一种基于物联网的燃煤用量调控系统及方法与流程

本发明涉及燃煤用量调控，具体为一种基于物联网的燃煤用量调控系统及方法。

背景技术：

1、能源效率已经成为工业生产中至关重要的议题，燃煤作为主要的能量来源之一，其有效利用显得尤为重要。燃煤在全球范围内被广泛应用于发电、供热等领域。传统的燃煤用量调控技术主要依赖于锅炉运行过程中的反馈控制系统，这些系统通过传感器和反馈回路，监测锅炉内燃料的供给、空气的进气量以及燃烧效率等参数。

2、然而，由于传感器精度和系统响应速度的限制，这些技术在实际应用中往往难以做到高精度的实时调控，容易导致能耗浪费或者排放超标的问题，当锅炉中出现故障时，也难以快速做出反应。

技术实现思路

1、本发明的目的在于提供一种基于物联网的燃煤用量调控系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：

3、一种基于物联网的燃煤用量调控方法，所述方法包括以下步骤：

4、s1-1、通过传感器采集锅炉中实时数据，进行预处理，加密传输同步到云端服务器保存；

5、s1-2、预处理后的数据提取特征并训练模型，构建燃煤量预测模型；

6、s1-3、使用传感器采集的锅炉数据对燃煤量预测模型进行训练；

7、s1-4、通过燃煤量预测模型预测燃煤量并下达燃煤用量调控命令；

8、s1-5、根据调控命令调节燃煤量，优化燃烧效率；

9、s1-6、展示实时情况到用户界面；并实时监测锅炉情况，出现异常情况，进行异常告警。

10、根据上述方案，所述锅炉中实时数据包括燃煤的流量、锅炉中产生的蒸汽量、锅炉中的压力、锅炉中产生的蒸汽热量和燃煤热量；

11、所述预处理包括将锅炉中实时数据由模拟信号转换为数字信号，利用孤立森林算法和差值填充来检测并处理传感器中的异常值或缺失值，将数据进行归一化或标准化处理，统一数据尺寸；

12、在燃煤用量调控系统中，传感器可能会因为各种原因产生异常值，或缺失值，孤立森林算法可以用来识别数据中的异常值，对于缺失的数据，差值填充可以确保数据的完整性，避免因数据缺失导致的分析中断；结合这两种算法能够提高数据质量，确保预测模型的准确性和可靠性；

13、利用ssl/tls加密通信，将数据安全的传输到云端服务器进行加密储存；

14、通过加密通信和加密储存能够确保数据在整个生命周期中的安全性。

15、根据上述方案，提取特征时，需联合传感器采集到的锅炉中实时数据，获取燃煤量，并进行分析处理；其中，锅炉效率和发电效率是获取燃煤量的重要参数；

16、锅炉效率是锅炉有效利用的能量与输入能量的比率，设锅炉效率为ηb，公式如下：

17、

18、其中，w表示为锅炉中产生的蒸汽量；e表示为锅炉中产生的蒸汽的热量；b表示为燃煤的流量；q表示为锅炉中产生的燃煤的热量；

19、发电效率是发电系统产生的电能与接收的热能的比率，设发电效率为ηg，公式如下：

20、

21、其中，p表示为发电机产生的电功率；

22、通过锅炉效率、发电效率和锅炉中实时数据，能够获取燃煤量，设燃煤量为m，公式如下：

23、

24、确定燃煤量的时间序列特征时，需要利用历史锅炉中数据，获取历史数据中燃煤变化量，公式如下：

25、δm＝mt2-mt1

26、其中，δm表示为燃煤变化量；mt1和mt2分别表示为时间点t1和t2的燃煤量；

27、利用历史锅炉中数据，获取燃煤量和燃煤变化量，形成特征向量。

28、根据上述方案，设计一个包含输入层、循环层、随机失活层、全连接的密集层和输出层的燃煤预测模型；其中，输入层将特征向量序列化处理，形成具有时间步长的特征矩阵，输入层的神经元数量与特征矩阵中的维度相匹配；通过循环堆叠循环层，增加模型的深度和复杂度；随机失活层随机丢弃一部分神经元的激活值，使网络学习更加鲁棒的特征；全连接的密集层进一步处理和整合特征，使用relu激活函数，帮助模型学习更加复杂的模式；输出层生成最终的预测结果。

29、根据上述方案，通过向前传播，输入特征向量进入输入层，输入层的输出被传递到循环层，循环层利用长短期记忆网络，记忆或忘记之前的信息，能够保持长期记忆，同时使用门控单元来控制信息流动，能够捕捉时间序列中的依赖关系，有效的处理时间序列数据的特性；在循环层后增加随机失活层，随即将一部分神经元的输出值设置为零，减少神经网络的复杂度和提高泛化性能力；以一定的概率将这些神经元的输出设置为零，随机失活层迫使网络学习更加鲁棒的特征表示，减少对训练数据中特定样本的依赖；

30、全连接的密集层位于循环层和随机失活层之后，全连接的密集层中的每个神经元对输入数据进行加权求和，通过relu激活函数引入非线性，使得网络能够学习和模拟更加复杂的函数映射和进行非线性变换，公式如下：

