燃烧优化系统和方法与流程

本发明大体涉及控制领域，尤其涉及一种燃烧优化系统和一种燃烧优化方法。

背景技术：

传感器通常用于测量和收集与系统的重要运行参数，例如温度、压力、气体浓度等有关的各种数据。传感器的输出信号会基于系统中条件的改变而变化。因此，传感器的典型应用是用于监测系统的性能，从而能够有效地控制系统的性能。来自传感器的信号可以用于评估。基于评估的结果，系统的一个或多个运行参数将会改变或者被控制，从而提高系统的效率。传感器信号越准确，越有利于实现系统的更好控制，所以传感器信号的准确性在系统的控制中起着至关重要作用。然而，当系统在例如高温或者高压环境等可能损坏传感器的恶劣环境下运行时，判定传感器是否提供了准确的数据是非常困难的。如果一个本应反映系统运行参数的传感器损坏而不能提供准确的信号，则基于该损坏的传感器的输出信号而对系统进行的控制可能是低效率的。

例如，在锅炉系统中，使用多个传感器来确定锅炉系统的燃烧控制策略。然而，随着时间的推移，锅炉系统中的恶劣环境将不可避免地会使得传感器趋于老化、退化和失效等问题。因此，来自这些低性能传感器的信号将无法准确地反映锅炉系统的数据，并且还有可能引起不适当的燃烧控制。该不适当的燃烧控制则可能会导致较低的燃烧率，较高的氮氧化物和一氧化碳浓度，并降低可靠性。此外，该不适当的燃烧控制还可能导致炉渣的增加和锅炉管失效的增加，并且甚至引起诸如炉火熄灭或者爆炸等灾难性后果。

因此，有必要提供一种改进的系统或方法以解决如上所述的至少一个问题。

技术实现要素：

本发明的一个方面在于提供一种燃烧优化系统，其包括：具有多个分区位置的锅炉、包括多个传感器的传感器网格、传感器验证装置和优化控制器。所述多个传感器用于提供表示所述各自分区位置的测量值的多个传感器信号。所述传感器验证装置用于接收来自所述多个传感器的所述传感器信号，并基于所述接收到的多个传感器信号和在所述接收到的多个传感器信号之间的预定的相关性，来生成所述各自传感器的验证后的传感器信号。所述优化控制器用于基于所述各自传感器的验证后的传感器信号来优化所述锅炉的至少一个运行参数。

本发明的另一个方面在于提供一种燃烧优化方法，其包括：接收来自传感器网格的多个传感器信号，其中，所述传感器网格包括用于与锅炉中的多个分区位置相通信的多个传感器；基于所述接收到的多个传感器信号和在所述接收到的多个传感器信号之间的预定的相关性，来生成所述各自传感器的验证后的传感器信号；及基于所述各自传感器的验证后的传感器信号，来优化所述锅炉的至少一个运行参数。

附图说明

当参照附图阅读以下详细描述时，本发明的这些和其它特征、方面及优点将变得更好理解，在附图中，相同的元件标号在全部附图中用于表示相同的部件，其中：

图1是根据本发明的一个具体实施方式的燃烧优化系统的示意性框图；

图2是图1的燃烧优化系统的锅炉的示意图；

图3是根据本发明的一个具体实施方式的传感器验证装置的示意性框图；

图4是根据本发明的另一个具体实施方式的传感器验证装置的示意性框 图；

图5是根据本发明的一个具体实施方式的燃烧优化方法的流程图；及

图6示出如何确定图5中的各自传感器的总体传感器健康置信度值的步骤。

具体实施方式

为帮助本领域的技术人员能够确切地理解本发明所要求保护的主题，下面结合附图详细描述本发明的具体实施方式。在以下对这些具体实施方式的详细描述中，本说明书对一些公知的功能或构造不做详细描述以避免不必要的细节而影响到本发明的披露。

