CN115903473B - 一种火电厂回转式空预器防堵塞控制方法及系统 - Google Patents

Abstract

本发明提供一种火电厂回转式空预器防堵塞控制方法及系统，方法包括：采集影响空预器受热原件的壁温分布的历史运行数据；利用预置数学模型建立空预器转子温度场壁温分布，使用预置BPNN网络，根据所述历史运行数据及所述空预器转子温度场壁温分布，建立历史数据及壁温分布回归模型；利用预置遗传算法，以所述历史数据及壁温分布回归模型为评价函数，优化空预器转子的运行参数，使得空预器转子温度场的最低温度高于预设物质熔点。本发明解决了空预器堵塞防治效果差、使用成本高的技术问题。

Description

一种火电厂回转式空预器防堵塞控制方法及系统

技术领域

本发明涉及火力发电技术领域，具体涉及一种火电厂回转式空预器防堵塞控制方法及系统。

背景技术

空预器作为燃煤锅炉的重要设备，具有改善燃烧、提升锅炉辐射传热、最大化利用排烟等作用。回转式空预器因其结构紧凑、布置方便、体积小、金属耗材少、受热面温度高、受烟气腐蚀小等优点被广泛应用在火力发电机组锅炉上。

随着SCR法脱硝在电厂广泛应用，氨逃逸超标造成硫酸氢氨堵塞空预器一直是影响空预器安全运行的重要问题。但受限于火力发电厂深度调峰、灵活性调峰，锅炉工况变动大，电厂往往采用过量喷氨方式控制变负荷时氮氧化物排放量，加速了硫酸氢氨沉积。

对于空预器堵塞预测及防治，现有技术中已经提出的方法如下：公开号为CN113217941B的发明专利申请文献《空预器堵塞预测与喷水喷氨优化防堵方法》其原理是建立ABS初始沉积温度与SO^-3浓度与NH^-3浓度乘积[SO^-3]*[NH^-3]关联数据库以及NH^-3过量条件下AS初始沉积温度与SO^-3浓度[SO^-3]关联数据库判定实际工况硫酸氢氨沉积状况并进行高压喷水冲洗堵塞区域。公开号为CN114674007A的发明专利申请公开的一种适用于深度调峰下锅炉空预器防堵灰的自动调整装置，使用导流调节装置，当锅炉≤50％额定负荷控制导流板旋转改变空预器内流场分布防止空预器堵塞。上述方法需要加装喷水、导流装置，成本费用较高。且在实际运行中，由于空预器内工作环境恶劣，加装设备可靠性难以满足现场实际需求。

公布号为CN111554077A的现有发明专利申请文献《一种空预器的堵塞预警方法、系统、设备和存储介质》包括：获取第一预设时间段内的电站机组的实时运行数据，实时运行数据包括电站机组的脱硝装置喷氨量、锅炉蒸发量、脱硝装置出口烟气含氧量、脱硝装置进口烟气氮氧化物浓度、脱硝装置出口烟气氮氧化物浓度、脱硫装置进口烟气二氧化硫浓度、空预器进口一次风温度、空预器进口二次风温度和空预器出口烟气温度；根据实时运行数据得到电站机组的空预器的实时沉积系数；根据实时沉积系数日均值确定空预器的堵塞风险。该现有技术通过采集获取空预器运行参数，处理得到实时沉积系数，以获取沉积系数日均值历史曲线，以监测并预测堵塞风险。该现有技术仅能进行空预器堵塞的早期预警，且从该现有技术的具体实施方式中可得知，该现有技术仅能实现空预器堵塞的预警，无法自动根据空预器实时状态，调整空预器运行防止堵塞。

综上，现有技术存在空预器堵塞防治效果差、使用成本高的技术问题。

发明内容

本发明所要解决的技术问题在于如何解决空预器堵塞防治效果差、使用成本高的技术问题。

本发明是采用以下技术方案解决上述技术问题的：一种火电厂回转式空预器防堵塞控制方法包括：

S1、采集影响空预器受热原件的壁温分布的历史运行数据；

S2、利用预置数学模型建立空预器转子温度场壁温分布，使用预置BPNN网络，根据历史运行数据及空预器转子温度场壁温分布，建立历史数据及壁温分布回归模型，其中，步骤S2包括：

S21、获取空预器的一次风侧数据，据以计算一次风侧模型参数，根据一次风侧模型参数得到一次风侧金属壁温方程，据以构建一次风侧数学模型；

S22、获取空预器的二次风侧数据，据以计算二次风侧模型参数，根据二次风侧模型参数得到二次风侧金属壁温方程，据以构建二次风侧数学模型；

S23、获取烟气侧数据，据以计算烟气侧模型参数，根据烟气侧模型参数得到烟气侧金属壁温方程，据以构建烟气侧数学模型；

S24、根据历史运行数据作为输入参数，并将一次风侧数学模型、二次风侧数学模型及烟气侧数学模型作为预测输出，根据输入参数及预测输出构建输入矩阵；

S25、随机初始化权重矩阵，并利用预置逻辑获取sigmod函数；

S26、利用预置BPNN网络获取输出目标变量预测值，据以利用L2范数损失函数计算得到目标变量值损失，据以更新预置BPNN网络中的隐含层，计算空预器壁温均方误差值，据以训练得到历史数据及壁温分布回归模型，据以预测得到差异工况空预器壁温最小值；

