基于机器学习的锅炉燃烧优化系统的制作方法-尊龙凯时官方app下载

文档序号:36399568发布日期:2023-12-16 01:43阅读:8来源:国知局
基于机器学习的锅炉燃烧优化系统的制作方法
基于机器学习的锅炉燃烧优化系统、方法、设备及介质
技术领域
1.本技术涉及锅炉燃烧优化控制系统技术领域,特别是涉及一种基于机器学习的锅炉燃烧优化系统

方法

设备及介质



背景技术:

2.随着工业化水平持续提高,锅炉燃烧优化控制系统技术也在飞速发展

锅炉燃烧系统优化运行的实质是通过在线调整运行参数,在不改变锅炉设备参数条件下,使锅炉燃烧的所有运行参数都处于最佳工况,在减少污染物排放量的同时,提高锅炉效率

然而,锅炉燃烧系统是个复杂非线性系统,锅炉效率和
nox(
氮氧化物
)
排放的影响因素众多且相互賴合,存在着冗余变量的干扰

3.相关技术中,锅炉燃烧优化技术可分为以下四类:第一类是在设备层面直接通过对燃烧器

受热面等设备的优化设升与改造来实现锅炉的燃烧优化调整;第二类是在现有的设备基础上,通过燃烧调整实验来确定最佳的运行方案;第三类通过在线监测锅炉燃烧的重要参数,如烟气含氧量

飞灰含碳量等,指导运行人员调节燃烧锅炉

但是申请人认识到,第三类燃烧优化技术虽然充分利用锅炉的运行数据,不需要对锅炉进行任何设备的改造,但是仍然需要运行人员手动调整锅炉运行参数,无法实现实时控制,导致锅炉燃烧优化效果不高,造成锅炉燃烧效率低的问题



技术实现要素:

4.有鉴于此,本技术提供了一种基于机器学习的锅炉燃烧优化系统

方法

设备及介质,主要目的在于解决第三类燃烧优化技术虽然充分利用锅炉的运行数据,不需要对锅炉进行任何设备的改造,但是仍然需要运行人员手动调整锅炉运行参数,无法实现实时控制,导致锅炉燃烧优化效果不高,造成锅炉燃烧效率低的的问题

5.依据本技术第一方面,提供了一种基于机器学习的锅炉燃烧优化系统,该系统包括:分布式控制模块

应用程序编程接口

现场通信总线

实时历史数据模块

燃烧优化模块:
6.所述分布式控制模块通过所述应用程序编程接口

所述现场通信总线与所述实时历史数据模块连接,用于采集锅炉的实时数据,对所述实时数据进行处理,生成实时状态量数据,将所述实时状态量数据发送至所述实时历史数据模块,以及接收所述实时历史数据模块发送的优化指令,执行所述优化指令,对所述锅炉的运行参数进行调整;
7.所述应用程序编程接口,用于进行所述分布式控制模块与所述实时历史数据模块之间的数据通信;
8.所述现场通信总线分别与所述分布式控制模块

所述实时历史数据模块

所述燃烧优化模块连接,用于采用高速工业以太网技术进行所述分布式控制模块

所述实时历史数据模块

所述燃烧优化模块之间的数据通信;
9.所述实时历史数据模块,用于接收所述燃烧优化模块发送的最优运行参数,对所
述最优运行参数进行存储,利用所述最优运行参数生成所述优化指令,将所述优化指令发送至所述分布式控制模块,以及接收所述分布式控制模块发送的所述实时状态量数据,对所述实时状态量数据进行存储,获取历史数据,将所述历史数据和所述实时状态量数据发送至所述燃烧优化模块;
10.所述燃烧优化模块,用于接收所述实时历史数据模块发送的所述历史数据和所述实时状态量数据,利用所述历史数据进行模型训练,得到机器学习模型,以及将所述实时状态量数据输入至所述机器学习模型中,得到所述最优运行参数,将所述最优运行参数发送至所述实时历史数据模块