除非另作定义，本权利要求书和说明书中所使用的技术术语或者科学术语应当为本发明所属技术领域内具有一般技能的人士所理解的通常意义。本说明书以及权利要求书中所使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“一个”或者“一”等类似词语并不表示数量限制，而是表示存在至少一个。“包括”或者“具有”等类似的词语意指出现在“包括”或者“具有”前面的元件或者物件涵盖出现在“包括”或者“具有”后面列举的元件或者物件及其等同元件，并不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。而且，短语“基于”意指“至少部分地基于”。

图1示出根据本发明的一个具体实施方式的燃烧优化系统的示意性框图。现在参照图1，根据本发明一个具体实施方式的燃烧优化系统100包括锅炉1、传感器网格2、传感器验证装置3和优化控制器4。

图2示出锅炉1的示意图。现在参照图2，锅炉1具有多个分区位置10，多个分区位置10以2×2矩阵示意性地示出。在图2中，作为一个示例，示出多个分区位置10位于锅炉1的后部通道。然而，多个分区位置10可以位于 锅炉1的任何位置，只要来自多个分区位置10的数据能够反映锅炉1的运行状态即可。传感器网格2包括多个传感器20，多个传感器20以2×2矩阵示意性地示出。多个传感器20与多个分区位置10相通信。在图2中，作为一个示例，示出多个传感器20分别位于多个分区位置10。然而，本发明的多个传感器20的位置并不应限制于此。结合参照图1，多个传感器20用于提供多个传感器信号S，并且多个传感器信号S表示锅炉1的各自分区位置10的测量值。当多个传感器20处于健康状态时，则来自健康的传感器20的传感器信号S能够准确地反映各自分区位置10的数据。但是，如果传感器20发生故障，则来自故障的传感器20的传感器信号S将无法准确地反映各自分区位置10的数据。因此，本发明的燃烧优化系统100提供了图1所示的传感器验证装置3。

现在继续参照图1，传感器验证装置3接收来自传感器网格2的多个传感器20的多个传感器信号S，并且基于接收到的多个传感器信号S和在接收到的多个传感器信号S之间的预定的相关性来生成各自传感器20的验证后的传感器信号Sv。无论是健康的传感器20还是故障的传感器20，本发明的传感器验证装置3都将生成各自传感器20的验证后的传感器信号Sv，从而确保燃烧优化系统100的正常运行并且降低错误的燃烧控制。优化控制器4基于各自传感器20的验证后的传感器信号Sv，来优化锅炉1的至少一个运行参数，从而提高本发明的燃烧优化系统100的燃烧控制策略。

如图1所示，在一个具体实施方式中，本发明的燃烧优化系统100还可以包括图形用户界面5。图形用户界面5与传感器验证装置3相连。当传感器验证装置3确定多个传感器20中的至少一个出现故障时，则传感器验证装置3还用于给图形用户界面5生成故障报警信号Sf，因此可以及时对燃烧优化系统100进行维护和修复，并且避免了累进损坏和设备停机时间。

在另一个具体实施方式中，本发明的燃烧优化系统100还可以包括用于控制多个传感器20的传感器控制器6。传感器控制器6与传感器验证装置3 相连。当传感器验证装置3确定多个传感器20中的至少一个出现故障并且如果该故障是可以通过传感器控制信号得以补偿或修复的类型时，则传感器验证装置3还用于给传感器控制器6生成修复指令Cr。

图3示出根据本发明的一个具体实施方式的传感器验证装置3的示意性框图。如图3所示，传感器验证装置3包括估算模块31。估算模块31接收多个传感器信号S并基于接收到的多个传感器信号S生成各自传感器20的估算的传感器信号Se。估算的传感器信号Se可以基于在接收到的多个传感器信号S之间的预定的相关性来生成。例如，可以基于在接收到的多个传感器信号S之间的空间相关性来生成估算的传感器信号Se。传感器验证装置3基于各自接收到的传感器信号S和各自估算的传感器信号Se，来生成各自传感器20的验证后的传感器信号Sv。

继续参照图3，传感器验证装置3还包括诊断模块32和验证模块33。诊断模块32接收多个传感器信号S，并确定各自传感器20的总体传感器健康置信度值Vo。总体传感器健康置信度值Vo表示各自传感器20的可靠性。验证模块33然后基于各自接收到的传感器信号S、各自估算的传感器信号Se和各自总体传感器健康置信度值Vo，来生成各自传感器20的验证后的传感器信号Sv。

