負(fù)荷，MW；Temp為環(huán)境溫度，℃；QF為燃料量，t/h；mi表示某設(shè)備i的運(yùn)行狀態(tài)。

當(dāng)測(cè)點(diǎn)出現(xiàn)非正常干擾、損壞等異常情況時(shí)，數(shù)據(jù)所記錄的內(nèi)容將不能正常反映機(jī)組當(dāng)前的工作情況，需要進(jìn)行數(shù)據(jù)清洗。在機(jī)組升降負(fù)荷、汽水參數(shù)調(diào)整、風(fēng)門調(diào)整和煤質(zhì)變化等非穩(wěn)態(tài)過(guò)程中往往伴隨著參數(shù)的大幅波動(dòng)，不能準(zhǔn)確反映機(jī)組的真實(shí)特性，需要進(jìn)行穩(wěn)態(tài)判定。此外，在考慮經(jīng)濟(jì)性、環(huán)保性和安全性的同時(shí)，機(jī)組各項(xiàng)運(yùn)行參數(shù)指標(biāo)（例如主汽壓力、主/再汽溫度和減溫水流量等）應(yīng)滿足設(shè)計(jì)要求，保障機(jī)組處于良好狀態(tài)，因此需要進(jìn)行約束判定。

在劃分不同工況的基礎(chǔ)之上，根據(jù)設(shè)計(jì)的尋優(yōu)模型深入挖掘和分析海量歷史運(yùn)行數(shù)據(jù)，進(jìn)行數(shù)據(jù)清洗、穩(wěn)態(tài)判定和約束判定等處理，以關(guān)鍵參數(shù)（鍋爐熱效率、氮氧化物排放、汽溫、壁溫和燃燒狀態(tài)等）為目標(biāo)進(jìn)行尋優(yōu)，建立以歷史數(shù)據(jù)為基礎(chǔ)的運(yùn)行標(biāo)桿庫(kù)。當(dāng)歷史數(shù)據(jù)足夠全面、數(shù)量足夠多時(shí)，標(biāo)桿庫(kù)則更為完善，更加趨近于最優(yōu)值。

在初始運(yùn)行標(biāo)桿庫(kù)基礎(chǔ)之上，收集鍋爐燃燒實(shí)時(shí)數(shù)據(jù)進(jìn)行在線計(jì)算，將實(shí)際工況目標(biāo)值與標(biāo)桿庫(kù)比對(duì)，獲得不同煤種、不同負(fù)荷等條件下的鍋爐的歷史最佳燃燒工況以及各燃燒參數(shù)的最佳設(shè)定值，推送歷史最優(yōu)值參與機(jī)組運(yùn)行調(diào)整。在推送歷史最優(yōu)值的基礎(chǔ)上，運(yùn)行人員可繼續(xù)進(jìn)行燃燒調(diào)整，不斷通過(guò)判定因子對(duì)鍋爐燃燒進(jìn)行在線綜合評(píng)價(jià)。若與標(biāo)桿庫(kù)對(duì)比后綜合評(píng)價(jià)更優(yōu)，則將此工況認(rèn)定為新的標(biāo)桿值并在標(biāo)桿庫(kù)中自動(dòng)收錄，強(qiáng)化鞏固已有成果，最終實(shí)現(xiàn)鍋爐燃燒愈來(lái)愈優(yōu)。

1.2?基于機(jī)器學(xué)習(xí)算法的燃燒優(yōu)化

一方面，隨著近些年來(lái)計(jì)算機(jī)軟、硬件技術(shù)的突破，其算力也在不斷提高，機(jī)器學(xué)習(xí)技術(shù)因此取得了長(zhǎng)足進(jìn)步。另一方面，電站鍋爐的燃燒過(guò)程具有多輸入多輸出、大滯后、多干擾、強(qiáng)耦合等特點(diǎn)，是一個(gè)復(fù)雜的化學(xué)反應(yīng)過(guò)程。當(dāng)前的一些研究采用人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等技術(shù)建立鍋爐燃燒模型，以期自動(dòng)挖掘發(fā)現(xiàn)變量之間隱藏的關(guān)系，再利用粒子群優(yōu)化算法、遺傳算法、蟻群優(yōu)化算法等智能優(yōu)化算法，尋找鍋爐燃燒系統(tǒng)各輸入?yún)?shù)的最佳組合，用以對(duì)鍋爐燃燒進(jìn)行實(shí)時(shí)優(yōu)化指導(dǎo)。