11.依据本技术第二方面,提供了一种基于机器学习的锅炉燃烧优化方法,该方法包括:
12.基于分布式控制模块采集锅炉的实时数据,对所述实时数据进行处理,生成实时状态量数据,通过应用程序编程接口和现场通信总线将所述实时状态量数据发送至实时历史数据模块;
13.基于所述实时历史数据模块对所述实时状态量数据进行存储,通过所述现场通信总线将所述实时状态量数据发送至燃烧优化模块,以及基于所述燃烧优化模块将所述实时状态量数据输入至预先训练的机器学习模型中,得到所述机器学习模型输出的最优运行参数,通过所述现场通信总线将所述最优运行参数发送至所述实时历史数据模块;
14.基于所述实时历史数据模块对所述最优运行参数进行存储,利用所述最优运行参数生成优化指令,通过所述现场通信总线和所述应用程序编程接口将所述优化指令发送至所述分布式控制模块,以及基于分布式控制模块执行所述优化指令,对所述锅炉的运行参数进行调整

15.依据本技术第三方面,提供了一种设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面中任一项所述方法的步骤

16.依据本技术第四方面,提供了一种介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一项所述的方法的步骤

17.借由上述技术方案,本技术提供的一种基于机器学习的锅炉燃烧优化系统

方法

设备及介质,本技术包括分布式控制模块

应用程序编程接口

现场通信总线

实时历史数据模块

燃烧优化模块,分布式控制模块通过应用程序编程接口

现场通信总线与实时历史数据模块连接,用于采集锅炉的实时数据,对实时数据进行处理,生成实时状态量数据,将实时状态量数据发送至实时历史数据模块,以及接收实时历史数据模块发送的优化指令,执行优化指令,对锅炉的运行参数进行调整,应用程序编程接口,用于进行分布式控制模块与实时历史数据模块之间的数据通信,现场通信总线分别与分布式控制模块

实时历史数据模块

燃烧优化模块连接,用于采用高速工业以太网技术进行分布式控制模块

实时历史数据模块

燃烧优化模块之间的数据通信,实时历史数据模块,用于接收燃烧优化模块发送的最优运行参数,对最优运行参数进行存储,利用最优运行参数生成优化指令,将优化指令发送至分布式控制模块,以及接收分布式控制模块发送的实时状态量数据,对实时状态量数据进行存储,获取历史数据,将历史数据和实时状态量数据发送至燃烧优化模块,燃烧优化模块,用于接收实时历史数据模块发送的历史数据和实时状态量数据,利用历史数据进
行模型训练,得到机器学习模型,以及将实时状态量数据输入至机器学习模型中,得到最优运行参数,将最优运行参数发送至实时历史数据模块,利用现场通信总线和
api
接口代替数据交换设备,并基于实时历史数据模块安全调度数据,保障机组的信息安全,同时将机器学习模型深入控制一区,能够在不改变锅炉设备参数条件下,无需依赖燃烧调整实验就可以在线调整锅炉运行参数,完成机组调门特性自动闭环优化,使锅炉燃烧的所有运行参数都处于最佳工况,在减少污染物排放量的同时,提高锅炉效率

18.上述说明仅是本技术技术方案的概述,为了能够更清楚了解本技术的技术手段,而可依照说明书的内容予以实施,并且为了让本技术的上述和其它目的

特征和优点能够更明显易懂,以下特举本技术的具体实施方式

附图说明
19.通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了

附图仅用于示出优选实施方式的目的,而并不认为是对本技术的限制

而且在整个附图中,用相同的参考符号表示相同的部件

在附图中:
20.图1示出了本技术实施例提供的一种基于机器学习的锅炉燃烧优化系统的流程示意图;
21.图2示出了本技术实施例提供的一种基于机器学习的锅炉燃烧优化方法的流程示意图;
22.图
3a
示出了本技术实施例提供的一种基于机器学习的锅炉燃烧优化方法的流程示意图;
23.图
3b
示出了本技术实施例提供的一种基于机器学习的锅炉燃烧优化方法的架构示意图;
24.图4示出了本技术实施例提供的一种设备的装置结构示意图