S3、利用预置遗传算法，以历史数据及壁温分布回归模型为评价函数，优化空预器转子的运行参数，使得空预器转子温度场的最低温度高于预设物质熔点，其中，步骤S3包括：

S31、设置预置遗传算法的初始参数，并将运行参数作为优化变量，据以随机生成初始的种群，以经训练的预置BPNN网络为评价函数；

S32、生成测试个体，其中，测试个体与不少于2个的测试方案对应，并计算当前种群的评价函数输出值，获取大于评价函数的输出值的种群，并通过处理当前的种群，生成下一代种群；

S33、利用步骤S32迭代处理得到最终测试方案，据以优化运行参数。

本发明数学模型建立空预器转子温度场分布，并采用BPNN网络建立历史运行数据与空预器转子温度场壁温分布回归模型，同时，本发明使用遗传算法，以BPNN模型迭代生成最优控制方案，优化空预器的运行参数，使得空预器转子温度场最低温度高于硫酸氢氨熔点。实现对空预器转子温度的实时控制，并防止空预器堵塞，并改善了空预器防堵塞效果。

在更具体的技术方案中，步骤S21中，一次风侧模型参数包括：一次风比热容、一次风侧出口风量、直接漏风参数、漏风空间参数，利用换热方程计算得到一次风侧空气及金属换热量，并计算一次风侧受热面积、换热系数、一次风当量直径、一次风侧空气流通面积、一次风侧空气流速、一次风侧阻力、一次风侧对环境散热量、一次风侧金属壁温度。

在更具体的技术方案中，步骤S21中，利用下述逻辑构建一次风侧数学模型：

G_foC_foT_fo＝G_fiC_fiT_fi-G_fsC_fiT_fi-G_fgC_fiT_fi+Q_f

式中，G_fo为一次风侧出口空气流量，C_fo为一次风侧出口空气比热容，T_fo为一次风侧出口空气温度，G_fi为一次风侧进口空气流量，C_fi为一次风侧进口空气比热容，T_fi为一次风侧进口空气温度，G_fs为一次风侧向二次风侧空气漏风量，G_fg为一次风侧向烟气侧空气漏风流量，Q_f为一次风侧空气与蓄热原件换热能量。

在更具体的技术方案中，步骤S22中，二次风侧模型参数包括：二次风向烟气侧的直接漏风量、二次风侧空气与蓄热原件换热能量、二次风侧空气平均温度、二次风侧受热面积。

在更具体的技术方案中，步骤S22中，利用下述逻辑构建二次风侧数学模型：

G_soC_soT_so＝G_siC_siT_si+G_fsC_fiT_fi-G_sgC_siT_si+Q_s

式中，G_so为二次风侧出口空气流量，C_so为二次风侧出口空气比热容，T_so为二次风侧出口空气温度，G_si为二次风侧进口空气流量，C_si为二次风侧进口空气比热容，T_si为二次风侧进口空气温度，G_fs为一次风侧向二次风侧空气漏风量，G_sg为二次风侧向烟气侧空气漏风流量，Q_s为二次风侧空气与蓄热原件换热能量。

在更具体的技术方案中，步骤S23中，计算烟气侧模型参数包括：烟气侧烟气与蓄热原件换热能量、烟气侧平均温度。

在更具体的技术方案中，步骤S23中，利用下述逻辑得到烟气侧金属壁温方程：

其中，T′_mg为前一个时刻风侧的金属温度。

本发明通过控制锅炉运行参数，保证回转式空预器金属壁温大于硫酸氢氨凝结温度，实现回转式空预器金属壁温优化控制、防止因硫酸氢氨造成的回转式空预器堵塞。避免了现有技术中通过加装喷水、导流装置产生的成本。同时避免了传统技术中的物理防堵塞装置因空预器内部环境产生故障的风险，提高了系统可靠性。

在更具体的技术方案中，步骤S25中，利用下述逻辑获取sigmod函数：

在更具体的技术方案中，步骤S26包括：

S261、利用下述逻辑处理得到目标变量值损失：

S263、根据目标变量值损失S，利用下述逻辑更新各隐含层w^[i]、b^[i]：

式中，α为超参数学习率；

S264、利用下述逻辑计算空预器壁温均方误差值MSE：

S265、基于训练后的预置BPNN网络，预测获取差异工况空预器壁温最小值。

本发明通过训练好的BPNN模型为评价函数，使用遗传算法，根据不同工况下，空预器壁温最小值，调整各二次风门开度、各SOFA风/燃烬风门开度、运行氧量、尾部烟道烟气挡板门开度，输出空预器金属壁温高于147℃组合方式，防止空预器硫酸氢氨堵塞，提高了空预器防堵塞操作的控制精度。

