一种磨煤机在线综合运行优化的方法

摘要

本发明公开了一种磨煤机在线综合运行优化的方法，本发明的目标是针对磨煤机运行优化的瓶颈问题，提出一种磨煤机在线综合优化方法，优化内容兼顾了磨煤机煤粉细度和电流强度。通过采集磨煤机生产过程中的运行参数及对应的煤粉细度数据，再应用建模算法和优化算法针对磨煤机煤粉细度和电流强度进行综合优化。该方法是一个综合优化磨煤机电耗和煤粉细度的好方法。利用该方法可有效提高磨煤机的效率，既可以实施离线优化也可以进行在线实时优化。

权利要求

1.一种磨煤机在线综合运行优化的方法，其特征在于，该方法的步骤包括：步骤(1)采集磨煤机生产过程中各运行参数及对应的煤粉细度数据，建立磨煤机运行特性数据库；

步骤(2)建立磨煤机煤粉细度预测模型和磨煤机电流强度预测模型，磨煤机细度预测模型输入数据为：煤质的工业分析数据、给煤量，磨煤机进风量和进风温度，分离器转速；输出数据为煤粉细度；磨煤机电流强度预测模型输入数据与磨煤机煤粉细度预测模型相同，输出数据为磨煤机电流强度；两模型的训练样本及检验样本，在步骤(1)所建磨煤机运行特性数据库中选取相同数据，以便下一步优化时保持一致的煤粉细度与电流强度关联性；所选样本数据分散于状态空间中，即每一组工况数据所构成的向量与其它组数据所构成的向量之间的欧式距离应大于设定值D，D的数值的设定根据数据库中数据情况而定；

步骤(3)采用基于数据的建模算法建模，建立磨煤机煤粉细度预测模型和磨煤机电流强度预测模型；

用于建模样本的输入参数及输出参数表示为 其中xi表示第i组作为输入数据的参数，包括：煤质的工业分析数据、给煤量，磨煤机进风量和进风温度，分离器转速；yi表示第i组作为输出参数的磨煤机煤粉细度或磨煤机电流强度，N为样本数量，N大于30，以保证模型的预测能力，在实际数据基础上，建立磨煤机煤粉细度预测模型和磨煤机电流强度预测模型；

在有建模样本情况下，用数据建模方法建立基于数据的预测模型为成熟且流行的方式，在此不在赘述；所建模型预测误差应控制在2％以内；

步骤(4)对磨煤机运行来说，一组运行参数，即决定了磨煤机煤粉的细度，也决定了磨煤机的电流强度，但是不同的运行参数组合，则会有相同或相近的煤粉细度，而电流强度相差却很大；反之亦然；因此，在获得相同或相近的煤粉细度条件下，通过优化磨煤机运行参数降低磨煤机电流强度，从而降低磨煤机电耗；在相同或相近磨煤机电流强度条件下，通过优化磨煤机运行参数获得更为经济的煤粉细度；因此，利用粒子群优化算法结合步骤(3)所建磨煤机煤粉细度预测模型和磨煤机电流强度预测模型，针对磨煤机运行参数的优化进行配置，达到综合优化磨煤机运行的目标，进一步提高磨煤机运行效率；具体步骤如下：a.定义粒子群位置向量x的各维分量为磨煤机煤粉细度预测模型和电流强度预测模型输入量的各磨煤机运行参数；

b.设定粒子群的搜索目标和迭代次数，搜索目标：min(Ipre),约束条件为(St.)：|dpre‑daim|≤δ，其中，Ipre为磨煤机电流强度预测模型预测的磨煤机电流强度，dpre为磨煤机煤粉细度预测模型预测的煤粉细度；daim为目标煤粉细度，由经验公式根据煤质获得或者由运行人员提供，δ为实际煤粉细度与目标煤粉细度允许误差，迭代次数设为50‑200次之间；

c.根据实际磨煤机的设计和运行要求设定各运行参数的寻优范围，并初始化位置向量x，然后根据上一步设定的搜索目标，用粒子群算法结合步骤(3)所建的磨煤机煤粉细度预测模型和磨煤机电流强度预测模型进行迭代计算，煤粉细度预测模型根据粒子群算法的位置向量预测其对应的煤粉细度，磨煤机电流强度预测模型根据粒子群算法的位置向量预测其对应的电流强度，然后再进行约束条件和搜索目标的计算，以搜索粒子群在磨煤机运行参数向量空间内的最优位置；

d.当粒子群算法完成迭代次数或找到满足设定要求的最优解时，停止计算获得相应最优的位置向量，即获得最优的磨煤机运行参数组合，同时获得相应的煤粉细度和磨煤机电流强度；实现磨煤机的在线综合优化。