余廷芳［3］等人建立了鍋爐燃燒特性的BP神經(jīng)網(wǎng)絡(luò)模型，如圖2所示，用以預(yù)測(cè)鍋爐熱效率和NOx排放質(zhì)量濃度，利用遺傳算法（GA）建立鍋爐燃燒的優(yōu)化模型，采用權(quán)重系數(shù)法實(shí)現(xiàn)鍋爐熱效率和NOx排放質(zhì)量濃度多目標(biāo)優(yōu)化。張振星［4］利用支持向量回歸機(jī)（SVM）建立NOx生成量和鍋爐熱效率模型并提出改進(jìn)型NSGAII多目標(biāo)遺傳算法，得出一組最優(yōu)解集，同時(shí)滿足鍋爐效率的提高和NOx生成的降低這兩個(gè)目標(biāo)。閆水保［5］等人在最小二乘支持向量回歸算法（LSSVR）基礎(chǔ)上提出了約束支持向量回歸算法，通過(guò)優(yōu)化支持向量的選擇策略增強(qiáng)算法泛化能力和對(duì)不良數(shù)據(jù)的抵御能力，用來(lái)建立一個(gè)有效的電站鍋爐效率與NOx排放濃度預(yù)測(cè)模型。

神經(jīng)網(wǎng)絡(luò)模型具有自學(xué)習(xí)功能，能高速尋找優(yōu)化解，但基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則，依賴大數(shù)據(jù)樣本，易陷入局部最優(yōu)且訓(xùn)練速度慢。支持向量機(jī)在考慮有限樣本情況時(shí)將問(wèn)題轉(zhuǎn)化為保障全局最優(yōu)的凸二次規(guī)劃問(wèn)題，但超參數(shù)選擇和求解規(guī)模受訓(xùn)練樣本數(shù)量的影響較大。最小二乘支持向量回歸是支持向量機(jī)的改進(jìn)方法，采用簡(jiǎn)化模型進(jìn)行訓(xùn)練，在小樣本學(xué)習(xí)中表現(xiàn)較好，過(guò)學(xué)習(xí)現(xiàn)象不易發(fā)生，但是所有數(shù)據(jù)在決策函數(shù)中均有貢獻(xiàn)，失去稀疏性，從而影響了模型的計(jì)算能力以及推廣能力［6］。

2?開(kāi)環(huán)與閉環(huán)控制策略

2.1?傳統(tǒng)熱工控制的限制

近些年火電行業(yè)的鍋爐自動(dòng)控制水平已經(jīng)有了較大提高，但是采用的集控室分散控制系統(tǒng)（DCS）為邏輯組態(tài)方式，不能直接采用高級(jí)應(yīng)用算法進(jìn)行數(shù)據(jù)挖掘，機(jī)組的實(shí)時(shí)與歷史數(shù)據(jù)無(wú)法得到充分、有效利用。運(yùn)行操作人員的自身經(jīng)驗(yàn)以及操作水平在很大程度上決定了鍋爐的實(shí)際運(yùn)行性能，難以實(shí)現(xiàn)鍋爐燃燒系統(tǒng)的最優(yōu)運(yùn)行，不能根據(jù)鍋爐負(fù)荷和煤種的變化自動(dòng)優(yōu)化調(diào)節(jié)配風(fēng)、配煤燃燒運(yùn)行參數(shù)（如各燃燒器負(fù)荷分配調(diào)整、總風(fēng)量調(diào)整、一/二次風(fēng)量分配調(diào)整等）。

為滿足燃燒智能優(yōu)化等高級(jí)算法應(yīng)用的需求以及對(duì)海量數(shù)據(jù)的快速處理，一般需要配套建設(shè)燃燒優(yōu)化軟件的運(yùn)行平臺(tái)，采用Modbus（或OPC）方式與機(jī)組DCS系統(tǒng)建立通信連接。系統(tǒng)工作站通過(guò)通信網(wǎng)絡(luò)從DCS獲取機(jī)組運(yùn)行數(shù)據(jù)，系統(tǒng)優(yōu)化結(jié)果通過(guò)通信網(wǎng)絡(luò)送入DCS實(shí)現(xiàn)燃燒優(yōu)化控制。燃燒優(yōu)化系統(tǒng)架構(gòu)如圖3所示。

2.2?開(kāi)環(huán)與閉環(huán)控制

燃燒優(yōu)化控制系統(tǒng)可分為開(kāi)環(huán)和閉環(huán)兩種，其中開(kāi)環(huán)是指DCS控制參數(shù)由運(yùn)行操作員根據(jù)燃燒優(yōu)化結(jié)果進(jìn)行手動(dòng)修改，而閉環(huán)是系統(tǒng)優(yōu)化結(jié)果直接與DCS通信并對(duì)其控制參數(shù)進(jìn)行調(diào)整的封閉系統(tǒng)，沒(méi)有人員參與。從實(shí)現(xiàn)的角度來(lái)看，無(wú)論是基于歷史經(jīng)驗(yàn)還是機(jī)器學(xué)習(xí)算法的燃燒智能優(yōu)化系統(tǒng)均能完成開(kāi)環(huán)與閉環(huán)控制。