在更具体的技术方案中，一种火电厂回转式空预器防堵塞控制系统包括：

历史运行数据采集模块，用以采集影响空预器受热原件的壁温分布的历史运行数据；

壁温分布回归模型构建模块，用以利用预置数学模型建立空预器转子温度场壁温分布，使用预置BPNN网络，根据历史运行数据及空预器转子温度场壁温分布，建立历史数据及壁温分布回归模型，壁温分布回归模型构建模块与历史运行数据采集模块连接，其中，壁温分布回归模型构建模块包括：

一次风侧数学模型构建模块，用以获取空预器的一次风侧数据，据以计算一次风侧模型参数，根据一次风侧模型参数得到一次风侧金属壁温方程，据以构建一次风侧数学模型；

二次风侧数学模型构建模块，用以获取空预器的二次风侧数据，据以计算二次风侧模型参数，根据二次风侧模型参数得到二次风侧金属壁温方程，据以构建二次风侧数学模型；

烟气侧数学模型构建模块，用以获取烟气侧数据，据以计算烟气侧模型参数，根据烟气侧模型参数得到烟气侧金属壁温方程，据以构建烟气侧数学模型；

历史数据输入模块，用以根据历史运行数据作为输入参数，并将一次风侧数学模型、二次风侧数学模型及烟气侧数学模型作为预测输出，根据输入参数及预测输出构建输入矩阵；

权重初始模块，用以随机初始化权重矩阵，并利用预置逻辑获取sigmod函数；

模型训练及壁温最小值获取模块，用以根据输入矩阵及权重矩阵，利用预置BPNN网络获取输出目标变量预测值，据以利用L2范数损失函数计算得到目标变量值损失，据以更新预置BPNN网络中的隐含层，计算空预器壁温均方误差值，据以训练得到历史数据及壁温分布回归模型，据以预测得到差异工况空预器壁温最小值，与历史数据输入模块及权重初始模块连接；

运行参数优化模块，用以利用预置遗传算法，以历史数据及壁温分布回归模型为评价函数，优化空预器转子的运行参数，使得空预器转子温度场的最低温度高于预设物质熔点，运行参数优化模块与壁温分布回归模型构建模块连接，其中，运行参数优化模块包括：

种群初始模块，用以设置预置遗传算法的初始参数，并将运行参数作为优化变量，据以随机生成初始的种群，以经训练的预置BPNN网络为评价函数；

种群处理模块，用以生成测试个体，其中，测试个体与不少于2个的测试方案对应，并计算当前种群的评价函数输出值，获取大于评价函数的输出值的种群，并通过处理当前的种群，生成下一代种群，种群处理模块与种群初始模块连接；

迭代优化模块，用以利用步骤S32迭代处理得到最终测试方案，据以优化运行参数，迭代优化模块与种群处理模块连接。

本发明相比现有技术具有以下优点：本发明数学模型建立空预器转子温度场分布，并采用BPNN网络建立历史运行数据与空预器转子温度场壁温分布回归模型，同时，本发明使用遗传算法，以BPNN模型迭代生成最优控制方案，优化空预器的运行参数，使得空预器转子温度场最低温度高于硫酸氢氨熔点。实现对空预器转子温度的实时控制，并防止空预器堵塞，并改善了空预器防堵塞效果。

本发明通过控制锅炉运行参数，保证回转式空预器金属壁温大于硫酸氢氨凝结温度，实现回转式空预器金属壁温优化控制、防止因硫酸氢氨造成的回转式空预器堵塞。避免了现有技术中通过加装喷水、导流装置产生的成本。同时避免了传统技术中的物理防堵塞装置因空预器内部环境产生故障的风险，提高了系统可靠性。

本发明通过训练好的BPNN模型为评价函数，使用遗传算法，根据不同工况下，空预器壁温最小值，调整各二次风门开度、各SOFA风/燃烬风门开度、运行氧量、尾部烟道烟气挡板门开度，输出空预器金属壁温高于147℃组合方式，防止空预器硫酸氢氨堵塞，提高了空预器防堵塞操作的控制精度。本发明解决了现有技术中存在的空预器堵塞防治效果差、使用成本高的技术问题。