在一个具体实施方式中，诊断模块32包括检测模块340和融合模块350。检测模块340用于接收多个传感器信号S，检测各自传感器20的故障类型并生成各自传感器20的故障类型置信度值，例如，V1、V2、V3、V4。故障类型置信度值V1、V2、V3、V4表示各自故障类型的故障水平。融合模块350用于将各自传感器20的生成的故障类型置信度值V1、V2、V3、V4进行融合以生成各自传感器20的总体传感器健康置信度值Vo。

在本发明的一个具体实施方式中，传感器20的故障类型可以包括，但并不限于包括范围和速度、噪声、尖峰及漂移。传感器20的尖峰可以被定义为在系统的所有运行条件保持不变的情况下，当与传感器读数的最近历史数据 相比时，传感器读数的意外的瞬时变化。传感器20的漂移可以被定义为传感器读数与其预测值或者期望值之间的偏差。如上所述的故障类型仅作为示例示出。然而，本发明的传感器20的故障类型并不应限制于此。对应于这些故障类型，如图3所示，本发明的检测模块340可以包括，但并不限于包括范围和速度检测器3401、噪声检测器3402、尖峰检测器3403及漂移检测器3404。相似地，本发明的检测模块340并不应限制于此，其还可以包括其他类型的检测器。在一个具体实施方式中，检测模块340所包括的检测器的数量可以根据待检测的传感器20的故障类型而作出相应的调整。

具体地，范围和速度检测器3401检测各自传感器20的范围和速度故障，并且，然后生成各自传感器20的范围和速度故障置信度值V1。范围和速度故障置信度值V1表示范围和速度故障的故障水平。噪声检测器3402检测各自传感器20的噪声故障，并且，然后生成各自传感器20的噪声故障置信度值V2。噪声故障置信度值V2表示噪声故障的故障水平。尖峰检测器3403检测各自传感器20的尖峰故障，并且，然后生成各自传感器20的尖峰故障置信度值V3。尖峰故障置信度值V3表示尖峰故障的故障水平。漂移检测器3404检测各自传感器20的漂移故障，并且，然后生成各自传感器20的漂移故障置信度值V4。漂移故障置信度值V4表示漂移故障的故障水平。

在本发明的另一个具体实施方式中，诊断模块32还可以包括相关一致性模块360。相关一致性模块360接收来自多个传感器20的多个传感器信号S，并基于在接收到的多个传感器信号S之间的预定的相关性，来生成各自传感器20的相关一致性指标Vc。各自传感器20的相关一致性指标Vc表示各自传感器20的故障水平。例如，在接收到的多个传感器信号S之间的预定的相关性可以包括在接收到的多个传感器信号S之间的空间相关性。在一个具体实施方式中，融合模块350还将各自传感器20的生成的故障类型置信度值V1、V2、V3、V4和各自传感器20的相关一致性指标Vc进行融合，从而生成各自传感器20的总体传感器健康置信度值Vo。

参照图3，在另一个具体实施方式中，本发明的估算模块31还可以生成估算模块置信度值Ve。估算模块置信度值Ve表示估算的传感器信号Se的可靠性。在一个具体实施方式中，验证模块33进一步基于估算模块置信度值Ve，来生成各自传感器20的验证后的传感器信号Sv。

无论是健康的传感器20还是故障的传感器20，本发明的燃烧优化系统100都可以基于接收到的多个传感器信号S和在接收到的多个传感器信号S之间的预定的相关性，来生成各自传感器20的验证后的传感器信号Sv，所以本发明的燃烧优化系统100能够减少错误的操作，提高利用率，优化系统燃烧策略，增加系统稳健程度，并且，降低因传感器故障而导致的经济损失。

在本发明的燃烧优化系统100的另一个具体实施方式中，多个传感器20可以包括多个CO(一氧化碳)传感器(未标号)和多个O₂(氧气)传感器(未标号)。多个CO传感器用于提供多个CO传感器信号S1(如图4所示)，多个CO传感器信号S1表示穿过各自分区位置10的CO浓度。多个O₂传感器用于提供多个O₂传感器信号S2(如图4所示)，多个O₂传感器信号S2表示穿过各自分区位置10的O₂浓度。

