本申请涉及锅炉燃烧发电，尤其涉及一种燃烧炉膛配风方案生成方法及相关装置。
背景技术：
1、在现代工业中，锅炉燃烧控制是一个关键环节，其直接影响到能源利用效率和污染物排放水平。特别是在燃煤电厂中，燃烧过程会产生大量的氮氧化物nox，这些nox会对环境和人体健康造成严重影响，如形成酸雨和光化学烟雾。因此，控制和减少nox排放成为了燃煤电厂的重要任务之一。
2、随着能源需求的波动和环保要求的提升，燃煤电厂的锅炉运行方式逐渐从恒定负荷运行向深度调峰运行转变。深度调峰运行下，锅炉需要在较大负荷波动范围内保持稳定运行，这对燃烧控制提出了更高的要求。在这种情况下，nox的排放量波动加剧，传统的nox控制和预测方法难以满足实时性和准确性的要求。
3、现有的nox预测方法主要包括基于机理分析和数据驱动的方法。基于机理分析的方法通过建立nox生成的物理和化学模型来进行预测，虽然理论上可以精确描述nox的生成过程，但在实际应用中，由于锅炉运行环境和工况复杂且多变，机理模型受限于大量实验数据和参数校准，导致预测精度不高。而数据驱动的方法则通过机器学习模型对历史数据进行训练和预测，具有较好的适应性和预测精度，但依赖机器学习的方法也难以应对复杂工况和多变量时滞等问题，且模型复杂度高、计算量大，难以实现实时分析。
技术实现思路
1、本申请提供了一种燃烧炉膛配风方案生成方法及相关装置，用于解决现有技术难以应对复杂工况和多变量时滞等问题，且模型复杂度高、计算量大，导致准确性和实时性存在挑战的技术问题。
2、有鉴于此，本申请第一方面提供了一种燃烧炉膛配风方案生成方法，包括：
3、实时获取目标燃烧锅炉系统的机组负荷和磨煤机投运状态参数，得到锅炉实时运行数据；
4、依据锅炉燃烧过程中不同工况对应的多种综合因素构建多个优化条件；
5、基于所述优化条件，将所述锅炉实时运行数据输入预设mlp预测模型中进行配风优化分析，得到目标炉膛配风方案，所述目标炉膛配风方案包括配风量和风门开度。
6、优选地，所述基于所述优化条件，将所述锅炉实时运行数据输入预设mlp预测模型中进行配风优化分析，得到目标炉膛配风方案，之前还包括：
7、依据预设时间间隔，在历史燃烧锅炉系统的数据库中获取大量运行数据信息，生成历史数据集；
8、将所述历史数据集按照预设比例划分为训练数据集、测试数据集和验证数据集。
9、优选地，所述基于所述优化条件，将所述锅炉实时运行数据输入预设mlp预测模型中进行配风优化分析，得到目标炉膛配风方案，之前还包括：
10、基于多层感知机构建配分优化分析的初始mlp预测模型；
11、依据多个所述优化条件为所述初始mlp预测模型配置综合损失函数，得到中间mlp预测模型；
12、采用所述历史数据集对所述中间mlp预测模型进行优化训练，得到预设mlp预测模型。
13、优选地，所述依据多个所述优化条件为所述初始mlp预测模型配置综合损失函数，得到中间mlp预测模型，包括：
14、基于均方差损失函数为每个所述优化条件配置子条件损失函数；
15、根据预置任务权重和所述子条件损失函数计算模型总损失，生成综合损失函数；
16、结合所述初始mlp预测模型和所述综合损失函数生成中间mlp预测模型。
17、本申请第二方面提供了一种燃烧炉膛配风方案生成装置，包括：
18、数据获取单元，用于实时获取目标燃烧锅炉系统的机组负荷和磨煤机投运状态参数，得到锅炉实时运行数据；
19、条件构建单元，用于依据锅炉燃烧过程中不同工况对应的多种综合因素构建多个优化条件；
20、模型预测单元，用于基于所述优化条件，将所述锅炉实时运行数据输入预设mlp预测模型中进行配风优化分析，得到目标炉膛配风方案，所述目标炉膛配风方案包括配风量和风门开度。
21、优选地，还包括：
22、数据集构建单元，用于依据预设时间间隔，在历史燃烧锅炉系统的数据库中获取大量运行数据信息，生成历史数据集；
