基于人工智能技術(shù)的火電廠鍋爐燃燒優(yōu)化軟件的實(shí)現(xiàn)

馬云鵬 劉詩琳 閆姍姍 王然 唐浩桁 王賀琦

摘?要：針對(duì)火電廠鍋爐燃燒優(yōu)化和節(jié)能減排的問題，國內(nèi)外學(xué)者多采用神經(jīng)網(wǎng)絡(luò)和啟發(fā)式優(yōu)化算法解決上述問題并取得良好效果。然而，對(duì)鍋爐的燃燒優(yōu)化僅限于方法研究和對(duì)歷史數(shù)據(jù)的建模與優(yōu)化，未真正應(yīng)用于鍋爐燃燒工況的實(shí)時(shí)優(yōu)化中。此外，環(huán)保部門對(duì)火電廠的污染性氣體的監(jiān)測(cè)非常嚴(yán)格，節(jié)能減排成為火電廠的首要任務(wù)。因此，有必要設(shè)計(jì)一款實(shí)時(shí)監(jiān)測(cè)和優(yōu)化NOx排放的軟件。本文以樣本增量量子神經(jīng)網(wǎng)絡(luò)和改進(jìn)型人工蜂群算法為核心設(shè)計(jì)開發(fā)鍋爐智能燃燒優(yōu)化軟件。通過在某火電廠330MW煤粉鍋爐上的測(cè)試，實(shí)驗(yàn)結(jié)果表明：該軟件可使氮氧化合物排放濃度和鍋爐煤耗有效降低，其具有實(shí)用價(jià)值。

關(guān)鍵詞：建模;鍋爐燃燒優(yōu)化;量子神經(jīng)網(wǎng)絡(luò);人工蜂群算法

1 緒論

20世紀(jì)70年代，火力發(fā)電站開始重視鍋爐燃燒優(yōu)化問題，且側(cè)重于優(yōu)化組織燃燒，以燃燒調(diào)整試驗(yàn)為主[1]。隨著人工智能技術(shù)的快速發(fā)展，國內(nèi)外研究學(xué)者試圖采用機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘等技術(shù)對(duì)火電廠鍋爐的燃燒過程進(jìn)行建模，期望獲得各運(yùn)行參數(shù)和燃燒特征參數(shù)之間的函數(shù)關(guān)系;基于建立的模型，應(yīng)用智能優(yōu)化算法尋找鍋爐的最佳運(yùn)行參數(shù)，達(dá)到鍋爐節(jié)能減排的效果[2]。

針對(duì)鍋爐燃燒優(yōu)化問題，文獻(xiàn)[3]設(shè)計(jì)了鍋爐的兩層燃燒優(yōu)化控制模型，然后優(yōu)化鍋爐的床溫和主蒸汽壓力，有效地提高了鍋爐效率。文獻(xiàn)[4]利用改進(jìn)型最小資源分配神經(jīng)網(wǎng)絡(luò)建立鍋爐熱效率和氮氧化合物排放濃度的綜合模型，采用實(shí)數(shù)編碼遺傳算法優(yōu)化鍋爐燃燒參數(shù)，實(shí)現(xiàn)鍋爐節(jié)能減排的目標(biāo)。文獻(xiàn)[5]基于鍋爐燃燒模型的非線性尋優(yōu)和數(shù)據(jù)挖掘的優(yōu)勢(shì)提出了離線非線性尋優(yōu)所得最優(yōu)知識(shí)庫，采用模糊關(guān)聯(lián)規(guī)則挖掘算法，建立了最優(yōu)操作變量決策模型，實(shí)現(xiàn)了鍋爐高效、穩(wěn)定的燃燒。文獻(xiàn)[6]應(yīng)用量子遺傳算法尋找鍋爐的熱效率和NOx排放量模型的最佳參數(shù)，提高了模型的泛化能力;采用博弈差分算法優(yōu)化鍋爐的燃燒參量，實(shí)現(xiàn)多目標(biāo)控制。文獻(xiàn)[7]采用改進(jìn)型教與學(xué)優(yōu)化算法和極限學(xué)習(xí)機(jī)建立了鍋爐NOx排放濃度的精確模型，為實(shí)現(xiàn)鍋爐燃燒優(yōu)化奠定基礎(chǔ)。