图4示出根据本发明的另一个具体实施方式的传感器验证装置3的示意性框图。相应地，估算模块31用于分别接收多个CO传感器信号S1和多个O₂传感器信号S2，并基于接收到的多个CO传感器信号S1生成各自CO传感器的估算的CO传感器信号Se1，及基于接收到的多个O₂传感器信号S2生成各自O₂传感器的估算的O₂传感器信号Se2。例如，各自CO传感器的估算的CO传感器信号Se1可以基于在接收到的多个CO传感器信号S1之间的空间相关性来生成，各自O₂传感器的估算的O₂传感器信号Se2可以基于在接收到的多个O₂传感器信号S2之间的空间相关性来生成。在诊断模块32中，检测模块340包括CO检测模块341和O₂检测模块342，并且，融合模块350包括CO融合模块351和O₂融合模块352。验证模块33包括CO验证模块331和O₂验证模块332。

CO检测模块341用于接收多个CO传感器信号S1，检测各自CO传感器的故障类型并生成各自CO传感器的故障类型置信度值，例如V11、V21、V31、V41。作为一个示例，CO检测模块341可以包括，但并不限于包括范围和速度检测器3411、噪声检测器3412、尖峰检测器3413及漂移检测器3414。在CO检测模块341中，范围和速度检测器3411检测各自CO传感器的范围和速度故障，并且，然后生成各自CO传感器的范围和速度故障置信度值V11；噪声检测器3412检测各自CO传感器的噪声故障，并且，然后生成各自CO传感器的噪声故障置信度值V21；尖峰检测器3413检测各自CO传感器的尖峰故障，并且，然后生成各自CO传感器的尖峰故障置信度值V31；漂移检测器3414检测各自CO传感器的漂移故障，并且，然后生成各自CO传感器的漂移故障置信度值V41。

相似地，O₂检测模块342用于接收多个O₂传感器信号S2，检测各自O₂传感器的故障类型并生成各自O₂传感器的故障类型置信度值，例如V12、V22、V32、V42。作为一个示例，O₂检测模块342可以包括，但并不限于包括范围和速度检测器3421、噪声检测器3422、尖峰检测器3423及漂移检测器3424。在O₂检测模块342中，范围和速度检测器3421检测各自O₂传感器的范围和速度故障，并且，然后生成各自O₂传感器的范围和速度故障置信度值V12；噪声检测器3422检测各自O₂传感器的噪声故障，并且，然后生成各自O₂传感器的噪声故障置信度值V22；尖峰检测器3423检测各自O₂传感器的尖峰故障，并且，然后生成各自O₂传感器的尖峰故障置信度值V32；漂移检测器3424检测各自O₂传感器的漂移故障，并且，然后生成各自O₂传感器的漂移故障置信度值V42。

CO融合模块351用于将各自CO传感器的生成的故障类型置信度值V11、V21、V31、V41进行融合以生成各自CO传感器的总体CO传感器健康置信度值Vo1。例如，CO融合模块351将各自CO传感器的范围和速度故障置信度值V11、噪声故障置信度值V21、尖峰故障置信度值V31及漂移故障置信 度值V41进行融合，并且，然后生成各自CO传感器的总体CO传感器健康置信度值Vo1。

相似地，O₂融合模块352用于将各自O₂传感器的生成的故障类型置信度值V12、V22、V32、V42进行融合以生成各自O₂传感器的总体O₂传感器健康置信度值Vo2。例如，O₂融合模块352将各自O₂传感器的范围和速度故障置信度值V12、噪声故障置信度值V22、尖峰故障置信度值V32及漂移故障置信度值V42进行融合，并且，然后生成各自O₂传感器的总体O₂传感器健康置信度值Vo2。