具体实施方式
25.下面将参照附图更详细地描述本技术的示例性实施例

虽然附图中显示了本技术的示例性实施例,然而应当理解,可以以各种形式实现本技术而不应被这里阐述的实施例所限制

相反,提供这些实施例是为了能够更透彻地理解本技术,并且能够将本技术的范围完整的传达给本领域的技术人员

26.本技术实施例提供了一种基于机器学习的锅炉燃烧优化系统,如图1所示,该系统包括分布式控制模块
101、
应用程序编程接口
102、
现场通信总线
103、
实时历史数据模块
104、
燃烧优化模块
105

27.分布式控制模块
101
,可以是
dcs
系统
(distributed control system
,分布式控制系统
)
,通过应用程序编程接口
102、
现场通信总线
103
与实时历史数据模块
104
连接,用于采集锅炉的实时数据,对实时数据进行处理,生成实时状态量数据,将实时状态量数据发送至实时历史数据模块
104
,以及接收实时历史数据模块
104
发送的优化指令,执行优化指令,对锅炉的运行参数进行调整

28.应用程序编程接口
102
,即
api
接口
(application programming interface
,应用程序编程接口
)
,用于进行分布式控制模块
101
与实时历史数据模块
104
之间的数据通信

29.现场通信总线
103
分别通与分布式控制模块
101、
实时历史数据模块
104、
燃烧优化模块
105
连接,用于采用高速工业以太网技术进行分布式控制模块
101、
实时历史数据模块
104、
燃烧优化模块
105
之间的数据通信

30.实时历史数据模块
104
,用于接收燃烧优化模块
105
发送的最优运行参数,对最优运行参数进行存储,利用最优运行参数生成优化指令,将优化指令发送至分布式控制模块
101
,以及接收分布式控制模块
101
发送的实时状态量数据,对实时状态量数据进行存储,获取历史数据,将历史数据和实时状态量数据发送至燃烧优化模块
105。
31.燃烧优化模块
105
,用于接收实时历史数据模块
104
发送的历史数据和实时状态量数据,利用历史数据进行模型训练,得到机器学习模型,以及将实时状态量数据输入至机器学习模型中,得到最优运行参数,将最优运行参数发送至实时历史数据模块
104。
32.具体地,分布式控制模块
101
包括现场控制单元

操作站:
33.现场控制单元包括分布式智能数据采集设备,分布式智能数据采集设备用于采集锅炉的实时数据,对实时数据进行信号调理

转换

隔离操作,得到实时状态量数据,将实时状态量数据发送至操作站

现场控制单元一般远离控制中心,安装在靠近现场的地方,其高度模块化结构可以根据过程监测和控制的需要配置成由几个监控点到数百个监控点的规模不等的过程控制单元

34.现场控制单元,还用于接收实时历史数据模块
104
发送的优化指令,执行优化指令,对锅炉的运行参数进行调整

35.操作站,用于接收现场控制单元发送的实时状态量数据,对实时状态量数据进行记录并显示,以及将实时状态量数据发送至实时历史数据模块
104。
36.具体地,实时历史数据模块
104
包括实时历史数据库

数据服务器

接口服务:
37.实时历史数据库作为整个锅炉燃烧优化系统的数据中转站,用于存储实时状态量数据

最优运行参数以及历史数据

38.数据服务器,用于采用接口服务接收燃烧优化模块
105
发送的最优运行参数,利用最优运行参数生成优化指令,将优化指令发送至分布式控制模块
101
,以及采用接口服务接收分布式控制模块
101
发送的实时状态量数据,将实时状态量数据和最优运行参数存储在实时历史数据库中

