.

详情和优势

采用先进的优化与控制方法,基于海量历史数据进行学习,挖掘出较好的初始策略。在这个策略的基础上,进行在线运行,并不断收集运行数据,实现在在线学习,对初始策略进行不断完善进化,并最终得到一个最优的操作策略。

循环流化床锅炉解决方案示意图

锅炉燃烧效率优化算法思路

辨别实验

系统稳定期间,对系统增加“激励”,以收集到波动的数据,从而辨识出可靠的模型。

模型搭建

利用空间状态方程和深度学习-LSTM,采用风、水、煤、氧量、床温等数据,输出蒸汽压力,流量等数据。

在线定制

通过系统识别模型和控制变量优化器,控制给煤、给风来优化结果数据,并通过二次规划和粒子群算法寻优。

模型检验

结合实际生产环境测试模型优劣,调整工艺参数之后,燃煤降低XX%,蒸汽提升XX%。

解决方案的价值

提升锅炉燃烧效率

最优的锅炉操作参数,能实现燃料在锅炉内的充分燃料,并最大限度的实现燃烧热能的充分利用,从而实现锅炉燃烧效率的提升

降低工人劳动强度

自动根据当前的生产数据,判断当前的工况,并提示当前应该如何操作,降低了操作强度。

轻部署无需产线改造

基于现有设备控制系统获取锅炉数据做模型训练和控制,无需大规模产线改造既能快速提升锅炉燃烧效率

客户使用体验

杭州某石化企业锅炉优化解决方案

  • 实现方法:

    1、短时间实验,确定算法整体优化思路和框架;
    2、4~6小时实验验证算法效果,并进一步优化算法;
    3、不间断的长周期实验;
    4、短期的驻场实验,进一步提升效果,达到预期效果;
  • 业务效果:

    在全集团进行推广,2.6%的煤耗降低,即可每年节约8000万的燃料成本。
适用设备类型
  • 循环流化床

  • 煤粉炉

  • 链条炉

  • 热轧加热炉

  • 高炉热风炉