基于遗传算法和神经网络的电站锅炉燃烧优化

燃烧优化技术是实现电站锅炉高效燃烧和污染物控制的最经济、最有效的方法之一。本文首先利用神经网络建立起电站锅炉燃烧特性模型,然后利用遗传算法计算送风调节控制系统最优氧量设定值。仿真结果表明采用本文设计的燃烧优化策略,不仅可以提高燃烧效率而且能有效降低排放烟气中的氮氧化物含量,具有较高的实用价值和广泛的应用前景。     

基于全工况数据挖掘的多目标燃烧优化

为了使燃煤电站锅炉燃烧达到高效低污染的目的,提出了锅炉燃烧优化的约束模糊加权规则提取算法,该算法可以快速确定燃烧过程中各变量的定量关系,并给出相应的数据挖掘方法,从锅炉全工况海量历史运行数据中提取燃烧优化规则,并构建燃烧优化知识库,实现多目标燃烧优化。通过在发电机组上的实际实验,验证了在同等工况下,利用锅炉燃烧优化规则,NOx排放质量浓度平均值下降69.47 mg/m3,飞灰含碳量平均值下降0.05%,锅炉效率平均值提升0.11%。因此,基于全工况数据挖掘的多目标燃烧优化,能够有效缓解燃煤电站节能减排的压力,也便于实施和在线应用。     

锅炉燃烧智能优化技术研究

根据燃烧特性试验数据,利用支持向量机建立锅炉燃烧过程NOx排放与热效率的响应特性模型。结合粒子群算法分别对模型参数和锅炉的运行参数进行优化,找到了使得NOx质量浓度降低和热效率提高的运行参数组合,为实现电站锅炉高效低污染的优化目标提供了有效手段。     

电站锅炉燃烧优化系统研究

电站锅炉的运行是提高整个电站工作效率的关键,但是一直以来,锅炉燃烧效率低下、热量损失大等问题总是影响着锅炉燃烧的效率。不过,近些年全国各地不断研制出的锅炉燃烧优化系统,大大减少了燃烧时污染气体的产生和热量的散失。通过对电站锅炉燃烧的现状的分析以及优化系统的介绍,从而探讨电站锅炉燃烧优化系统在未来的发展情况。     

以效率和低NOx排放为目标的锅炉燃烧整体优化

基于效率和低NOx排放目标的锅炉燃烧整体优化是指实时地提出同时优化效率和低NOx排放目标的操作,而其中锅炉效率和NOx排放模型的精度以及优化算法的效率尤为重要。该文基于改进MRAN算法的锅炉燃烧效率和NOx排放模型以及基于实数编码的遗传优化算法，对电站锅炉的燃烧过程进行优化仿真。结果表明,改进的MRAN算法和基于实数编码的遗传算法应用在电站锅炉的效率和低NOx排放目标燃烧优化上是有效的,可以得到按一定目标函数的锅炉效率和低NOx排放目标的实时整体优化效果。     

基于最小二乘支持向量机的电站锅炉燃烧优化

高效、低污染是电站锅炉燃烧优化的目标。该文基于最小二乘支持向量机,建立了电站锅炉燃烧模型,实现了飞灰含碳量、排烟温度、NOx排放量等参数的软测量和锅炉效率的预测;对比了最小二乘支持向量机和BP神经网络模型的性能,对比结果表明,最小二乘支持向量机具有训练时间短、泛化能力高等优点。提出2种锅炉燃烧优化方式,并以所建立的燃烧模型为基础,采用遗传算法对锅炉运行工况进行寻优,为分散控制系统基础控制层提供最佳的操作变量设定值。算例表明,文中所提出的燃烧优化方案可以有效提高电站锅炉效率和降低NOx排放量。     

基于新型测温技术的电站锅炉燃烧优化模型研究

为了提高锅炉效率,减少污染物排放,电站锅炉需要进行燃烧优化。新型测温技术的发展提高了电站锅炉状态监测水平,以此为基础提出一种包含炉内温度场测量结果的燃烧优化模型。由于缺少实际数据,对某电厂300 MW亚临界锅炉炉内煤粉的燃烧过程进行数值模拟,得到不同工况下炉内的燃烧状态。利用大数据原理建立燃烧优化模型并对其进行检验。研究表明,该模型将测温技术与燃烧优化结合起来,具有一定的可靠性,可以准确预测锅炉运行参数变化对炉内温度场分布造成的影响。     