安全、經(jīng)濟(jì)、環(huán)保往往是發(fā)電企業(yè)關(guān)心的主要方面，其中安全問(wèn)題是放在首位的。開(kāi)環(huán)與閉環(huán)控制相比較：一方面，開(kāi)環(huán)控制由運(yùn)行人員執(zhí)行修改參數(shù)，在其經(jīng)驗(yàn)判斷進(jìn)行人工二次核查后，可以避免高級(jí)算法可能推送的異常參數(shù)，安全性較閉環(huán)控制高，但是增加了人力干預(yù)且不符合未來(lái)智能化發(fā)展趨勢(shì)。另一方面，以神經(jīng)網(wǎng)絡(luò)算法為例，其輸入和輸出均是可見(jiàn)和可被理解的，但是從輸入輸出的過(guò)程則缺乏透明度，是一個(gè)“黑箱”，由于計(jì)算結(jié)果的預(yù)測(cè)性質(zhì)對(duì)閉環(huán)控制來(lái)說(shuō)不可避免地會(huì)帶來(lái)一定風(fēng)險(xiǎn)。

結(jié)語(yǔ)

基于歷史經(jīng)驗(yàn)的燃燒優(yōu)化在保證安全性的前提下，提供了一套歷史最優(yōu)運(yùn)行調(diào)整參數(shù)。基于機(jī)器學(xué)習(xí)算法的燃燒優(yōu)化可以根據(jù)機(jī)組運(yùn)行參數(shù)進(jìn)行結(jié)果預(yù)測(cè)并計(jì)算得到實(shí)時(shí)最優(yōu)解。開(kāi)環(huán)控制的安全性比閉環(huán)控制高，閉環(huán)控制則無(wú)須人工干預(yù)。

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展、機(jī)器學(xué)習(xí)算法的優(yōu)化以及現(xiàn)場(chǎng)實(shí)踐經(jīng)驗(yàn)的積累，基于機(jī)器學(xué)習(xí)算法的燃燒優(yōu)化與閉環(huán)控制將是今后一段時(shí)間的研究方向，燃燒智能優(yōu)化也會(huì)從歷史經(jīng)驗(yàn)向機(jī)器學(xué)習(xí)，開(kāi)環(huán)控制向閉環(huán)控制逐漸過(guò)渡。最終目標(biāo)是兼顧安全、經(jīng)濟(jì)、環(huán)保性能，自動(dòng)調(diào)整鍋爐燃燒參數(shù)，實(shí)現(xiàn)燃燒閉環(huán)優(yōu)化控制。

參考文獻(xiàn)：

［1］趙付青，劉歡，朱波，等.工業(yè)智能與工業(yè)互聯(lián)網(wǎng)共性關(guān)鍵技術(shù)［J］.軟件導(dǎo)刊，2022，21（10）：18.

［2］中國(guó)自動(dòng)化學(xué)會(huì)發(fā)電自動(dòng)化專業(yè)委員會(huì)，電力行業(yè)熱工自動(dòng)化技術(shù)委員會(huì).智能電廠技術(shù)發(fā)展綱要［M］.北京：中國(guó)電力出版社，2016.

［3］余廷芳，耿平，霍二光，等.基于智能算法的燃煤電站鍋爐燃燒優(yōu)化［J］.動(dòng)力工程學(xué)報(bào)，2016，36（08）：594599+607.

［4］張振星.基于智能優(yōu)化算法的電站鍋爐燃燒優(yōu)化［D］.華北電力大學(xué)，2015.

［5］閆水保，馮燦，齊繼鵬，等.基于約束支持向量回歸的電站鍋爐燃燒優(yōu)化建模［J］.熱能動(dòng)力工程，2021，36（11）：126132.

［6］潘廣強(qiáng).基于機(jī)器學(xué)習(xí)的燃煤電站制粉及燃燒優(yōu)化研究進(jìn)展［J］.能源與節(jié)能，2021，195（12）：113115.

作者簡(jiǎn)介：廖彭偉（1993—?），男，漢族，河南新蔡人，碩士，工程師，主要從事電站鍋爐燃燒優(yōu)化、性能試驗(yàn)和調(diào)試等工作。