31、z＝w×x+b

32、其中，z表示为当前神经元的输出，w表示为权重矩阵，x是前一层的输出，b是偏置项；权重和偏置是模型在训练过程中需要学习的参数；

33、relu激活函数表达式为f(x)＝max(0，x)，对于输入信号x，如果x大于等于0，则输出x；否则，输出0；缓解梯度消失问题并加速收敛；

34、对于燃煤用量的连续值预测问题，输出层利用线性激活函数，输出对未来燃煤用量的预测。

35、根据上述方案，在训练过程中，模型通过反向传播算法不断更新其权重，以最小化损失函数；所述损失函数为均方误差，公式如下：

36、

37、其中，l表示为损失函数；y表示为真实燃煤量的集合；f(x)表示为预测燃煤量的集合；yi表示为第i个真实燃煤量；f(xi)表示为第i个模型预测燃煤量；∑表示为对所有n个数据点的误差进行累加；

38、通过损失函数来衡量预测值与实际值之间的差异，得到损失值；

39、所述反向传播算法包括从输出层开始，计算损失函数对于每个神经元权重和偏置的梯度，这些梯度表示了损失函数随权重和偏置变化的敏感度；

40、计算每个激活函数的导数，relu激活函数的导数为分段函数，输入大于0时导数为1，小于0时为0；根据全连接层的密集层中的激活函数的导数和下游梯度，计算损失函数关于该神经元权重和偏置的梯度；

41、在循环层中，存在时间序列的依赖关系，梯度沿着时间步长反向传播；

42、在反向传播过程中，将所有相关梯度相加，得到最终的梯度；

43、使用梯度下降法，根据计算得到的梯度更新网络中的权重和偏置；

44、在每次训练迭代中，重复向前传播和反向传播的过程，直到模型在训练集上已经达到收敛，并评估模型的性能，验证模型的泛化能力。

45、根据上述方案，利用训练好的燃煤量预测模型对燃煤量进行预测，并根据预测的燃煤量和历史数据，制定调控策略，下达燃煤用量调控命令；根据下达的命令，调控燃烧控制模块和燃煤供给模块，所述调控包括调整燃煤供给量、改变燃烧参数和优化锅炉运行模式。

46、根据上述方案，展示实时情况到用户界面；并实时监测锅炉情况，出现异常情况，进行异常告警；

47、用户界面实时监控锅炉的运行数据和燃煤调控效果；所述锅炉的运行数据包括燃煤的流量、锅炉中产生的蒸汽量、锅炉中的压力燃煤量、发电效率和锅炉效率；根据锅炉的实时运行数据手动调整燃煤供给量、风门开度等，以优化燃烧效率；

48、如果监控到异常情况，将会向用户界面触发故障告警情况；并提供故障诊断和处理建议；所述故障告警包括燃煤供给量异常、燃煤燃烧过程中温度异常和锅炉中压力异常。

49、一种基于物联网的燃煤用量调控系统，该系统包括：数据采集和储存模块、中央控制中心、执行模块和用户界面；

50、所述数据采集和储存模块包括传感器采集模块、数据预处理模块和数据储存模块；所述传感器采集模块包括燃煤流量传感器、蒸汽流量传感器、温度传感器、压力传感器和热量计；所述燃煤流量传感器用于采集燃煤的流量；所述蒸汽流量传感器用于采集锅炉中产生的蒸汽量；所述温度传感器用于采集锅炉中蒸汽温度和给水温度；所述压力传感器用于采集锅炉中的压力；所述热量计用于采集锅炉中产生的蒸汽热量和燃煤热量；所述数据预处理模块包括将传感器采集到的数据由模拟信号转换为数字信号，检测并处理传感器中的异常值或缺失值，将数据进行归一化或标准化处理后传输到所述数据储存模块；所述数据储存模块包括通过物联网网关，将预处理后的数据传输到本地服务器进行储存，同时同步传输到云端服务器；在数据传输过程中，采用ssl/tls保证数据的安全性，对存储的数据进行加密处理；

51、所述中央控制中心包括特征提取模块、模型训练模块和控制模块；所述特征提取模块从云端服务器中获取预处理后的数据，进行特征提取，所述特征包括：燃煤量、锅炉效率和发电效率，将提取的特征组合成综合特征向量；所述训练模块包括将综合特征向量输入到神经网络中进行训练，通过反向传播和优化器更新网络权重，直到模型收敛，输出燃煤用量调控指令；所述控制模块，使用训练好的模型对燃煤用量进行预测，制定燃煤用量使用调控策略，向所述执行模块下达命令；

52、所述执行模块包括燃烧控制模块和燃煤供给模块，根据所述中央控制中心下达的命令，进行燃煤调控和燃烧控制操作，调节燃煤量，优化燃烧效率；

53、所述用户界面包括系统实时监控和故障告警，所述系统实时监控用于向操作人员展示锅炉的运行数据和燃煤调控效果，所述锅炉的运行数据包括燃煤的流量、锅炉中产生的蒸汽量、锅炉中的压力燃煤量、发电效率和锅炉效率；操作人员能够通过用户界面对锅炉的运行数据进行调控，系统收集调控后的数据，进行处理和学习，并根据反馈数据不断优化模型和调控策略，提高预测准确性和调控效果；所述故障告警包括当所述中央控制中心检测到异常数据时，向所述用户界面传达故障告警信息，所述故障告警信息包括燃煤供给量异常、燃煤燃烧过程中温度异常和锅炉中压力异常。

54、与现有技术相比，本发明所达到的有益效果是：

55、1、本发明通过集成多种高精度传感器，实现对锅炉运行状态的全面监测；

56、2、本发明通过物联网技术实现了对燃煤量的高效、精确调控，提高了能源利用率，减少了能源的浪费；

57、3、本发明具备故障告警功能和反馈学习功能，不断调整和优化模型参数，提高预测的准确性和调控的效果，增强了操作的安全性和稳定性。