附图说明

图1为本发明实施例1的一种火电厂回转式空预器防堵塞控制方方法基本步骤示意图；

图2为本发明实施例1的一种火电厂回转式空预器防堵塞控制方方法具体步骤示意图；

图3为本发明实施例1的建立空预器转子温度场分布具体步骤示意图；

图4为本发明实施例1的基于BP神经网络建立空预器金属壁温预测模型具体步骤示意图；

图5为本发明实施例1的优化空预器参数防止堵塞具体步骤示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

实施例1

如图1所示，本发明提供的一种火电厂回转式空预器防堵塞控制方方法，包括以下具体步骤：

S1：采集影响空预器受热原件壁温分布的历史运行数据；

S2：通过数学模型建立空预器转子温度场分布，使用BPNN网络建立历史运行数据与空预器转子温度场壁温分布回归模型；

S3：使用遗传算法以BPNN模型为评价函数，优化运行参数使得空预器转子温度场最低温度高于硫酸氢氨熔点147℃；

如图2所示，本发明提供的一种火电厂回转式空预器堵塞控制方法，还包括以下具体步骤：

步骤S1’：采集影响空预器受热原件壁温分布的历史运行数据，在本实施例中，历史运行数据包括但不限于：各磨煤机煤量(t/h)、各磨煤机入口风量(t/h)、各磨煤机出口温度(℃)、各磨煤机出口压力(KPa)、各磨煤机出口粉管风速(m/s)、二次风量(t/h)、各二次风门开度(％)、各SOFA风/燃烬风门开度(％)、运行氧量(％)、尾部烟道烟气挡板门开度(％)、烟气流量(t/h)、运行氧量、空预器进出口一次、二次风温(℃)、空预器进出口烟温(℃)、烟气流量(t/h)；

如图3所示，步骤S2’：通过数学模型建立空预器转子温度场分布，具体如下：

S21’、利用下述逻辑，构建一次风侧数学模型：

G_foC_foT_fo＝G_fiC_fiT_fi-G_fsC_fiT_fi-G_fgC_fiT_fi+Q_f (1)

其中：G_fo为一次风侧出口空气流量，kg/h；C_fo为一次风侧出口空气比热容，kJ/(kg*℃)；T_fo为一次风侧出口空气温度，℃；G_fi为一次风侧进口空气流量，kg/h；C_fi为一次风侧进口空气比热容，kJ/(kg*℃)；T_fi为一次风侧进口空气温度，℃；G_fs为一次风侧向二次风侧空气漏风量，kg/h；G_fg为一次风侧向烟气侧空气漏风流量，kg/h；Q_f为一次风侧空气与蓄热原件换热能量，kg/h。

鉴于一次风温度是一个变化过程，一次风比热随温度的改变而改变，一次风比热容是温度的函数：

C_fo＝C_f(T_fo) (2)

C_fi＝C_f(T_fi) (3)

根据质量平衡方程，一次风侧出口风量等于一次风侧进口风量减去一次风侧到二次风侧、烟气侧漏风量：

G_fo＝G_fi-G_fs-G_fg (4)

根据假设条件，忽略携带漏风，只计算直接漏风。直接漏风计算公式如下：

式中：k_fs为一次风侧和二次风侧漏风系数；k_fg为一次风侧和烟气侧漏风系数；A_fs为一次风侧和二次风侧的漏风面积，m²；A_fg为一次风侧和烟气侧的漏风面积，m²；P_f为一次风侧压力，KPa；P_s为二次风侧压力，KPa；P_g为烟气侧烟气压力，KPa；ρ_f一次风侧空气密度，kg/m³；Z为密封刮片层数。

该公式中，漏风系数k_fs与k_fg取值十分重要，根据回转式空预器特点，取1.4～1.8。

直接漏风面积因热端径向漏风间隙由于转子“蘑菇状”的变形，导致形成的变形区域近似呈三角形区域，计算公式为：

Δh＝H₁-H₂ (9)

其中r为空预器转子径向实际密封长度，m；Δh为空预器转子变形间隙大小，m；H₁为空预器冷态时扇形板到转子端面间距，m；H₂为空预器稳定运行状态时转子相较冷态时的变形量，m；Δt空预器转子冷热端差，℃；H为空预器转子高度，m；R为空预器转子半径，m。

一次风侧空气和金属的换热量Q_f可通过换热方程计算：

Q_f＝K_f·(T_mf-T_fa)·A_f (11)

其中K_f为一次风侧空气与金属壁换热系数，W/m²·K；T_mf一次风侧金属温度，℃；T_fa一次风侧空气平均温度，℃；A_f一次风侧转子受热面积，m²。

一次风侧受热面积可通过下式计算：

其中，0.9考虑到蓄热材料没有完全充满流体；d_n为空预器转子内径，m；k_b为除去隔板、中心筒等所占蓄热材料的比例；C_x为单位体积容纳的蓄热材料面积比m²/m³；h_x为蓄热材料实际高度，m；m_f为一次风所覆盖的转子分数(15°为一份)。

其中换热系数的求解方法如下：

其中，λ_fa为一次风平均温度下空气导热系数，通过查表可得，W/m·K；d_f为一次风侧当量直径，m；w_f为一次风侧空气流速，m/s；v_f为一次风平均温度下空气粘度系数，通过查表可得，W/m·K；P_rf为一次风平均温度下空气普朗特数，通过查表可得。C_i、C_l、C_H为修正系数，取C_i＝1；C_l可忽略，可取1；C_H与换热元件版型有关，可查下表