目前對(duì)鍋爐的燃燒優(yōu)化僅限于方法研究和對(duì)歷史數(shù)據(jù)的建模與優(yōu)化，未真正應(yīng)用于鍋爐燃燒工況的實(shí)時(shí)優(yōu)化中。因此，有必要設(shè)計(jì)一款實(shí)時(shí)監(jiān)測(cè)和優(yōu)化污染性氣體排放的軟件。筆者已在文獻(xiàn)[8]中應(yīng)用樣本增量量子神經(jīng)網(wǎng)絡(luò)（SIQNN）和改進(jìn)型人工蜂群算法開發(fā)了鍋爐智能燃燒優(yōu)化軟件，但未詳細(xì)說明設(shè)計(jì)的流程和思想。本文將詳細(xì)論述鍋爐燃燒優(yōu)化軟件的設(shè)計(jì)與實(shí)現(xiàn)，包括界面設(shè)計(jì)、通信連接、數(shù)據(jù)處理、建模優(yōu)化等，需要說明：該軟件的開發(fā)是在課題組成員的合作下完成的，可參考文獻(xiàn)[9]。通過在某火電廠330MW煤粉鍋爐上的測(cè)試，實(shí)驗(yàn)結(jié)果表明：該軟件可使NOx排放濃度和鍋爐煤耗有效降低，其具有實(shí)用價(jià)值。

2 鍋爐燃燒優(yōu)化軟件設(shè)計(jì)與實(shí)現(xiàn)

2.1 軟件界面設(shè)計(jì)

軟件界面的設(shè)計(jì)是可視化的基礎(chǔ)，本文采用MATLAB的GUI工具箱設(shè)計(jì)鍋爐燃燒優(yōu)化軟件的界面，如圖1所示。由圖1可知，該軟件包括數(shù)據(jù)預(yù)采集、導(dǎo)入數(shù)據(jù)及建模、NOx排放濃度和鍋爐煤耗優(yōu)化、實(shí)時(shí)顯示優(yōu)化前后的數(shù)據(jù)和動(dòng)態(tài)顯示優(yōu)化曲線等功能。

2.2 變量替換

數(shù)據(jù)采集需要事先知道DCS中的參數(shù)標(biāo)簽，但不同的鍋爐DCS系統(tǒng)中的參量標(biāo)簽不同，為了使該軟件具有通用性特設(shè)置了變量替換功能，界面形式參考文獻(xiàn)[9]。現(xiàn)場操作人員可根據(jù)需要鍵入變量名的標(biāo)簽，可實(shí)現(xiàn)填入的標(biāo)簽替換數(shù)據(jù)調(diào)取程序中預(yù)設(shè)置的參數(shù)標(biāo)簽。

2.3 變量選擇及偏差設(shè)置

在進(jìn)行燃燒優(yōu)化時(shí)，為了確保鍋爐安全穩(wěn)定運(yùn)行，操盤人員可根據(jù)鍋爐實(shí)際運(yùn)行情況設(shè)置待優(yōu)化參量的偏差。在進(jìn)行氮氧化合物排放濃度和鍋爐煤耗優(yōu)化之前，需要設(shè)置待優(yōu)化參量的偏差值。界面形式參考文獻(xiàn)[9]。若優(yōu)化某個(gè)參量，則點(diǎn)擊其前方的復(fù)選框，否則，其不被優(yōu)化。額定負(fù)荷為機(jī)組最大發(fā)電量，應(yīng)達(dá)到的煤耗率和NO值為預(yù)設(shè)置的目標(biāo)值，若低于目標(biāo)值，則不被優(yōu)化。

2.4 預(yù)采數(shù)據(jù)