23、数据集划分单元，用于将所述历史数据集按照预设比例划分为训练数据集、测试数据集和验证数据集。
24、优选地，还包括：
25、模型构建单元，用于基于多层感知机构建配分优化分析的初始mlp预测模型；
26、损失配置单元，用于依据多个所述优化条件为所述初始mlp预测模型配置综合损失函数，得到中间mlp预测模型；
27、模型训练单元，用于采用所述历史数据集对所述中间mlp预测模型进行优化训练，得到预设mlp预测模型。
28、优选地，所述损失配置单元，具体用于：
29、基于均方差损失函数为每个所述优化条件配置子条件损失函数；
30、根据预置任务权重和所述子条件损失函数计算模型总损失，生成综合损失函数；
31、结合所述初始mlp预测模型和所述综合损失函数生成中间mlp预测模型。
32、本申请第三方面提供了一种燃烧炉膛配风方案生成设备，所述设备包括处理器以及存储器；
33、所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
34、所述处理器用于根据所述程序代码中的指令执行第一方面所述的燃烧炉膛配风方案生成方法。
35、本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行第一方面所述的燃烧炉膛配风方案生成方法。
36、从以上技术方案可以看出，本申请实施例具有以下优点：
37、本申请中，提供了一种燃烧炉膛配风方案生成方法，包括：实时获取目标燃烧锅炉系统的机组负荷和磨煤机投运状态参数，得到锅炉实时运行数据；依据锅炉燃烧过程中不同工况对应的多种综合因素构建多个优化条件；基于优化条件，将锅炉实时运行数据输入预设mlp预测模型中进行配风优化分析，得到目标炉膛配风方案，目标炉膛配风方案包括配风量和风门开度。
38、本申请提供的燃烧炉膛配风方案生成方法，获取系统的主要影响因素，例如机组负荷和磨煤机投运状态参数，基于这些实时参数进行配风优化，可以得到更加符合实际工况和多变量影响情况下的配风方案。此过程中构建预设mlp预测模型可以对复杂工况和多变量影响的情况进行关联分析，使得炉膛配风方案更加准确可靠；预设mlp预测模型是构建训练好的模型，且计算量较小，能够满足实际锅炉系统的准确性和实时性需求。因此，本申请能够解决现有技术难以应对复杂工况和多变量时滞等问题，且模型复杂度高、计算量大，导致准确性和实时性存在挑战的技术问题。
1.一种燃烧炉膛配风方案生成方法，其特征在于，包括：
2.根据权利要求1所述的燃烧炉膛配风方案生成方法，其特征在于，所述基于所述优化条件，将所述锅炉实时运行数据输入预设mlp预测模型中进行配风优化分析，得到目标炉膛配风方案，之前还包括：
3.根据权利要求2所述的燃烧炉膛配风方案生成方法，其特征在于，所述基于所述优化条件，将所述锅炉实时运行数据输入预设mlp预测模型中进行配风优化分析，得到目标炉膛配风方案，之前还包括：
4.根据权利要求3所述的燃烧炉膛配风方案生成方法，其特征在于，所述依据多个所述优化条件为所述初始mlp预测模型配置综合损失函数，得到中间mlp预测模型，包括：
5.一种燃烧炉膛配风方案生成装置，其特征在于，包括：
6.根据权利要求5所述的燃烧炉膛配风方案生成装置，其特征在于，还包括：
7.根据权利要求6所述的燃烧炉膛配风方案生成装置，其特征在于，还包括：
8.根据权利要求7所述的燃烧炉膛配风方案生成装置，其特征在于，所述损失配置单元，具体用于：
9.一种燃烧炉膛配风方案生成设备，其特征在于，所述设备包括处理器以及存储器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-4任一项所述的燃烧炉膛配风方案生成方法。