39.数据服务器,还用于在实时历史数据库中获取历史数据,将历史数据和实时状态量数据发送至燃烧优化模块
105。
40.接口服务,用于实现数据服务器

实时历史数据库与现场通信总线
103
之间的数据通信

41.具体地,接口服务包括开放式系统
(ole for process control

opc)
接口

网络服务
(webservice)
接口

表现层状态转移
(representationalstatetransfer

restful)
接口:
42.开放式系统接口分为
opcxml-da(
基于
xml

web
技术,采用
soap
作为对应用程序共享消息进行包装的通讯协议
)

opcua(
用于不同设备和系统之间进行通信的技术规范
)
两种协议标准,用于进行实时历史数据库与现场通信总线
103
之间的数据交互

43.网络服务接口和表现层状态转移接口,用于进行数据库可视化与浏览器发布

44.具体地,燃烧优化模块
105
可以支撑燃烧优化算法进行离线

在线的整定和优化,包括可视化机器学习训练测试单元

机器学习模型仓库单元

燃烧优化服务器

通信接口服
务:
45.可视化机器学习训练测试单元,用于通过现场通信总线
103
接收实时历史数据模块
104
发送的历史数据和实时状态量数据,基于燃烧优化服务器对历史数据进行模型训练,得到机器学习模型,将机器学习模型发送至机器学习模型仓库单元,以及将实时状态量数据输入至机器学习模型中,获取机器学习模型输出的最优运行参数,通过现场通信总线
103
将最优运行参数发送至实时历史数据模块
104。
46.机器学习模型仓库单元,用于接收可视化机器学习训练测试单元发送的机器学习模型,对机器学习模型进行存储

机器学习模型仓库单元采用常规文件管理系统的模式,保存训练好的机器学习模型

47.燃烧优化服务器搭载了
gpu(graphic processing unit
,图形处理单元
)
,用于并行计算

图形计算,兼容
cuda(compute unified device architecture
,通用并行计算架构
)
,支撑机器学习模型训练与测试,用于对历史数据进行模型训练,得到机器学习模型

48.通信接口服务,用于实现现场通信总线
103、
燃烧优化服务器

可视化机器学习训练测试单元

机器学习模型仓库单元之间的数据通信

49.具体地,可视化机器学习训练测试单元还用于采用最优运行参数生成可视化分析报告,将可视化分析报告在前端页面进行展示,使整个操作流程在可视化

组态化的前端界面上实现

50.本技术实施例提供的系统,利用现场通信总线和
api
接口代替数据交换设备,并基于实时历史数据模块安全调度数据,保障机组的信息安全,同时将机器学习模型深入控制一区,能够在不改变锅炉设备参数条件下,无需依赖燃烧调整实验就可以在线调整锅炉运行参数,完成机组调门特性自动闭环优化,使锅炉燃烧的所有运行参数都处于最佳工况,在减少污染物排放量的同时,提高锅炉效率

51.进一步地,作为图1所述方法的具体实现,本技术实施例提供了一种基于机器学习的锅炉燃烧优化方法,如图2所示,该方法包括:
52.201、
基于分布式控制模块采集锅炉的实时数据,对实时数据进行处理,生成实时状态量数据,通过应用程序编程接口和现场通信总线将实时状态量数据发送至实时历史数据模块

53.燃煤为主的火力发电在我国电力生产中仍占据基础地位

燃煤电厂智能控制系统列为清洁高效煤电领域的主要任务

锅炉燃烧系统是个复杂非线性系统,锅炉效率和
nox
排放的影响因素众多且相互賴合,存在着冗余变量的干扰,难以使用准确的机理模型描述

54.锅炉燃烧优化技术可分为以下四类:第一类燃烧优化技术在设备层面,直接通过对燃烧器

受热面等设备的优化设升与改造来实现锅炉的燃烧优化调整;第二类是在现有的设备基础上,通过燃烧调整实验来确定最佳的运行方案;第三类通过在线监测锅炉燃烧的重要参数,如烟气含氧量