在图4的具体实施方式中，本发明的诊断模块32还可以包括相关一致性模块360。相关一致性模块360用于分别接收多个CO传感器信号S1和多个O₂传感器信号S2，并基于在多个CO传感器信号S1和多个O₂传感器信号S2之间的预定的相关性，来生成各自CO传感器的CO相关一致性指标Vc1和各自O₂传感器的O₂相关一致性指标Vc2。例如，预定的相关性还可以包括在各自CO传感器信号S1和各自O₂传感器信号S2之间的物理特性的相关性。在本具体实施方式中，基于各自CO传感器信号S1和各自O₂传感器信号之间的物理特性的相关性，来生成各自CO传感器的CO相关一致性指标Vc1和各自O₂传感器的O₂相关一致性指标Vc2。

当诊断模块32包括相关一致性模块360时，则CO融合模块351还将各自CO传感器的生成的故障类型置信度值(例如：范围和速度故障置信度值、噪声故障置信度值、尖峰故障置信度值及漂移故障置信度值)V11、V21、V31、V41和各自CO传感器的CO相关一致性指标Vc1进行融合来生成各自CO传感器的总体CO传感器健康置信度值Vo1，并且，O₂融合模块352将各自O₂传感器的生成的故障类型置信度值(例如：范围和速度故障置信度值、噪声故障置信度值、尖峰故障置信度值及漂移故障置信度值)V12、V22、V32、V42和各自O₂传感器的O₂相关一致性指标Vc2进行融合来生成各自O₂传感器的总体O₂传感器健康置信度值Vo2。

CO验证模块331在本具体实施方式中用于基于各自接收到的CO传感器信号S1、各自估算的CO传感器信号Se1和各自总体CO传感器健康置信度值Vo1，来生成各自CO传感器的验证后的CO传感器信号Sv1。相似地，O₂验证模块332在本具体实施方式中用于基于各自接收到的O₂传感器信号S2、各自估算的O₂传感器信号Se2和各自总体O₂传感器健康置信度值Vo2，来生成各自O₂传感器的验证后的O₂传感器信号Sv2。

估算模块31还可以生成估算模块置信度值Ve。估算模块置信度值Ve表示估算的CO传感器信号Se1和估算的O₂传感器信号Se2的可靠性。在一个具体实施方式中，CO验证模块331基于各自接收到的CO传感器信号S1、各自估算的CO传感器信号Se1、各自总体CO传感器健康置信度值Vo1和估算模块置信度值Ve，来生成验证后的CO传感器信号Sv1，并且，O₂验证模块332基于各自接收到的O₂传感器信号S2、各自估算的O₂传感器信号Se2、各自总体O₂传感器健康置信度值Vo2和估算模块置信度值Ve，来生成验证后的O₂传感器信号Sv2。

图5示出根据本发明的一个具体实施方式的燃烧优化方法的流程图。如图5所示，根据本发明的一个具体实施方式的燃烧优化方法可以包括如下步骤：

在步骤B1中，接收来自传感器网格2(如图1所示)的多个传感器信号S。传感器网格2包括用于与锅炉1中的多个分区位置10相通信的多个传感器20(如图2所示)。

在步骤B2中，基于接收到的多个传感器信号S和在接收到的多个传感器信号S之间的预定的相关性，来生成传感器网格2的各自传感器20的验证后的传感器信号Sv。例如，当多个传感器20包括相同类型的传感器20时，则在多个传感器信号S之间的预定的相关性可以包括在多个传感器信号S之间的空间相关性。附加地或替代地，在多个传感器信号S之间的预定的相关性还可以包括在多个传感器信号S之间的时间相关性。当多个传感器20包括 两种类型以上的传感器20时，则在多个传感器信号S之间的预定的相关性还可以包括在不同类型的传感器的各自传感器信号S1、S2之间的物理特性的相关性。

在一个具体实施方式中，步骤B2可以包括如下步骤：

在步骤B21中，基于接收到的多个传感器信号S，由估算模块31生成各自传感器20的估算的传感器信号Se。估算的传感器信号Se可以基于在接收到的多个传感器信号S之间的预定的相关性来生成。例如，预定的相关性可以包括在接收到的多个传感器信号S之间的空间相关性。

在步骤B22中，基于接收到的多个传感器信号S，来确定各自传感器20的总体传感器健康置信度值Vo。各自传感器20的总体传感器健康置信度值Vo表示各自传感器20的可靠性。