电站锅炉热效率和NOx排放混合建模与优化

提高电站锅炉热效率和降低污染物排放对于节约能源和保护环境具有重要意义。人工智能方法在优化锅炉燃烧方面有广泛的应用。该文以某300MW电站锅炉燃烧调整试验数据为基础,采用BP神经网络建立以锅炉效率和NOx排放为目标的锅炉燃烧系统模型,利用遗传算法对模型进行优化,使模型训练精度和预测精度大为提高,锅炉效率平均预测误差由0．22％降至0．06％,NOx排放浓度平均预测误差由3．5％降至0．15％。利用遗传算法进行全局寻优,并用权重系数法将多目标优化转化为单目标优化。结果表明,该方法可根据需要对锅炉效率和NOx排放进行优化,实际中需重点优化锅炉效率或者重点优化NOx排放时只需要改变权重系数即可,由此得到相应的锅炉运行参数,并为锅炉优化运行提供指导。     

电站锅炉炉膛压力信号的复杂性测度分析

电站锅炉的安全运行主要取决于燃烧的稳定性,实时监测燃烧状态是否稳定,并及时作出判断,对电站锅炉安全、经济运行有着重要的实际意义。以某电厂的监控信息系统(SIS)中的历史数据库作为分析平台,基于非线性动力系统的复杂性刻画理论,提出利用Kolmogorov复杂性测度分析炉膛压力信号的波动程度,从而能够对燃烧状态做定量评价。首先对炉膛压力信号进行必要的预处理,然后分析了锅炉高负荷稳定、锅炉低负荷稳定、锅炉高负荷波动、锅炉低负荷波动、启磨、停磨、点火与停炉等8种典型燃烧工况下的炉膛压力信号复杂性。最后通过一个实例分析,表明复杂性测度能有效区分正常燃烧工况和不稳定工况,并能在一定程度上实现燃烧恶化的预警,为今后电站锅炉燃烧优化奠定基础。     

燃煤电站锅炉发展趋势

社会生产力的发展对燃煤电站锅炉提出了新的、更高的要求。本文分析了能源问题和环境问题对燃煤电站锅炉的要求，提出了燃煤电站锅炉发展的五大趋势：高参数大容量、低污染燃烧方式、蒸汽－燃气联合循环、劣质燃料有效利用及调峰机组锅炉，并阐述了电子计算技术对锅炉技术发展的影响     

电站锅炉燃烧系统的神经网络建模

提高锅炉运行效率,降低烟气NOx的排放是电站锅炉燃烧优化的主要目标,而燃烧特性模型是燃烧优化的核心.基于某电站锅炉燃烧系统的稳态试验数据,通过对锅炉系统模型结构的分析,应用人工神经网络建立了NOx排放量和锅炉效率的预测模型,实现了其飞灰舍碳量、排烟温度、炉膛温度、NOx排放量等参数的软测量和锅炉效率的预测,为锅炉燃烧优化奠定了基础.     

汽轮机及其热力系统性能分析与优化

为有效提升燃煤电站的经济效益，来满足后期节能环保的日常要求，电站锅炉燃烧系统优化在其中占据至关重要的作用，而锅炉热效率作为衡量锅炉燃烧系统的重要指标。锅炉热效率和降低质量浓度两者属于相互矛盾的存在，且电站锅炉燃烧系统其自身具有较强的复杂性，锅炉燃烧状态很容易受到各种因素的影响，如湿度、煤种、机组负荷等因素。针对该种情况，为满足提升锅炉热效率和降低污染物排放的共同要求，本文提出四种集成发电方案，来进一步分析热力计算模型，从而制定可行性方案。另外，将影响投资成本和传热效果的参数作为研究对象，来优化烟气换热器的设计参数。     