飞灰含碳量等,指导运行人员调节燃烧锅炉

其中,第三类燃烧优化技术目前在国内占据主导地位,能够充分利用锅炉的运行数据,不需要对锅炉进行任何设备的改造,但缺点是无法深入控制一区实现实时

闭环控制,仍然需要运行人员手动调整锅炉运行参数

55.为解决这一问题,本技术提出一种基于机器学习的锅炉燃烧优化方法,应用于基于机器学习的燃烧优化系统,利用实时历史数据库安全调度数据,深入控制一区,无需燃烧
调整实验即可实现锅炉燃烧实时

自动闭环优化

且在不改变锅炉设备参数条件下,在线调整锅炉运行参数,使锅炉燃烧的所有运行参数都处于最佳工况,在减少污染物排放量的同时,提高锅炉效率

本技术的执行主体可以是燃烧优化系统,燃烧优化系统依靠服务器的计算能力为用户提供服务,服务器可以是独立的服务器,也可以提供云服务

云数据库

云计算

云函数

云存储

网络服务

云通信

中间件服务

域名服务

安全服务

内容分发网络
(content delivery network

cdn)、
以及大数据和人工智能平台等基础云计算的服务器,以便提高锅炉运行效率,降低发电煤耗,提高锅炉低负荷稳燃能力,深度优化控制燃烧过程

56.由于现场总线系统中分散在现场的智能设备能直接执行多种传感器控制报警和计算功能,因而可减少变送器的数量,不再需要单独的调节器

计算单元等,还可以用工控
pc(personal computer
,个人计算机
)
机作为客户端,从而能够节省一大笔硬件投资,并减少控制室的占地面积,因此,现场总线结构能节约硬件与投资

不仅如此,由于现场总线设备的智能化

数字化,与模拟信号相比,能够从根本上提高测量与控制的精确度,减少传送误差,同时,由于系统的结构简化,设备与连线减少,现场仪表内部功能加强,能够减少信号的往返传输,提高系统的准确性与可靠性

在本技术实施例中,燃烧优化系统基于分布式控制模块采集锅炉的实时数据,对实时数据进行处理,生成实时状态量数据,并通过应用程序编程接口和现场通信总线将实时状态量数据发送至实时历史数据模块

通过现场通信总线和
api
接口进行数据通信,能够减少数据交换设备,便于管理和维护

57.202、
基于实时历史数据模块对实时状态量数据进行存储,通过现场通信总线将实时状态量数据发送至燃烧优化模块,以及基于燃烧优化模块将实时状态量数据输入至预先训练的机器学习模型中,得到机器学习模型输出的最优运行参数,通过现场通信总线将最优运行参数发送至实时历史数据模块

58.在本技术实施例中,燃烧优化系统基于实时历史数据模块对实时状态量数据进行存储,通过现场通信总线将实时状态量数据发送至燃烧优化模块,通过对实时数据进行存储,以便后续对锅炉燃烧进行优化,提高锅炉燃烧效率

接着,燃烧优化系统基于燃烧优化模块将实时状态量数据输入至预先训练的机器学习模型中,得到机器学习模型输出的最优运行参数,通过现场通信总线将最优运行参数发送至实时历史数据模块

这样,可以不依赖燃烧调整试验,完全根据历史数据和实时运行数据进行锅炉燃烧整定和优化,不仅减少人工成本和设备维护成本,还能在不停机的情况下实现实时在线锅炉燃烧优化,提高锅炉燃烧效率

59.203、
基于实时历史数据模块对最优运行参数进行存储,利用最优运行参数生成优化指令,通过现场通信总线和应用程序编程接口将优化指令发送至分布式控制模块,以及基于分布式控制模块执行优化指令,对锅炉的运行参数进行调整