版型	板厚/mm	对高/mm	比重/kg·m-3	CH	当量直径/mm
						平板	1.0	13.99	1301.63	0.9	10.06
波形版及平定位板	0.6	10.98	965.40	1.16	8.56
						波形定位板	0.5	12.76	716.45	1.6	9.96

一次风当量直径如下：

其中S_f为一次风侧空气流通面积，m²；L_f为一次风侧边界总周长，m²。

一次风侧空气流通面积S_f计算公式如下：

k_s为蓄热材料所占流通截面系数，取0.912。

一次风侧空气流速w_f计算公式如下：

G_fa为一次风侧空气平均流量，kg/h；ρ_f为一次风侧空气密度，kg/m³。

一次风侧阻力计算公式如下：

其中，F_f为一次风侧空气流体阻力，N；μ_f为一次风侧摩擦系数；h_x为空预器中蓄热材料实际高度，m；g为重力加速度，m/s²。

金属一段时间内储热总量等于该时间内金属热量转移总量和金属放热总量之差，得到金属壁温方程：

其中，M_mf为一次风侧金属质量，kg；C_m为金属比热容，kJ/(kg*℃)；M_m为一次风侧转子有效金属质量，kg；n为空预器转子转速，rpm；Q₁为一次风侧金属至环境散热量kg/h。

一次风侧对环境的散热量Q₁如下：

Q₁＝k₁₁(T_mf-T_amb) (21)

其中，k₁₁为一次风侧金属的散热系数；T_amb为环境温度，℃。通过欧拉离散处理，一次风侧金属壁温度如下：

其中，T′_mf为前一个时刻(dt)风侧的金属温度，℃。

S22’、利用下述公式，构建二次风侧数学模型：

G_soC_soT_so＝G_siC_siT_si+G_fsC_fiT_fi-G_sgC_siT_si+Q_s (23)

其中：G_so为二次风侧出口空气流量，kg/h；C_so为二次风侧出口空气比热容，kJ/(kg*℃)；T_so为二次风侧出口空气温度，℃；G_si为二次风侧进口空气流量，kg/h；C_si为二次风侧进口空气比热容，kJ/(kg*℃)；T_si为二次风侧进口空气温度，℃；G_fs为一次风侧向二次风侧空气漏风量，kg/h；G_sg为二次风侧向烟气侧空气漏风流量，kg/h；Q_s为二次风侧空气与蓄热原件换热能量，kg/h。

二次风向烟气侧的直接漏风量方程如下：

式中：k_sg为二次风侧和烟气侧漏风系数；A_sg为二次风侧和烟侧的漏风面积，m²；P_s为二次风侧压力，KPa；P_g为烟气侧烟气压力，KPa；ρ_s二次风侧空气密度，kg/m³；Z为密封刮片层数。

Q_s＝K_s·(T_ms-T_sa)·A_s (25)

其中K_s为二风侧空气与金属壁换热系数，W/m²·K；T_ms二次风侧金属温度，℃；T_sa二次风侧空气平均温度，℃；A_s二次风侧转子受热面积，m²。

二次风侧受热面积可通过下式计算：

其中，0.97考虑到蓄热材料没有完全充满流体；d_n为空预器转子内径，m；k_b为除去隔板、中心筒等所占蓄热材料的比例；C_x为单位体积容纳的蓄热材料面积比m²/m³；h_x为蓄热材料实际高度，m；m_s为二次风所覆盖的转子分数(15°为一份)。

二次风换热系数参照(14)，二次风侧金属壁温方程为：

其中，T′_ms为前一个时刻(dt)风侧的金属温度，℃。

S23’、根据下述公式，构建烟气侧数学模型：

G_goC_goT_go＝G_giC_giT_gi+G_fgC_fiT_fi-G_sgC_siT_si+Q_s (29)

其中：G_go为烟气侧出口烟气流量，kg/h；C_go为烟气侧出口烟气比热容，kJ/(kg*℃)；T_go为烟气侧出口温度，℃；G_gi为烟气侧进口烟气流量，kg/h；C_gi为烟气侧进口烟气比热容，kJ/(kg*℃)；T_gi为烟气侧进口烟气温度，℃；G_fg为一次风侧向烟气侧空气漏风量，kg/h；G_sg为二次风侧向烟气侧空气漏风流量，kg/h；Q_g为烟气侧烟气与蓄热原件换热能量，kg/h。

Q_g＝K_g·(T_mg-T_ga)·A_g (30)

其中K_g为烟气侧与金属壁换热系数，W/m²·K；T_mg烟气侧金属温度，℃；T_ga烟气侧平均温度，℃；A_g烟气侧受热面积，m²。

烟气侧金属壁温计算公式如下：

其中，T′_mg为前一个时刻(dt)风侧的金属温度，℃。

步骤S3’：基于BP神经网络建立各磨煤机煤量(t/h)、各磨煤机入口风量(t/h)、各磨煤机出口温度(℃)、各磨煤机出口压力(KPa)、各磨煤机出口粉管风速(m/s)、二次风量(t/h)、各二次风门开度(％)、各SOFA风/燃烬风门开度(％)、运行氧量(％)、尾部烟道烟气挡板门开度(％)、烟气流量(t/h)、运行氧量与空预器金属壁温预测模型：