2.根据权利要求1所述的一种磨煤机在线综合运行优化的方法，其特征在于：所述的各运行参数包括：煤质的工业分析数据、给煤量，磨煤机进风量和进风温度，磨煤机电流强度，分离器转速。

3.根据权利要求1所述的一种磨煤机在线综合运行优化的方法，其特征在于：磨煤机运行参数通过磨煤机生产过程中的数据监测控制系统获取，或直接通过仪器设备采集样本测量获得。

4.根据权利要求1所述的一种磨煤机在线综合运行优化的方法，其特征在于：对应的煤粉细度通过采集样本分析测量获得，该技术为行业标准技术。

5.根据权利要求1所述的一种磨煤机在线综合运行优化的方法，其特征在于：步骤(3)中采用基于数据的建模算法建模中的建模算法为神经网络算法、支持向量机或贝叶斯网络算法。

说明书

一种磨煤机在线综合运行优化的方法

技术领域

[0001] 本发明属于信息与控制技术领域，涉及到自动化技术，特别是涉及一种磨煤机在线综合运行优化的方法。

背景技术

[0002] 磨煤机的煤粉细度直接决定了锅炉的燃烧效率，电流强度决定了磨煤机功耗，是磨煤机运行时必须重点考虑的两个重要指标。对磨煤机运行来说，一组运行参数(煤质的工
业分析数据、给煤量，磨煤机进风量和进风温度，分离器转速)，即决定了磨煤机煤粉的细
度，也决定了磨煤机的电流强度(代表磨煤机电耗)，但是不同的运行参数组合，可能会有相
同或相近的煤粉细度，但是电流强度相差却很大；反之亦然。因此，在获得相同或相近的煤
粉细度条件下，可能通过优化磨煤机运行参数降低磨煤机电流强度，从而降低磨煤机电耗；
在相同或相近磨煤机电流强度条件下，也可以通过优化磨煤机运行参数获得更为经济的煤
粉细度。

发明内容

[0003] 本发明的目标是针对磨煤机运行优化的瓶颈问题，提出一种磨煤机在线综合优化方法。

[0004] 本发明具体是先采集磨煤机生产过程中的运行参数及对应的煤粉细度数据，再应用建模算法和优化算法针对磨煤机煤粉细度和电流强度进行综合优化。该方法是一个综合
优化磨煤机电耗和煤粉细度的好方法。

[0005] 本发明的具体步骤是：

[0006] 步骤(1)采集磨煤机生产过程中各运行参数及对应的煤粉细度数据，建立磨煤机运行特性数据库；具体的各运行参数包括：煤质的工业分析数据、给煤量，磨煤机进风量和
进风温度，磨煤机电流强度，分离器转速。磨煤机运行参数可通过磨煤机生产过程中的数据
监测控制系统获取，或直接通过仪器设备采集样本测量获得。对应的煤粉细度可通过采集
样本分析测量获得，该技术为行业标准技术。

[0007] 步骤(2)建立磨煤机煤粉细度预测模型和磨煤机电流强度预测模型，磨煤机细度预测模型输入数据为：煤质的工业分析数据、给煤量，磨煤机进风量和进风温度，分离器转
速；输出数据为煤粉细度。磨煤机电流强度预测模型输入数据与磨煤机煤粉细度预测模型
相同，输出数据为磨煤机电流强度。两模型的训练样本及检验样本，在步骤(1)所建磨煤机
运行特性数据库中选取相同数据，以便下一步优化时保持一致的煤粉细度与电流强度关联
性。所选样本数据应该尽量分散于状态空间中，既每一组工况数据所构成的向量与其它组
数据所构成的向量之间的欧式距离应大于设定值D，D的数值的设定可以根据数据库中数据
情况而定，一般建议不小于2；

