一种火力发电输煤系统原煤仓煤位测量方法技术方案

本发明专利技术涉及一种火力发电输煤系统原煤仓煤位测量方法，当给煤机

【技术实现步骤摘要】
一种火力发电输煤系统原煤仓煤位测量方法


[0001]本专利技术属于火力发电
，尤其涉及一种火力发电输煤系统原煤仓煤位测量方法
。

技术介绍

[0002]火力发电输煤系统主要任务是卸煤
、
储煤
、
上煤和配煤
。
储存在煤场的煤通过输煤皮带经过碎煤机等转运站，分配到各个原煤仓中，再经过给煤机
、
磨煤机进入炉膛燃烧
。
因此，原煤仓煤位是输煤系统中的重要参数，原煤仓煤位准确性
、
稳定性关系到制粉系统
、
甚至整个机组安全运行
。
[0003]目前大部分火力发电厂输煤系统原煤仓煤位采用超声波测量，但超声波测量容易受粉尘影响，尤其原煤仓煤位进入椎体部分时，扬尘增加，导致测量精度下降，经常发生跳变
、
失真等现象
。

技术实现思路

[0004]本专利技术的目的是提供一种火力发电输煤系统原煤仓煤位测量方法，以解决原煤仓煤位进入椎体部分时测量不准问题，防止原煤仓煤位跳变
、
失真，提高其稳定性
。
[0005]本专利技术提供一种火力发电输煤系统原煤仓煤位测量方法，当给煤机
、
磨煤机运行，犁煤器未运行，既磨组运行并未上煤时，包括如下步骤：
[0006]步骤1，判断超声波料位计当前测量值
H
t
是否大于椎体部分高度
,
既
H
t/>＞
H
‑
H1
时，原煤仓煤量高度
H0＝
H
t
；其中，
H
为原煤仓总高度，
H1
为圆形部分高度；
[0007]步骤2，当声波料位计当前测量值不大于椎体部分高度时，
H
t
≤H
‑
H1+
Δ
时，
Δ
为裕量，根据实际情况设置，计算声波料位计当前测量值
H
T
与前一时刻测量值
H
T
‑1的差值
Δ
H
，
Δ
H
＝
H
T
‑
H
T
‑1；
[0008]步骤3，建立原煤仓椎体部分煤位变化量神经网络预测模型，预测时间段
T
内煤位变化率
H
Δ
；
[0009]步骤4，基于声波料位计当前测量值与前一时刻测量值的差值，以及神经网络预测模型预测时间段
T
内煤位变化率，计算原煤仓煤量高度：
[0010]当0＜
Δ
H
＜
H
Δ
，原煤仓煤量高度
H0＝
H
T
＝
H
T
‑1‑
Δ
H
；
[0011]当0＞
Δ
H
或
Δ
H≥H
Δ
，原煤仓煤量高度
H0＝
H
T
＝
H
T
‑1‑
H
Δ
。
[0012]进一步地，步骤3中所述原煤仓椎体部分煤位变化量神经网络预测模型的建立方法如下：
[0013]1)
根据原煤仓椎体部分煤位工艺特性，确定神经网络预测模型输入变量和输出变量；所述输入变量包括机组实际负荷
、
对应给煤机燃料量
、
对应给煤机转速
、
对应给煤机电流
、
对应磨煤机一次风量，所述输出参数为原煤仓椎体部分煤位变化量；
[0014]2)
确定神经网络预测模型结构，包括：
[0015]建立具有
J
个输入参数
(u1
，
u2,
…
,uJ)
和一个输出参数
y
的非线性自回归滑动平均
预测模型结构，且设定模型在
T
时刻的输出参数
y(T)
与模型各输入参数
ui
在
T
时刻和过去
n
个时刻的值
ui(T)、ui(T
‑
1)
，
…
,ui(T
‑
n)
及输出参数
y
在过去
m
个时刻的值
y(T
‑
1),y(T
‑
2),
…
,y(T
‑
m)
相关，其结构的具体表达式为：
[0016]y(T)
＝
g[y(T
‑
1),...,y(T
‑
m)
；
u1(T),u1(T
‑
1)...,u1(T
‑
n)
；
...
；
u
J
(T),u
J
(T
‑
1)...,u
J
(T
‑
n)]；
[0017]3)
从现场
DCS
系统获取机组的历史运行数据，从中选取用于神经网络预测模型建立和验证的样本数据；所述样本数据包括机组启停工况及额定负荷期间的典型稳态工况，以及多个升降负荷周期的动态过渡工况，且保证建模所需各变量均充分地激励；从
DCS
历史运对模型训练样本输入
、
输出进行归一化处理，并采用归一化后的样本训练模型，再将模型输出反归一得到实际工程单位的变量值，具体的归一化公式为：
[0018]Y
＝
(Y
max
‑
Y
min
)*(x
‑
x
min
)/(x
max
‑
x
min
)+Y
min
；
[0019]式中：
x
，
Y
分别为参数的实际值和标称值，
xmin、xmax
分别为训练样本集数据中参数
x
的最小值和最大值，
Ymin、Ymax
分别为归一化处理后参数的最小值和最大值；
[0020]4)
模型训练，确定最优模型及参数，包括：
[0021]分别针对不同输入
、
输出时延阶次
n、m
取值，通过比较具有不同隐层单元数神经网络模型的收敛性能，确定隐层神经元个数，具体包括：依次增加隐层神经元个数，对具有不同隐层单元数的模型，设置同样的训练周期
、
训练方法
、...