将采集的历史数据作为BPNN模型的输入，以步骤ii中计算得到的一次风侧、二次风侧、烟气侧金属壁温最小值作为预测输出，建立输入矩阵x^[1]＝[N,M]，其中N表示样本个数，M表示输入变量个数；

如图4所示，步骤S3’还包括以下具体步骤：

S31’、随机初始化权重矩阵w^[1]＝[M,q]，b^[1]＝[1,q]，a^[1]＝x^[1]w^[1]+b^[1]，其中q为第一隐含层节点数量，z^[1]＝sigmod(a^[1])，sigmod函数如下所示：

将第一隐含层的输出z^[1]作为第二隐含层输入参数，隐含层共f层。

S32’、获取第f隐含层的输出z^[4]，输出变量为1，以z^[4]作为输入变量重复步骤ii计算输出层输出目标变量的预测值使用L2范数损失函数计算输出向量与目标变量实际值y的损失，计算公式为：

S33’、根据损失值S更新各隐含层w^[i]、b^[i]，

其中α为超参数学习率；

S34’、通过人工定义，完成更新后，重复步骤S31’至S34’迭代n次，计算目标变量空预器壁温最小值的均方根误差MSE，

基于训练后的BPNN网络，预测不同工况空预器金属壁温最小值。

步骤S4’：以训练好的BPNN模型为评价函数，使用遗传算法，调整各二次风门开度(％)、各SOFA风/燃烬风门开度(％)、运行氧量(％)、尾部烟道烟气挡板门开度(％)输出空预器金属壁温高于147℃组合方式，防止空预器硫酸氢氨堵塞：

如图5所示，步骤S4’还包括以下具体步骤：

S41’、设置种群规模N，交叉率α，变异率β，迭代次数T。

S42’、将各二次风门开度(％)、各SOFA风/燃烬风门开度(％)、运行氧量(％)、尾部烟道烟气挡板门开度(％)作为优化变量，随机生成初始种群。在本实施例中，风门、烟气挡板门随机值范围为0～100，运行氧量随机值范围为0～21。

S43’、以步骤iii中训练的BPNN模型为评价函数，使评价函数输出值大于147℃作为满足条件。

S44’、初始迭代次数t＝1，随机生成N个个体x_i,i＝1,2,3...,N，在本实施例中，每个个体为一个长度为M的工况组合，代表一个测试方案。

S45’、计算当前种群评价函数输出值，判断输出值大于147℃种群。

S46’、对当前种群进行选择、交叉、变异操作，生成下一代种群。

S47’、重复执行步骤S44’至S46’，直到迭代次数T为止，输出最终方案，进行风门、挡板门、氧量调整，确保空预器金属壁面温度高于147℃，防止硫酸氢氨沉积造成的空预器堵塞。

综上，本发明数学模型建立空预器转子温度场分布，并采用BPNN网络建立历史运行数据与空预器转子温度场壁温分布回归模型，同时，本发明使用遗传算法，以BPNN模型迭代生成最优控制方案，优化空预器的运行参数，使得空预器转子温度场最低温度高于硫酸氢氨熔点。实现对空预器转子温度的实时控制，并防止空预器堵塞，并改善了空预器防堵塞效果。

本发明通过控制锅炉运行参数，保证回转式空预器金属壁温大于硫酸氢氨凝结温度，实现回转式空预器金属壁温优化控制、防止因硫酸氢氨造成的回转式空预器堵塞。避免了现有技术中通过加装喷水、导流装置产生的成本。同时避免了传统技术中的物理防堵塞装置因空预器内部环境产生故障的风险，提高了系统可靠性。

本发明通过训练好的BPNN模型为评价函数，使用遗传算法，根据不同工况下，空预器壁温最小值，调整各二次风门开度、各SOFA风/燃烬风门开度、运行氧量、尾部烟道烟气挡板门开度，输出空预器金属壁温高于147℃组合方式，防止空预器硫酸氢氨堵塞，提高了空预器防堵塞操作的控制精度。本发明解决了现有技术中存在的空预器堵塞防治效果差、使用成本高的技术问题。

以上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精神和范围。

Claims (4)

1.一种火电厂回转式空预器防堵塞控制方法，其特征在于，所述方法包括：

S1、采集影响空预器受热原件的壁温分布的历史运行数据；

S2、利用预置数学模型建立空预器转子温度场壁温分布，使用预置BPNN网络，根据所述历史运行数据及所述空预器转子温度场壁温分布，建立历史数据及壁温分布回归模型，其中，步骤S2包括：