該燃燒優(yōu)化軟件將采用OPC協(xié)議作為與DCS通信的橋梁，達(dá)到數(shù)據(jù)采集和數(shù)據(jù)回傳的目標(biāo)。首先，將一臺(tái)安裝有OPC Server的操作員站作為服務(wù)端;然后，客戶端是裝有燃燒優(yōu)化軟件的工控機(jī);最后，配置DCOM和IP地址。通過上述操作，鍋爐燃燒優(yōu)化軟件和DCS之間保持穩(wěn)定通信，實(shí)現(xiàn)鍋爐運(yùn)行數(shù)據(jù)的采集和回傳。

2.4.1 OPC相關(guān)技術(shù)介紹

OPC是一種基于OLE/COM機(jī)制的應(yīng)用程序通信標(biāo)準(zhǔn)。OLE/COM屬于客戶/服務(wù)器模式，具有很多優(yōu)點(diǎn)，包括語言無關(guān)性、代碼重用性、易于集成性等。OPC使得接口函數(shù)更規(guī)范，保證客戶以同一方式訪問任何形式的現(xiàn)場設(shè)備，保證了軟件的透明性，使得用戶完全脫離于低層的開發(fā)。OPC以某一標(biāo)準(zhǔn)解決不同設(shè)備之間數(shù)據(jù)交換的問題。為了保證該軟件與鍋爐之間的正常通信和滿足EDPF-NT/EDPF-NT+客戶對(duì)OPC數(shù)據(jù)服務(wù)的需求，編寫了EDPF-NT OPC接口程序。DCS作為OPC Server端，Matlab組件的OPC為客戶端。

OPC Server端運(yùn)行在DCS的操作員站上，該軟件較簡單，無需考慮配置的要求，一般的PC機(jī)都能運(yùn)行。接下來，進(jìn)行PC機(jī)的OPC環(huán)境配置說明：

（1）OPC Client的用戶名和密碼與OPC Server的用戶名和密碼保持一致。

（2）OPC客戶端與服務(wù)器端的IP地址要保持在同一IP段內(nèi)，且掩碼一致。

（3）OPC Server可對(duì)同一子網(wǎng)的所有電腦提供OPC數(shù)據(jù)服務(wù)，當(dāng)客戶端與服務(wù)器端安裝在不同PC機(jī)上時(shí)，需要進(jìn)行DCOM的配置。（可參考微軟關(guān)于DCOM的配置說明）。

（4）關(guān)閉防火墻。Windows系統(tǒng)自帶防火墻和其他類型的防火墻均需關(guān)閉。

（5）關(guān)閉共享。在“工具-〉文件夾選項(xiàng)”里，關(guān)掉“使用簡單文件共享”。

（6）完成配置后，重啟計(jì)算機(jī)。

2.4.2 數(shù)據(jù)調(diào)取與返回

OPC配置完成后，可以通過下邊的語句實(shí)現(xiàn)與DCS中的OPC服務(wù)器通信。

%%與OPC服務(wù)端相連%%

da=opcda（'192.168.1.225'，'OPC.GDZS.1'）;

connect（da）;

opcda（）的功能是創(chuàng)建一個(gè)OPC數(shù)據(jù)訪問客戶端對(duì)象，其中’192.168.1.225’表示服務(wù)端的IP地址，OPC.GDZS.1為OPC Server的ID號(hào)。connect（）函數(shù)的功能是連接OPC。

上述兩個(gè)函數(shù)完成了OPC通信，下邊的語句實(shí)現(xiàn)數(shù)據(jù)采集功能，其中n為調(diào)取的數(shù)據(jù)個(gè)數(shù)，’FH’表示機(jī)組負(fù)荷在DCS中的標(biāo)簽，即通過識(shí)別標(biāo)簽來調(diào)取機(jī)組負(fù)荷的數(shù)據(jù)。同理，調(diào)取其他數(shù)據(jù)時(shí)，需要知道其他數(shù)據(jù)對(duì)應(yīng)的標(biāo)簽。

grp=addgroup（da）;%添加組

%%把變量元素添加到組中，并創(chuàng)建向量

item1=additem（grp，'FH'）;%%機(jī)組負(fù)荷

item2=additem（grp，'First_wind_A'）;%%一次風(fēng)A

………

item n=additem（grp，'NO_emission'）;%%氮氧化合物排放濃度

%% 讀取項(xiàng)目組中的內(nèi)容

r1=read（item1）;

r2=read（item2）;