60.分布式控制模块,即
dcs
系统,分为操作站和现场控制单元,现场控制单元一般远离控制中心,安装在靠近现场的地方,其高度模块化结构可以根据过程监测和控制的需要配置成由几个监控点到数百个监控点的规模不等的过程控制单元

且过程控制单元的
dcs
控制器通过
api
接口直接与现场通信总线连接,无需额外部署数据交换设备,便于优化指令实时下发

在本技术实施例中,燃烧优化系统基于实时历史数据模块对最优运行参数进行存储,利用最优运行参数生成优化指令,通过现场通信总线和应用程序编程接口将优化指
令发送至分布式控制模块

通过将机器学习模型深入部署到控制一区,通过实时历史数据库隔离海量历史数据与
dcs
实时数据,在保障信息安全的基础上实现锅炉燃烧闭环在线优化

然后,燃烧优化系统基于分布式控制模块执行优化指令,对锅炉的运行参数进行调整,能够在不改变锅炉设备参数条件下,在线调整锅炉运行参数,使锅炉燃烧的所有运行参数都处于最佳工况,在减少污染物排放量的同时,提高锅炉效率

61.本技术实施例提供的方法,利用现场通信总线和
api
接口代替数据交换设备,并基于实时历史数据模块安全调度数据,保障机组的信息安全,同时将机器学习模型深入控制一区,能够在不改变锅炉设备参数条件下,无需依赖燃烧调整实验就可以在线调整锅炉运行参数,完成机组调门特性自动闭环优化,使锅炉燃烧的所有运行参数都处于最佳工况,在减少污染物排放量的同时,提高锅炉效率

62.进一步的,作为上述实施例具体实施方式的细化和扩展,为了完整说明本实施例的具体实施过程,本技术实施例提供了另一种基于机器学习的锅炉燃烧优化方法,如图
3a
所示,该方法包括:
63.301、
基于分布式控制模块采集锅炉的实时数据,对实时数据进行处理,生成实时状态量数据,通过应用程序编程接口和现场通信总线将实时状态量数据发送至实时历史数据模块

64.为解决高负荷结焦问题,要根据实际锅炉燃烧运行特性,同时充分挖掘历史运行数据蕴含的机组的特性特征和优秀的运行实践经验,深度优化控制燃烧过程,因此,本技术提出一种基于机器学习的锅炉燃烧优化方法,通过在线调整运行参数,在不改变锅炉设备参数条件下,使锅炉燃烧的所有运行参数都处于最佳工况,实现锅炉燃烧实时

自动闭环优化,响应电网深度调峰需求,提高锅炉低负荷稳燃能力,以及在减少污染物排放量的同时,提高锅炉效率

本技术提出的基于机器学习的锅炉燃烧优化方法应用于燃烧优化系统,该系统包括分布式控制模块

应用程序编程接口

现场通信总线

实时历史数据模块和燃烧优化模块

65.分布式控制模块包括现场控制单元和操作站,其中,现场控制单元包括分布式智能数据采集设备,现场控制单元一般远离控制中心,安装在靠近现场的地方,其高度模块化结构可以根据过程监测和控制的需要配置成由几个监控点到数百个监控点的规模不等的过程控制单元,操作站用来显示并记录来自各控制单元的过程数据