图6示出如何确定图5中的各自传感器20的总体传感器健康置信度值Vo的步骤。参照图6，在一个具体实施方式中，步骤B22可以包括如下步骤：

在步骤B221中，基于接收到的多个传感器信号S，检测各自传感器20的故障类型，例如范围和速度故障、噪声故障、尖峰故障、漂移故障等。

在步骤B222中，生成各自传感器20的故障类型置信度值V1、V2、V3、V4，例如范围和速度故障置信度值、噪声故障置信度值、尖峰故障置信度值、漂移故障置信度值等。故障类型置信度值V1、V2、V3、V4表示各自故障类型的故障水平。

在步骤B223中，将各自传感器20的生成的故障类型置信度值V1、V2、V3、V4进行融合来生成各自传感器20的总体传感器健康置信度值Vo。

在另一个具体实施方式中，步骤B22还可以包括如下步骤：

在步骤B224中，基于在接收到的多个传感器信号S之间的预定的相关性，生成各自传感器20的相关一致性指标Vc。各自传感器20的相关一致性指标Vc表示各自传感器20的故障水平。在一个具体实施方式中，当多个传感器20包括相同类型的传感器时，则可以基于在接收到的多个传感器信号S 之间的空间相关性，来生成各自传感器20的相关一致性指标Vc。在另一个具体实施方式中，当多个传感器20包括两种类型以上的传感器，例如第一传感器和第二传感器时，对应地，多个传感器信号S包括多个第一传感器信号S1和多个第二传感器信号S2，则可以基于各自第一传感器信号S1和各自第二传感器S2之间的物理特性的相关性来生成各自传感器20的相关一致性指标Vc。在一个具体实施方式中，步骤B223可以包括：将各自传感器20的生成的故障类型置信度值V1、V2、V3、V4和各自传感器20的相关一致性指标Vc进行融合来生成各自传感器20的总体传感器健康置信度值Vo。

现在继续参照图5，在步骤B23中，基于各自接收到的传感器信号S、各自估算的传感器信号Se和各自总体传感器健康置信度值Vo，来生成各自传感器20的验证后的传感器信号Sv。

在另一个具体实施方式中，步骤B2还可以包括如下步骤：

在步骤B24中，生成估算模块置信度值Ve。估算模块置信度值Ve表示估算的传感器信号Se的可靠性。在一个具体实施方式中，步骤B23可以包括：基于各自接收到的传感器信号S、各自估算的传感器信号Se、各自总体传感器健康置信度值Vo和估算模块置信度值Ve，来生成验证后的传感器信号Sv。

在步骤B3中，基于各自传感器20的验证后的传感器信号Sv，来优化锅炉1的至少一个运行参数。

在步骤B4中，各自传感器20的总体传感器健康置信度值Vo指示出是否至少一个传感器20出现故障？

在一个具体实施方式中，本发明的燃烧优化方法还可以包括步骤B5。在步骤B5中，当至少一个传感器20的总体传感器健康置信度值Vo指示出至少一个传感器20出现故障时，则将会给图形用户界面5生成故障报警信号Sf(如图1所示)。

在另一个具体实施方式中，本发明的燃烧优化方法还可以包括步骤B6。在步骤B6中，当至少一个传感器20的总体传感器健康置信度值Vo指示出 至少一个传感器20出现故障时，则将会给传感器控制器6生成修复指令Cr(如图1所示)。

无论是健康的传感器20还是故障的传感器20，本发明的燃烧优化方法都可以基于接收到的多个传感器信号S和在接收到的多个传感器信号S之间的预定的相关性，来生成各自传感器20的验证后的传感器信号Sv，所以本发明的燃烧优化方法能够减少错误的操作，提高利用率，优化系统燃烧策略，增加系统稳健程度，并且，降低因传感器故障而导致的经济损失。

虽然结合特定的具体实施方式对本发明进行了详细说明，但本领域的技术人员可以理解，对本发明可以作出许多修改和变型。因此，要认识到，权利要求书的意图在于覆盖在本发明真正构思和范围内的所有这些修改和变型。