………

r n=read（item n）;

a1=r1.Value;

a2=r2.Value;

………

a n=r n.Value;

上述語句實(shí)現(xiàn)了數(shù)據(jù)調(diào)取功能，執(zhí)行完上述語句后，將n個(gè)數(shù)據(jù)以向量的形式進(jìn)行保存，直至達(dá)到預(yù)設(shè)的停止條件，最后保存m組數(shù)據(jù)，將其作為模型初始化數(shù)據(jù)。初始化NOx排放濃度和煤耗模型之后，根據(jù)上述采集數(shù)據(jù)語句采集鍋爐實(shí)時(shí)運(yùn)行數(shù)據(jù)，然后基于初始化模型建立新數(shù)據(jù)的模型，最后對(duì)新數(shù)據(jù)中的可測(cè)量可調(diào)節(jié)參數(shù)進(jìn)行優(yōu)化，并將優(yōu)化后的數(shù)據(jù)通過OPC回傳到DCS中。數(shù)據(jù)回傳可用下面的語句實(shí)現(xiàn)，其中After_optimized表示優(yōu)化后的參數(shù)向量。

%%數(shù)據(jù)回傳

write（item1，After_optimized（1，1））;

write（item2，After_optimized（1，2））;

………

write（item n-1，After_optimized（1，n-1））;

2.5 導(dǎo)入數(shù)據(jù)及建模

導(dǎo)入數(shù)據(jù)及建模按鈕包含兩個(gè)功能：導(dǎo)入鍋爐運(yùn)行數(shù)據(jù)和建立氮氧化合物排放濃度與鍋爐煤耗的模型?！皵?shù)據(jù)導(dǎo)入”功能可以實(shí)現(xiàn)鍋爐運(yùn)行數(shù)據(jù)的壞值處理。鍋爐機(jī)組在實(shí)時(shí)運(yùn)行過程中，某些可調(diào)節(jié)參量可能受到干擾而失真或由于通信問題沒有采集到某個(gè)數(shù)據(jù)，這些數(shù)據(jù)將影響模型的精度，因此對(duì)問題數(shù)據(jù)進(jìn)行處理?！皵?shù)據(jù)建?！惫δ苁菍?duì)處理過的數(shù)據(jù)采用SIQNN算法建立NOx排放濃度和鍋爐煤耗的初始模型，并保存模型參數(shù)。

2.6 NOx和煤耗優(yōu)化

NOx和煤耗優(yōu)化是該軟件的核心功能。圖1中的優(yōu)化運(yùn)行按鈕包括兩個(gè)功能：實(shí)時(shí)建模和實(shí)時(shí)優(yōu)化?！皩?shí)時(shí)建模”功能是以初始化模型為基礎(chǔ)，應(yīng)用SIQNN算法建立新采集樣本數(shù)據(jù)的氮氧化合物排放濃度和鍋爐煤耗的實(shí)時(shí)模型;然后，應(yīng)用改進(jìn)型人工蜂群算法調(diào)整鍋爐的可調(diào)節(jié)參量，確定待優(yōu)化參量的最優(yōu)解。優(yōu)化后的參量偏差值回傳給鍋爐DCS系統(tǒng)，使得鍋爐以優(yōu)化后的調(diào)整數(shù)據(jù)燃燒，達(dá)到節(jié)能減排的目標(biāo)。

