一種減低燃煤機組NOx排放量的控制方法和裝置的制造方法
【技術領域】
[0001]本發(fā)明涉及NOx排放控制領域，具體涉及一種減低燃煤機組NOx排放量的控制方法和裝置。
【背景技術】
[0002]隨著我國經(jīng)濟的快速發(fā)展，人們對電力的需求也與日倶增，這也意味著需要更多的能源支持經(jīng)濟增長。目前，我國的火力發(fā)電仍處于電力行業(yè)的主導地位，且由于我國的能源結(jié)構的特殊性，煤炭在未來幾十年內(nèi)仍將處于能源消費的主導地位。煤炭大量燃燒的同時，也帶來了嚴重的環(huán)境污染問題，氮氧化物(NOx)便是煤炭在燃燒過程中產(chǎn)生的大氣污染物之一。酸雨、光化學煙霧等的產(chǎn)生都與污染氣體中的氮氧化物有直接的關系。因此，世界各國都制定了相應的法律和法規(guī)來限制NOx的排放，尤其以德國和日本最為嚴格，其排放標準分別是 200mg/Nm3 和400mg/Nm3。
[0003]我國是人口大國，同時也是世界上最大的煤炭生產(chǎn)與消費國。因煤炭燃燒而產(chǎn)生的NOx排放已經(jīng)給我國的生態(tài)壞境造成了巨大的破壞。據(jù)資料顯示，我國污染嚴重的一線城市大氣中65%以上的NOx是由煤燃燒產(chǎn)生的，其中火電廠燃煤產(chǎn)生的NOx又占據(jù)較大比例。隨著可持續(xù)發(fā)展戰(zhàn)略的實施以及國家對環(huán)境保護的日益重視，國家開始出臺關于限制電廠NOx排放的相關法律。國家環(huán)保局于2011年7月18日頒布了《火電廠大氣污染排放標準》(GB13223—2011)，明確規(guī)定自2012年1月1日起，新建、擴建和改建的火力發(fā)電鍋爐及燃氣輪機組的NOx排放量不得超過200mg/m3，以油為燃料的鍋爐NOx排放量不得超過100mg/m3。這些都給高效低污染燃燒技術提供了可量化的指標。
[0004]近些年，針對燃煤鍋爐NOx排放特性的智能技術采用改進的分布估計算法對控制模型進行優(yōu)化，但存在以下問題:分布估計算法雖然能夠解決低維單模態(tài)優(yōu)化問題，并具有良好的全局搜索能力，但在解決高維多模態(tài)問題時容易早成熟，收斂局部最優(yōu)解，導致優(yōu)化能力下降。

【發(fā)明內(nèi)容】

[0005]針對上述問題，本發(fā)明提供一種減低燃煤機組NOx排放量的控制方法和裝置，將分布估計算法進行改進，應用于優(yōu)化模型參數(shù)的選取。
[0006]本發(fā)明的目的采用以下技術方案來實現(xiàn):
[0007]一種減低燃煤機組NOx排放量的控制方法，其特征是，包括以下步驟:(1)初始化影響NOx排放量的輸入?yún)?shù)種群；(2)評價初始種群，預測NOx值；(3)分配適應度；(4)執(zhí)行混沌變異；(5)評估混沌變異種群；(6)用分布估計算法產(chǎn)生下一代種群；(7)判斷是否滿足終止條件，若滿足條件則停止迭代，并輸出供參考的影響NOx排放量的輸入值，否則重新執(zhí)行步驟⑶。
[0008]優(yōu)選地，步驟(1)具體包括以下步驟:
[0009](a)建立混沌變異的一維Logistic映射模型:at+1 = Aat(l-at);
[0010]其中，λ表示控制參數(shù)，λΕ[0，4];α為[0，1]之間的一個隨機數(shù);t表示迭代時間；
[0011 ] (b)建立待優(yōu)化的鍋爐運行參數(shù)向量個體的空間坐標形式:Xj, c = (Xj, 1, c，…，
Xj’i’G，...，Xj’n’G)；
[0012]其中，i= !，2，…，n，n為要優(yōu)化參數(shù)的個數(shù);j = l，2，…，NP;G= 1，2，…，Gmax，Gmax為最大進化代數(shù)；
[0013](c)隨機產(chǎn)生一組數(shù)aQ作為初始值，aQ = rand(l，n)，且aQe [0，1]；
[0014](d)將向量aQ代入步驟(a)建立的映射模型中，給定λ值，再經(jīng)過ΝΡ次迭代計算，得到混純時間序列[αι，α2，...，αΝΡ]...，αΝΡ]τ，貝ijA為NP Xη的矩陣；
[0015](e)將步驟(d)中的混純時間序列[，α2，…，αΝΡ]從[ο，1 ]擴展到待優(yōu)化問題的范圍，得到初始種群第j個待優(yōu)化參數(shù)個體的第i個基因位置:Xj, i, 1 = 1 ow+ (high-1 ow)A (j，i);