[0008] 步骤(3)采用基于数据的建模算法建模，如神经网络算法、支持向量机及贝叶斯网络算法等，建立磨煤机煤粉细度预测模型和磨煤机电流强度预测模型；

[0009] 用于建模样本的输入参数及输出参数表示为 其中xi表示第i组作为输入数据的参数，包括：煤质的工业分析数据、给煤量，磨煤机进风量和进风温度，分离器转速。
yi表示第i组作为输出参数的磨煤机煤粉细度或磨煤机电流强度，N为样本数量，N一般应大
于30，以保证模型的预测能力，在实际数据基础上，建立磨煤机煤粉细度预测模型和磨煤机
电流强度预测模型。

[0010] 在有建模样本情况下，用数据建模方法建立基于数据的预测模型为成熟且流行的方式，在此不在赘述。所建模型预测误差应控制在2％以内。

[0011] 步骤(4)对磨煤机运行来说，一组运行参数(煤质的工业分析数据、给煤量，磨煤机进风量和进风温度，分离器转速)，即决定了磨煤机煤粉的细度，也决定了磨煤机的电流强
度(代表磨煤机电耗)，但是不同的运行参数组合，可能会有相同或相近的煤粉细度，但是电
流强度相差却很大；反之亦然。因此，在获得相同或相近的煤粉细度条件下，可能通过优化
磨煤机运行参数降低磨煤机电流强度，从而降低磨煤机电耗；在相同或相近磨煤机电流强
度条件下，也可以通过优化磨煤机运行参数获得更为经济的煤粉细度。因此，利用粒子群优
化算法结合步骤(3)所建磨煤机煤粉细度预测模型和磨煤机电流强度预测模型，针对磨煤
机运行参数的优化进行配置，可以达到综合优化磨煤机运行的目标，进一步提高磨煤机运
行效率。具体步骤如下：

[0012] a.定义粒子群位置向量x的各维分量为磨煤机煤粉细度预测模型和电流强度预测模型输入量的各磨煤机运行参数；

[0013] b.设定粒子群的搜索目标和迭代次数，搜索目标：min(Ipre),约束条件为(St.)：|dpre‑daim|≤δ，其中，Ipre为磨煤机电流强度预测模型预测的磨煤机电流强度，dpre为磨煤机
煤粉细度预测模型预测的煤粉细度；daim为目标煤粉细度，可由经验公式根据煤质获得或者
由运行人员提供，δ为实际煤粉细度与目标煤粉细度允许误差。考虑到在线应用和生产的需
求，迭代次数可设为50‑200次之间。

[0014] c.根据实际磨煤机的设计和运行要求设定各运行参数的寻优范围，并初始化位置向量x，然后根据上一步设定的搜索目标，用粒子群算法结合步骤(3)所建的磨煤机煤粉细
度预测模型和磨煤机电流强度预测模型进行迭代计算，煤粉细度预测模型根据粒子群算法
的位置向量预测其对应的煤粉细度，磨煤机电流强度预测模型根据粒子群算法的位置向量
预测其对应的电流强度，然后再进行约束条件和搜索目标的计算，以搜索粒子群在磨煤机
运行参数向量空间内的最优位置；

[0015] d.当粒子群算法完成迭代次数或找到满足设定要求的最优解时，停止计算获得相应最优的位置向量，即获得最优的磨煤机运行参数组合，同时获得相应的煤粉细度和磨煤
机电流强度。实现磨煤机的在线综合优化。

[0016] 本专利通过数据建模，在不同的生产运行参数组合中，应用建模算法，获得磨煤机运行参数分别与煤粉细度和电流强度的关系模型，并结合粒子群算法对磨煤机进行在线综
合优化。如何使该方法真正达到生产实际的要求，是该技术的关键，主要难题包括，如何选
取建模数据及提高模型的预测能力和泛化能力，及如何提高在线的优化计算能力等问题；
本发明方法既可以在线优化也可以离线优化。

具体实施方式

[0017] 一种磨煤机在线综合运行优化的方法，具体是以下步骤：

[0018] (1)采集磨煤机生产过程中各运行参数及对应的煤粉细度数据，建立磨煤机运行特性数据库；具体的各运行参数包括：煤质的工业分析数据、给煤量，磨煤机进风量和进风
温度，磨煤机电流强度，分离器转速。磨煤机运行参数可通过磨煤机生产过程中的数据监测
控制系统获取，或直接通过仪器设备采集样本测量获得。对应的煤粉细度可通过采集样本
分析测量获得，该技术为行业标准技术。