2.7 性能測(cè)試

該鍋爐燃燒優(yōu)化軟件已應(yīng)用于某熱電廠330MW煤粉鍋爐上，當(dāng)鍋爐投自動(dòng)時(shí)，該優(yōu)化軟件將起作用。實(shí)驗(yàn)結(jié)果表明在鍋爐負(fù)荷299MW時(shí)，優(yōu)化后的鍋爐煤耗率下降了約2.2%，優(yōu)化后的NOx排放濃度下降了約56mg/Nm3[8]，并且指出該軟件可以滿足機(jī)組大范圍變負(fù)荷深度調(diào)峰的要求，不同負(fù)荷下的NOx排放濃度和煤耗均有不同程度的降低。關(guān)于詳細(xì)的軟硬件配置和實(shí)驗(yàn)測(cè)試過程參考文獻(xiàn)[8]。

3 結(jié)論

本文對(duì)文獻(xiàn)[8]中提到的鍋爐燃燒優(yōu)化軟件進(jìn)行詳細(xì)的設(shè)計(jì)與實(shí)現(xiàn)過程描述，主要介紹了界面設(shè)計(jì)、數(shù)據(jù)通信與采集、變量替換與選擇、數(shù)據(jù)建模與優(yōu)化等功能。該軟件已應(yīng)用于某火電廠的330MW煤粉鍋爐上，取得了一定的效果，為現(xiàn)場操盤人員提供依據(jù)。該軟件的成功設(shè)計(jì)與應(yīng)用實(shí)現(xiàn)了理論與實(shí)踐之間的轉(zhuǎn)化。

參考文獻(xiàn)：

[1]周建新，樊征兵，司風(fēng)琪.電站鍋爐燃燒優(yōu)化技術(shù)研究發(fā)展綜述[J].鍋爐技術(shù)，2008，39（5）：33-36.

[2]馬云鵬.極端學(xué)習(xí)機(jī)和教與學(xué)優(yōu)化算法改進(jìn)及其在鍋爐燃燒優(yōu)化中的應(yīng)用研究[D].燕山大學(xué)，2018.

[3]童一飛，金曉明.基于廣義預(yù)測(cè)控制的循環(huán)流化床鍋爐燃燒過程多目標(biāo)優(yōu)化控制策略[J].中國電機(jī)工程學(xué)報(bào)，2010，30（11）：38-43.

[4]許昌，呂劍虹，鄭源，等.以效率和低NOx排放為目標(biāo)的鍋爐燃燒整體優(yōu)化[J].中國電機(jī)工程學(xué)報(bào)，2006，26（4）：46-50.

[5]顧燕萍，趙文杰，吳占松.采用最優(yōu)MVs決策模型的電站鍋爐燃燒優(yōu)化[J].中國電機(jī)工程學(xué)報(bào)，2012：39-44.

[6]趙敏華，胡毅，李金，等.使用博弈差分算法的電站鍋爐高效低污染燃燒均衡優(yōu)化[J].化工學(xué)報(bào)，2017，68（6）：2455-2464.

[7]馬云鵬，牛培峰，陳科，等.基于混沌分組教與學(xué)優(yōu)化算法鍋爐NOx模型優(yōu)化研究[J].計(jì)量學(xué)報(bào)，2018，39（1）：125-129.

[8]牛培峰，馬云鵬，張欣欣，等.基于人工智能技術(shù)的火電廠燃煤鍋爐智能燃燒優(yōu)化研究及應(yīng)用[J].智能科學(xué)與技術(shù)學(xué)報(bào)，2019，1（2）：163-170.

[9]黃達(dá).基于改進(jìn)快速學(xué)習(xí)網(wǎng)的鍋爐燃燒優(yōu)化研究與應(yīng)用[D].燕山大學(xué)，2019.

項(xiàng)目資助：國家自然科學(xué)基金（61573306）;天津市自然科學(xué)基金（20JCQNJC00430）;大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目（202110069003，202110069034，202010069066）

*通訊作者：馬云鵬（1989—?），男，漢族，河北滄州人，工學(xué)博士，講師，研究方向：機(jī)器學(xué)習(xí)、模式識(shí)別、復(fù)雜系統(tǒng)過程控制。