在本技术实施例中,分布式智能数据采集设备采集锅炉的实时数据,对实时数据进行信号调理

转换

隔离操作,得到实时状态量数据,并将实时状态量数据发送至操作站

然后,操作站接收现场控制单元发送的实时状态量数据,对实时状态量数据进行记录并显示,并通过应用程序编程接口和现场通信总线将实时状态量数据发送至实时历史数据模块

其中,应用程序编程接口是针对
dcs
系统开发的
api
接口服务,能够将数据采集设备采集

处理得到的状态量数据通过现场通信总线发送给实时历史数据模块,同时从实时历史数据模块接收当前优化指令,调整
dcs
相关参数,能够减少数据交换设备,便于管理和维护

66.需要说明的是,现场通信总线采用高速工业以太网技术来实现

工业以太网采用商用以太网技术,并根据采用环境和条件进行改进设计保证在电源抗波动范围

机箱防尘防潮

故障自愈

工作可靠性

芯片工作温度

稳定性及电磁兼容性等方面有更好的性能和特点

目前,以太网总线的稳定性可靠性已经得到检验,能够完全胜任控制环境中对实时


可靠性

抗干扰性的严格要求

与传统总线相比,工业以太网总线具有成本低廉

通信速率高

兼容性好等优势

67.302、
基于实时历史数据模块对实时状态量数据进行存储,通过现场通信总线将实时状态量数据发送至燃烧优化模块

68.实时历史数据模块包括的软硬件模块有一套大型实时历史数据库

一套与用于通信的接口服务

一台搭载数据库的数据服务器,其中,数据服务器的内存保存了
dcs
实时数据以及待下发的优化指令,硬盘保存了海量历史数据,用于机器学习模型的训练和优化

在本技术实施例中,数据服务器采用接口服务接收分布式控制模块发送的实时状态量数据,将实时状态量数据存储在实时历史数据库中,并将实时状态量数据发送至燃烧优化模块

其中,实时历史数据库作为整个燃烧优化系统的数据中转站,接收
dcs
系统发送的实时数据,同时接收缓存燃烧优化服务器计算得到的运行参数实时最优解,能够隔离海量历史数据与
dcs
实时数据,在保障信息安全的基础上实现锅炉燃烧闭环在线优化

这样,通过软件方式隔离实时和历史数据,保障机组信息安全,便于后续二次开发

69.需要说明的是,接口服务,即
api
接口服务,用于实现数据服务器

实时历史数据库与现场通信总线之间的数据通信

其中,
api
接口服务包括
opc
接口
、webservice
接口
、restful
接口,
opc
接口分为
opcxml-da

opcua
两种协议标准,用于数据库与以太网总线的数据交互,
webservice
接口和
restful
接口用于数据库可视化与浏览器发布

70.303、
基于燃烧优化模块将实时状态量数据输入至预先训练的机器学习模型中,得到机器学习模型输出的最优运行参数,通过现场通信总线将最优运行参数发送至实时历史数据模块

71.燃烧优化模块包括一台燃烧优化服务器

一套可视化机器学习训练测试平台软件
(
即可视化机器学习训练测试单元
)、
一套机器学习模型仓库软件
(
即机器学习模型仓库单元
)、
一套通信接口服务,该模块可以支撑燃烧优化算法进行离线

在线的整定和优化

在本技术实施例中,可视化机器学习训练测试单元通过现场通信总线接收实时历史数据模块发送的实时状态量数据,将实时状态量数据输入至机器学习模型中,获取机器学习模型输出的最优运行参数,并通过现场通信总线将最优运行参数发送至实时历史数据模块

通过将机器学习模型深入部署到控制一区,无需燃烧调整实验,完全根据历史数据和实时运行数据即可实现锅炉燃烧实时

自动闭环优化,能够提高锅炉效率

72.在一个可选地实施方案中,可视化机器学习训练测试单元采用最优运行参数生成可视化分析报告,将可视化分析报告在前端页面进行展示

所以,可视化机器学习训练测试单元调取实时数据来测试模型,计算得到当前最优运行参数,形成可视化的分析报告,且整个操作流程在可视化

组态化的前端界面上实现,能够使工作人员更直观

快速地了解到锅炉运行状态

73.在一个可选地实施方案中,为了提升锅炉燃烧优化效果,本技术采用历史运行数据训练模型,能够得到更精准的最优运行参数

具体地,实时历史数据模块中,数据服务器在实时历史数据库中获取历史数据,并将历史数据发送至燃烧优化模块

然后,可视化机器学习训练测试单元通过现场通信总线接收实时历史数据模块发送的历史数据,基于燃烧优化服务器对历史数据进行模型训练,得到机器学习模型,并将机器学习模型发送至机器学习模型仓库单元