[0019] (2)建立磨煤机煤粉细度预测模型和磨煤机电流强度预测模型，磨煤机细度预测模型输入数据为：煤质的工业分析数据、给煤量，磨煤机进风量和进风温度，分离器转速；输
出数据为煤粉细度。磨煤机电流强度预测模型输入数据与磨煤机煤粉细度预测模型相同，
输出数据为磨煤机电流强度。两模型的训练样本及检验样本，在步骤(1)所建磨煤机运行特
性数据库中选取相同数据，以便下一步优化时保持一致的煤粉细度与电流强度关联性。所
选样本数据应该尽量分散于状态空间中，既每一组工况数据所构成的向量与其它组数据所
构成的向量之间的欧式距离应大于设定值D，D的数值的设定可以根据数据库中数据情况而
定，一般建议不小于2；

[0020] (3)采用基于数据的建模算法建模，如神经网络算法、支持向量机及贝叶斯网络算法等，建立磨煤机煤粉细度预测模型和磨煤机电流强度预测模型；

[0021] 用于建模样本的输入参数及输出参数表示为 其中xi表示第i组作为输入数据的参数，包括：煤质的工业分析数据、给煤量，磨煤机进风量和进风温度，分离器转速。
yi表示第i组作为输出参数的磨煤机煤粉细度或磨煤机电流强度，N为样本数量，N一般应大
于30，以保证模型的预测能力，在实际数据基础上，建立磨煤机煤粉细度预测模型和磨煤机
电流强度预测模型。

[0022] 在有建模样本情况下，用数据建模方法建立基于数据的预测模型为成熟且流行的方式，在此不在赘述。所建模型预测误差应控制在2％以内。

[0023] (4)对磨煤机运行来说，一组运行参数(煤质的工业分析数据、给煤量，磨煤机进风量和进风温度，分离器转速)，即决定了磨煤机煤粉的细度，也决定了磨煤机的电流强度(代
表磨煤机电耗)，但是不同的运行参数组合，可能会有相同或相近的煤粉细度，但是电流强
度相差却很大；反之亦然。因此，在获得相同或相近的煤粉细度条件下，可能通过优化磨煤
机运行参数降低磨煤机电流强度，从而降低磨煤机电耗；在相同或相近磨煤机电流强度条
件下，也可以通过优化磨煤机运行参数获得更为经济的煤粉细度。因此，利用粒子群优化算
法结合步骤(3)所建磨煤机煤粉细度预测模型和磨煤机电流强度预测模型，针对磨煤机运
行参数的优化进行配置，可以达到综合优化磨煤机运行的目标，进一步提高磨煤机运行效
率。具体步骤如下：

[0024] a.定义粒子群位置向量x的各维分量为磨煤机煤粉细度预测模型和电流强度预测模型输入量的各磨煤机运行参数；

[0025] b.设定粒子群的搜索目标和迭代次数，搜索目标：min(Ipre),约束条件为(St.)：|dpre‑daim|≤δ，其中，Ipre为磨煤机电流强度预测模型预测的磨煤机电流强度，dpre为磨煤机
煤粉细度预测模型预测的煤粉细度，daim为目标煤粉细度，可由经验公式根据煤质获得或者
由运行人员提供，δ为实际煤粉细度与目标煤粉细度允许误差。考虑到在线应用和生产的需
求，迭代次数可设为50‑200次之间。

[0026] c.根据实际磨煤机的设计和运行要求设定各运行参数的寻优范围，并初始化位置向量x，然后根据上一步设定的搜索目标，用粒子群算法结合步骤(3)所建的磨煤机煤粉细
度预测模型和磨煤机电流强度预测模型进行迭代计算，煤粉细度预测模型根据粒子群算法
的位置向量预测其对应的煤粉细度，磨煤机电流强度预测模型根据粒子群算法的位置向量
预测其对应的电流强度，然后再进行约束条件和搜索目标的计算，以搜索粒子群在磨煤机
运行参数向量空间内的最优位置；

[0027] d.当粒子群算法完成迭代次数或找到满足设定要求的最优解时，停止计算获得相应最优的位置向量，即获得最优的磨煤机运行参数组合，同时获得相应的煤粉细度和磨煤
机电流强度。实现磨煤机的在线综合优化。