[0016]其中，low為解空間的最小值;high為解空間的最大值。
[0017]優(yōu)選地，步驟(2)具體執(zhí)行:求出種群中每個個體對應的目標值，設定目標函數(shù)f(X)，并求出f(x)的最小化模型的輸出值函數(shù)minf(x)，即預測的NOx值;X為待優(yōu)化的鍋爐運行參數(shù)向量，且x= [xl ,x2,...,χ17,χ18]，其中xl為總風煤比，χ2為一次風率，χ3為SOFA風率，x4為0FA擋板開度，x5-x8為輔助風擋板開度，x9_xl 2為燃料風擋板開度，xl 3_xl6為磨煤機的一次風量與給煤量之比，xl7為熱二次風溫，xl8為爐膛風箱壓差。
[0018]優(yōu)選地，步驟(3)具體執(zhí)行:對目標函數(shù)f(x)的值按線性分配進行降序排列，把目標值最大的函數(shù)值放在第一個位置上，目標值最小的函數(shù)值放在NP位置上。
[0019]優(yōu)選地，步驟(4)具體執(zhí)行:建立混純變異公式^j,i,G = xj,i,G+r( j，i) X 2(1_2A(j，i))，其中，A(j，i)為根據(jù)步驟(a)中的一維Logistic映射模型產(chǎn)生的矩陣A的元素;r(j,i)為變異半徑。
[0020]優(yōu)選地，步驟(5)具體包括以下步驟:
[0021 ] (f)選擇較優(yōu)個體，建立單變量高斯模型；
[0022](g)從模型中采樣生產(chǎn)新個體，如果新種群個體的評估函數(shù)值較小，則用新個體代替舊個體。
[0023]一種減低燃煤機組NOx排放量的控制裝置，其特征是，包括:
[0024]初始化模塊，用于初始化影響NOx排放量的輸入?yún)?shù)種群；
[0025]評價模塊，用于評價初始種群，預測NOx值；
[0026]分配模塊，用于分配適應度；
[0027]混沌變異模塊，用于執(zhí)行混沌變異；
[0028]評估模塊，用于評估混沌變異種群；
[0029]分布估計模塊，用于用分布估計算法產(chǎn)生下一代種群；
[0030]迭代模塊，用于判斷是否滿足終止條件，若滿足條件則停止迭代，并輸出供參考的影響NOx排放量的輸入值，否則重新執(zhí)行分配模塊。
[0031 ]優(yōu)選地，初始化模塊具體包括:
[0032]建立混沌變異的一維Logistic映射模型:at+1 = Aat(l-at)，其中，λ表示控制參數(shù)，λe [ 0，4]; a為[0，1 ]之間的一個隨機數(shù);t表示迭代時間；
[0033]建立待優(yōu)化的鍋爐運行參數(shù)向量個體的空間坐標形式:Xj,G=(Xj,l,G，…，
Xj,i,G,…，Xj,n,G)
[0034]其中，i= i，2，…，n，n為要優(yōu)化參數(shù)的個數(shù)，j = l，2，…，NP，G= 1，2，…，Gmax，Gmax為最大進化代數(shù)；
[0035]隨機產(chǎn)生一組數(shù)aQ作為初始值，aQ = rand(l，n)，且aQe [0，1]；
[0036]將向量aQ代入一維Logistic映射模型中，給定λ值，再經(jīng)過ΝΡ次迭代計算，得到混純時間序列[αι，α2，...，αΝΡ]，令...，αΝΡ]τ,貝ijA為ΝΡXη的矩陣；
[0037]將混沌時間序列[αι，α2，…，αΝΡ]從[0，1]擴展到待優(yōu)化問題的范圍，得到初始種群第j個待優(yōu)化參數(shù)個體的第i個基因位置:xj, i, 1 = low+ (high-low)A(j，i)，其中，1 ow為解空間的最小值;high為解空間的最大值。
[0038]優(yōu)選地，評價模塊具體包括:求出種群中每個個體對應的目標值，設定目標函數(shù)f(X)，并求出f(x)的最小化模型的輸出值函數(shù)minf(x)，即預測的NOx值;X為待優(yōu)化的鍋爐運行參數(shù)向量，且X= [xl ,x2,...,xl7,xl8]，其中xl為總風煤比，x2為一次風率，x3為SOFA風率，x4為0FA擋板開度，x5-x8為輔助風擋板開度，x9-xl2為燃料風擋板開度，xl3-xl6為磨煤機的一次風量與給煤量之比，xl7為熱二次風溫，xl8為爐膛風箱壓差。
[0039]優(yōu)選地，混沌變異模塊具體包括:建立混沌變異公式:Yj, i, G = Xj, i, G