S21、获取空预器的一次风侧数据，据以计算一次风侧模型参数，根据所述一次风侧模型参数得到一次风侧金属壁温方程，据以构建一次风侧数学模型；

所述步骤S21中，所述一次风侧模型参数包括：一次风比热容、一次风侧出口风量、直接漏风参数、漏风空间参数，利用换热方程计算得到一次风侧空气及金属换热量，并计算一次风侧受热面积、换热系数、一次风当量直径、一次风侧空气流通面积、一次风侧空气流速、一次风侧阻力、一次风侧对环境散热量、一次风侧金属壁温度；

所述步骤S21中，利用下述逻辑构建所述一次风侧模型：

G_foC_foT_fo＝G_fiC_fiT_fi-G_fsC_fiT_fi-G_fgC_fiT_fi+Q_f

式中，G_fo为一次风侧出口空气流量，C_fo为一次风侧出口空气比热容，T_fo为一次风侧出口空气温度，G_fi为一次风侧进口空气流量，C_fi为一次风侧进口空气比热容，T_fi为一次风侧进口空气温度，G_fs为一次风侧向二次风侧空气漏风量，G_fg为一次风侧向烟气侧空气漏风流量，Q_f为一次风侧空气与蓄热原件换热能量；

S22、获取空预器的二次风侧数据，据以计算二次风侧模型参数，根据所述二次风侧模型参数得到二次风侧金属壁温方程，据以构建二次风侧数学模型；

所述步骤S22中，所述二次风侧模型参数包括：二次风向烟气侧的直接漏风量、二次风侧空气与蓄热原件换热能量、二次风侧空气平均温度、二次风侧受热面积；

所述步骤S22中，利用下述逻辑构建二次风侧数学模型：

G_soC_soT_so＝G_siC_siT_si+G_fsC_fiT_fi-G_sgC_siT_si+Q_s

式中，G_so为二次风侧出口空气流量，C_so为二次风侧出口空气比热容，T_so为二次风侧出口空气温度，G_si为二次风侧进口空气流量，C_si为二次风侧进口空气比热容，T_si为二次风侧进口空气温度，G_fs为一次风侧向二次风侧空气漏风量，G_sg为二次风侧向烟气侧空气漏风流量，Q_s为二次风侧空气与蓄热原件换热能量；

S23、获取烟气侧数据，据以计算烟气侧模型参数，根据所述烟气侧模型参数得到烟气侧金属壁温方程，据以构建烟气侧数学模型；

所述步骤S23中，所述计算烟气侧模型参数包括：烟气侧烟气与蓄热原件换热能量、烟气侧平均温度；

所述步骤S23中，利用下述逻辑得到烟气侧金属壁温方程：

其中，T^′ _mg为前一个时刻风侧的金属温度；

S24、根据所述历史运行数据作为输入参数，并将所述一次风侧数学模型、所述二次风侧数学模型及所述烟气侧数学模型作为预测输出，根据所述输入参数及所述预测输出构建输入矩阵；

S25、随机初始化权重矩阵，并利用预置逻辑获取sigmod函数；

S26、利用所述预置BPNN网络获取输出目标变量预测值，据以利用L2范数损失函数计算得到目标变量值损失，据以更新所述预置BPNN网络中的隐含层，计算空预器壁温均方误差值，据以训练得到所述历史数据及壁温分布回归模型，据以预测得到差异工况空预器壁温最小值；

S3、利用预置遗传算法，以所述历史数据及壁温分布回归模型为评价函数，优化空预器转子的运行参数，使得空预器转子温度场的最低温度高于预设物质熔点，其中，所述步骤S3包括：

S31、设置所述预置遗传算法的初始参数，并将所述运行参数作为优化变量，据以随机生成初始的种群，以经训练的所述预置BPNN网络为所述评价函数；

S32、生成测试个体，其中，所述测试个体与不少于2个的测试方案对应，并计算当前所述种群的评价函数输出值，获取大于所述评价函数的输出值的所述种群，并通过处理当前的所述种群，生成下一代种群；

S33、利用所述步骤S32迭代处理得到最终测试方案，据以优化所述运行参数。

2.根据权利要求1所述的一种火电厂回转式空预器防堵塞控制方法，其特征在于，所述步骤S25中，利用下述逻辑获取所述sigmod函数：

3.根据权利要求1所述的一种火电厂回转式空预器防堵塞控制方法，其特征在于，所述步骤S26包括：

S261、利用下述逻辑处理得到所述目标变量值损失：

S263、根据所述目标变量值损失S，利用下述逻辑更新各所述隐含层w^[]、b^[]：

式中，α为超参数学习率；

S264、利用下述逻辑计算所述空预器壁温均方误差值MSE：

S265、基于训练后的所述预置BPNN网络，预测获取所述差异工况空预器壁温最小值。

4.一种火电厂回转式空预器防堵塞控制系统，其特征在于，所述系统包括：

历史运行数据采集模块，用以采集影响空预器受热原件的壁温分布的历史运行数据；

壁温分布回归模型构建模块，用以利用预置数学模型建立空预器转子温度场壁温分布，使用预置BPNN网络，根据所述历史运行数据及所述空预器转子温度场壁温分布，建立历史数据及壁温分布回归模型，所述壁温分布回归模型构建模块与所述历史运行数据采集模块连接，其中，壁温分布回归模型构建模块包括：