基于Internet/ Intranet的火电厂锅炉低NOx燃烧优化指导系统

从分散控制系统（DCS）上采集数据，结合人工神经网络的非线性动力学特性和自学习特性，通过对锅炉输出参数和NOx输出特性的样本学习，建立了大型电站燃煤锅炉的氮氧化物排放特性神经网络模型，并利用遗传算法实现锅炉的低NOx燃烧的优化运行指导，系统采用Browese/Server方式，实现基于Internet/Intranet模型下的大型电站锅炉燃烧优化指导。     

基于闭环控制系统的电站锅炉燃烧优化

介绍了电站锅炉燃烧优化技术的现状,分析了使用闭环控制系统进行燃烧优化的可行性.详细说明了燃烧优化闭环控制系统的功能和实施关键点,并对几种商业软件进行了比较.对若干电厂的经济性评估分析表明,闭环控制系统在电站锅炉燃烧优化中有很高的应用前景和推广价值.     

用于电站锅炉燃烧优化的仪器仪表

用于电站锅炉燃烧优化的仪器仪表对燃煤电站锅炉来讲，影响其燃烧过程优化的因素很多，而飞灰中的可燃物含量则是锅炉燃烧效率最重要的标志，它作为燃烧优化的辅助手段，应实时提供给电站运行人员．但通常锅炉运行人员只掌握各喷燃器入口状态的部分参数，而不知道其出口处...     

电站锅炉燃烧优化技术的应用与发展

燃烧优化技术是实现电站锅炉高效燃烧和污染物控制的最经济、最有效的方法之一,电厂对燃烧优化技术的需求日益紧迫。随着科技的发展,各国专家学者对燃烧优化的研究也日益深入。文章在总结了燃烧优化的目的、必要性和可行性的基础上,对多年来国内外燃烧优化技术的研究成果及产品做了较为全面的介绍和评价,并分析了各个优化系统和方案存在的问题。此外,检测技术的进步也会对燃烧优化产生深远的影响,文末介绍了三种新型的检测方法。     

电站锅炉燃烧优化技术现状和发展动向

系统地分析了电站锅炉燃烧优化技术的发展历程、锅炉燃烧优化技术现状、锅炉燃烧优化存在的问题及燃烧优化技术的发展动向。随着我国能源问题的凸现、电厂节能意识的提高、检测技术、人工智能技术的发展,锅炉燃烧优化技术将会进一步受到电厂的重视和关注,将会给用户带来更可观的经济效益。     

新书介绍

<正>常规火电站燃烧技术 本书为中德“常规火电站燃烧技术”合作项目技术报告,内容有:电站锅炉燃烧技术考察报告;火电厂燃煤的输送及管理考察报告;循环流化床燃烧技术;电站锅炉燃烧优化技术——讲习班与赴德学习总结;电站     

基于广义动态模糊神经网络的电厂锅炉燃烧优化建模

针对电厂锅炉燃烧系统的非线性、大延时、时变、干扰频繁等特点,采用模糊神经网络对其建立数学模型。通过所建数学模型研究燃烧效率和氮氧化物排放量之间的关系,从而对锅炉燃烧系统进行优化,以提高锅炉效率和减少污染物排放。仿真结果表明,利用改进的广义动态模糊神经网络对电站锅炉燃烧过程建模能够精准地逼近实际数据,且性能优于其它神经网络。     

人工智能技术在电站锅炉燃烧优化中的应用研究

电站锅炉的运行面临降低运行成本与降低污染物排放的双重要求，高效低污染的优化决策问题日益引起关注。由于锅炉设备结构庞大，运行条件复杂，燃料性质多变等因素，建立电站锅炉排放特性的函数模型难度极大，为满足锅炉高效低污染燃烧优化研究的需要，该文借助优化燃烧特性试验数据，建立了电站锅炉热效率与NOx排放的响应特性的神经网络与解析函数的混合模型。文中使用了非函数形式的响应模型，燃烧优化采用了十进制遗传算法。优化数值解表明，该方法可针对锅炉热效率和NOx排放的不同优化目标，给出可行的调整各风门开度等操作量的优化控制方案。