其中,燃烧优化服务器搭载了
gpu
,用于并行计算

图形计算,兼容
cuda
,支
撑机器学习模型训练与测试

机器学习模型仓库单元采用常规文件管理系统的模式,保存训练好的机器学习模型

通信接口服务能够实现历史数据

实时数据

运行最优参数在燃烧优化模块与现场通信总线之间的交互

74.304、
基于实时历史数据模块对最优运行参数进行存储,利用最优运行参数生成优化指令,通过现场通信总线和应用程序编程接口将优化指令发送至分布式控制模块

75.在本技术实施例中,数据服务器采用接口服务接收燃烧优化模块发送的最优运行参数,利用最优运行参数生成优化指令,将最优运行参数存储在实时历史数据库中,并通过现场通信总线将优化指令发送至分布式控制模块

这样,利用最优运行参数生成优化指令,不需要进行燃烧调整实验,能够减少人工成本和设备维护成本

76.305、
基于分布式控制模块执行优化指令,对锅炉的运行参数进行调整

77.在本技术实施例中,现场控制单元接收实时历史数据模块发送的优化指令,并执行优化指令,对锅炉的运行参数进行调整

通过优化指令能够在不停机的情况下实现实时在线锅炉燃烧优化,提高锅炉燃烧效率

78.综上所述,本技术提出一种基于机器学习的锅炉燃烧优化方法的架构示意图如下:
79.如图
3b
示,
dcs
系统采集实时数据,对实时数据处理得到反馈状态量,通过
api
接口和现场通信总线发送至实时历史数据平台

接着,实时历史数据平台将实时数据和历史数据通过现场通信总线发送至燃烧优化平台

随后,燃烧优化平台调取海量历史数据来训练模型,并采用训练好的模型对实时数据进行计算,得到实时最优解

然后,燃烧优化平台通过现场通信总线将实时最优解发送至实时历史数据平台,实时历史数据平台缓存实时最优解,并根据实时最优解生成优化指令

实时历史数据平台通过现场通信总线将优化指令下发给
dcs
系统,
dcs
系统会根据优化指令调整锅炉运行参数,从而实现锅炉燃烧优化,提升锅炉燃烧效率

80.本技术实施例提供的方法,利用现场通信总线和
api
接口代替数据交换设备,并基于实时历史数据模块安全调度数据,保障机组的信息安全,同时将机器学习模型深入控制一区,能够在不改变锅炉设备参数条件下,无需依赖燃烧调整实验就可以在线调整锅炉运行参数,完成机组调门特性自动闭环优化,使锅炉燃烧的所有运行参数都处于最佳工况,在减少污染物排放量的同时,提高锅炉效率

81.在示例性实施例中,参见图4,还提供了一种设备,该设备包括总线

处理器

存储器和通信接口,还可以包括输入输出接口和显示设备,其中,各个功能单元之间可以通过总线完成相互间的通信

该存储器存储有计算机程序,处理器,用于执行存储器上所存放的程序,执行上述实施例中的基于机器学习的锅炉燃烧优化方法

82.一种介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的基于机器学习的锅炉燃烧优化方法的步骤

83.通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本技术可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现

基于这样的理解,本技术的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质
(
可以是
cd-rom
,u盘,移动硬盘等
)
中,包括若干指令用以使得一台计算机设备
(
可以是个人计算机,服务器,或者网络设备等
)
执行本技术各个实施场景所述的方法

84.本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本技术所必须的

85.本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中

上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块

86.上述本技术序号仅仅为了描述,不代表实施场景的优劣

87.以上公开的仅为本技术的几个具体实施场景,但是,本技术并非局限于此,任何本领域的技术人员能思之的变化都应落入本技术的保护范围

当前第1页1  
相关技术
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
网站地图