一次风侧数学模型构建模块，用以获取空预器的一次风侧数据，据以计算一次风侧模型参数，根据所述一次风侧模型参数得到一次风侧金属壁温方程，据以构建一次风侧数学模型；

所述一次风侧模型参数包括：一次风比热容、一次风侧出口风量、直接漏风参数、漏风空间参数，利用换热方程计算得到一次风侧空气及金属换热量，并计算一次风侧受热面积、换热系数、一次风当量直径、一次风侧空气流通面积、一次风侧空气流速、一次风侧阻力、一次风侧对环境散热量、一次风侧金属壁温度；

利用下述逻辑构建所述一次风侧模型：

G_foC_foT_fo＝G_fiC_fiT_fi-G_fsC_fiT_fi-G_fgC_fiT_fi+Q_f

式中，G_fo为一次风侧出口空气流量，C_fo为一次风侧出口空气比热容，T_fo为一次风侧出口空气温度，G_fi为一次风侧进口空气流量，C_fi为一次风侧进口空气比热容，T_fi为一次风侧进口空气温度，G_fs为一次风侧向二次风侧空气漏风量，G_fg为一次风侧向烟气侧空气漏风流量，Q_f为一次风侧空气与蓄热原件换热能量；

二次风侧数学模型构建模块，用以获取空预器的二次风侧数据，据以计算二次风侧模型参数，根据所述二次风侧模型参数得到二次风侧金属壁温方程，据以构建二次风侧数学模型；

所述二次风侧模型参数包括：二次风向烟气侧的直接漏风量、二次风侧空气与蓄热原件换热能量、二次风侧空气平均温度、二次风侧受热面积；

利用下述逻辑构建二次风侧数学模型：

G_soC_soT_so＝G_siC_siT_si+G_fsC_fiT_fi-G_sgC_siT_si+Q_s

式中，G_so为二次风侧出口空气流量，C_so为二次风侧出口空气比热容，T_so为二次风侧出口空气温度，G_si为二次风侧进口空气流量，C_si为二次风侧进口空气比热容，T_si为二次风侧进口空气温度，G_fs为一次风侧向二次风侧空气漏风量，G_sg为二次风侧向烟气侧空气漏风流量，Q_s为二次风侧空气与蓄热原件换热能量；

烟气侧数学模型构建模块，用以获取烟气侧数据，据以计算烟气侧模型参数，根据所述烟气侧模型参数得到烟气侧金属壁温方程，据以构建烟气侧数学模型；

所述计算烟气侧模型参数包括：烟气侧烟气与蓄热原件换热能量、烟气侧平均温度；

利用下述逻辑得到烟气侧金属壁温方程：

其中，T′_mg为前一个时刻风侧的金属温度；

历史数据输入模块，用以根据所述历史运行数据作为输入参数，并将所述一次风侧数学模型、所述二次风侧数学模型及所述烟气侧数学模型作为预测输出，根据所述输入参数及所述预测输出构建输入矩阵；

权重初始模块，用以随机初始化权重矩阵，并利用预置逻辑获取sigmod函数；

模型训练及壁温最小值获取模块，用以根据所述输入矩阵及所述权重矩阵，利用所述预置BPNN网络获取输出目标变量预测值，据以利用L2范数损失函数计算得到目标变量值损失，据以更新所述预置BPNN网络中的隐含层，计算空预器壁温均方误差值，据以训练得到所述历史数据及壁温分布回归模型，据以预测得到差异工况空预器壁温最小值，所述模型训练及壁温最小值获取模块与所述历史数据输入模块及所述权重初始模块连接；

运行参数优化模块，用以利用预置遗传算法，以所述历史数据及壁温分布回归模型为评价函数，优化空预器转子的运行参数，使得空预器转子温度场的最低温度高于预设物质熔点，所述运行参数优化模块与所述壁温分布回归模型构建模块连接，其中，所述运行参数优化模块包括：

种群初始模块，用以设置所述预置遗传算法的初始参数，并将所述运行参数作为优化变量，据以随机生成初始的种群，以经训练的所述预置BPNN网络为所述评价函数；

种群处理模块，用以生成测试个体，其中，所述测试个体与不少于2个的测试方案对应，并计算当前所述种群的评价函数输出值，获取大于所述评价函数的输出值的所述种群，并通过处理当前的所述种群，生成下一代种群，所述种群处理模块与所述种群初始模块连接；

迭代优化模块，用以利用所述种群处理模块迭代处理得到最终测试方案，据以优化所述运行参数，所述迭代优化模块与所述种群处理模块连接。