【技术保护点】

【技术特征摘要】
1.
一种火力发电输煤系统原煤仓煤位测量方法，其特征在于，当给煤机
、
磨煤机运行，犁煤器未运行，既磨组运行并未上煤时，包括如下步骤：步骤1，判断超声波料位计当前测量值
H
t
是否大于椎体部分高度
,
既
H
t
＞
H
‑
H1
时，原煤仓煤量高度
H0＝
H
t
；其中，
H
为原煤仓总高度，
H1
为圆形部分高度；步骤2，当声波料位计当前测量值不大于椎体部分高度时，
H
t
≤H
‑
H1+
Δ
时，
Δ
为裕量，根据实际情况设置，计算声波料位计当前测量值
H
T
与前一时刻测量值
H
T
‑1的差值
Δ
H
，
Δ
H
＝
H
T
‑
H
T
‑1；步骤3，建立原煤仓椎体部分煤位变化量神经网络预测模型，预测时间段
T
内煤位变化率
H
Δ
；步骤4，基于声波料位计当前测量值与前一时刻测量值的差值，以及神经网络预测模型预测时间段
T
内煤位变化率，计算原煤仓煤量高度：当0＜
Δ
H
＜
H
Δ
，原煤仓煤量高度
H0＝
H
T
＝
H
T
‑1‑
Δ
H
；当0＞
Δ
H
或
Δ
H≥H
Δ
，原煤仓煤量高度
H0＝
H
T
＝
H
T
‑1‑
H
Δ
。2.
根据权利要求1所述的火力发电输煤系统原煤仓煤位测量方法，其特征在于，步骤3中所述原煤仓椎体部分煤位变化量神经网络预测模型的建立方法如下：
1)
根据原煤仓椎体部分煤位工艺特性，确定神经网络预测模型输入变量和输出变量；所述输入变量包括机组实际负荷
、
对应给煤机燃料量
、
对应给煤机转速
、
对应给煤机电流
、
对应磨煤机一次风量，所述输出参数为原煤仓椎体部分煤位变化量；
2)
确定神经网络预测模型结构，包括：建立具有
J
个输入参数
(u1
，
u2,
…
,uJ)
和一个输出参数
y
的非线性自回归滑动平均预测模型结构，且设定模型在
T
时刻的输出参数
y(T)
与模型各输入参数
ui
在
T
时刻和过去
n
个时刻的值
ui(T)、ui(T
‑
1)
，
…
...

【专利技术属性】
技术研发人员：姜尧，莫日格吉勒图，张艳宾，刘海龙，冀丰强，白鑫，张玉泽，张丰，李霖，周娜，张楠，章雅楠，
申请(专利权)人：中国大唐集团科学技术研究总院有限公司中国大唐集团科学技术研究总院有限公司华北电力试验研究院，
类型：发明
国别省市：