变尺度混沌蚁群算法在NOx排放优化中的应用

为了控制燃煤电厂NOx排放,应用支持向量回归建立了大型四角切圆燃烧电站锅炉NOx 排放特性模型。利用大样本量的热态实炉NOx 排放试验数据对模型进行了训练和验证,结合NOx排放模型采用一种变尺度混沌蚁群算法对锅炉运行参数进行优化, 定量分析优化算法参数对优化结果的影响。计算结果表明,相对于BP神经网络,支持向量回归模型能更好地预测锅炉NOx排放;变尺度混沌蚁群算法能明显降低NOx排放,且具有较高的稳定性与鲁棒性,1.8 min的优化时间也便于在线应用;支持向量回归与变尺度蚁群混合算法能有效降低燃煤锅炉NOx排放,是锅炉NOx排放控制的有效工具。     

基于支持向量机的大型电厂锅炉飞灰含碳量建模

飞灰含碳量是影响锅炉热效率的一个重要因素,影响燃煤锅炉飞灰含碳量的因素多而且复杂,对锅炉飞灰含碳量特性进行建模预测并结合优化算法实现燃烧优化是降低锅炉飞灰含碳量的有效方法.该文应用支持向量机算法建立了大型四角切圆燃烧锅炉飞灰含碳量特性的模型,并利用飞灰含碳量的热态实炉试验的数据对模型进行了校验,对支持向量机学习算法中参数的选择进行了探讨,获得了最佳学习参数.结果说明支持向量机与其它建模方法相比具有泛化能力好,计算速度快等优点,是锅炉飞灰含碳量特性建模的有效工具.     

大型四角切圆燃烧锅炉NOx排放特性的神经网络模型

随着环保要求的不断提高，大型燃烧电厂锅炉的NOx排放特性日益受到关注，但其排放特性复杂，受煤种，锅炉设计结构，操作参数等多种因素影响。在对某台600MW四角切圆燃煤电厂锅炉的NOx排放特性进行多工况热态测试的基础上，应用人工神经网络的非线性动力学特性及自学习特性，建立了大型四角切圆燃烧锅炉NOx排放特性的神经网络模型，并对此模型进行了校验。结果表明，该模型能根据燃煤特性及各种操作参数准确预报锅炉在不同工况下的NOx排放特性，如结合全局寻优技术，可为大型电厂锅炉通过燃烧调整降低NOx排放提供有效手段。     

基于预数值计算的锅炉飞灰可燃物含量建模

运用四角切圆燃烧煤粉锅炉专用数值模拟计算软件COALFIRE,对某电厂300 MW四角切圆煤粉锅炉飞灰可燃物含量排放特性进行了数值模拟。以数值计算结果为样本,建立基于支持向量机的四角切圆燃烧锅炉飞灰可燃物含量预测模型,其预测输出与数值计算结果的最小相对误差为1.01%,说明基于预数值计算和支持向量机算法的四角切圆煤粉锅炉飞灰可燃物含量模型能够较好地对锅炉飞灰可燃物含量进行预测。为将计算结果精确但计算过程耗时较长的数值模拟用于锅炉燃烧工况在线监测,提供了新的思路。     

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。     

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WLS-SVM-SFS模型的电站锅炉燃烧优化

NOx排放量和锅炉效率模型是电站锅炉燃烧优化的基础。采用抗干扰能力更强的加权最小二乘支持向量机(WLS-SVM)建立了NOx排放模型。将序列前向选择(SFS)与WLS-SVM相结合建立了锅炉效率模型,在不影响模型精度前提下去除了模型中的冗余成分,精简了模型结构,提高了模型计算速度。采用遗传算法,以所建模型为基础,提出了一种可兼顾锅炉效率和NOx排放量的优化燃烧方案。实际应用结果表明,该优化方案使锅炉效率平均提高0.386%,NOx排放量平均降低99.147mg/m3。     

大型电站锅炉混煤掺烧的NOx排放特性预测与运行优化

在某700 MW四角切圆燃煤电站锅炉的NOx排放特性及锅炉效率多工况热态测试的基础上,应用人工神经网络建立大型四角切圆电站锅炉NOx特性及锅炉效率模型并进行预测,检验样本NOx排放浓度和锅炉效率预测值与实测值的平均相对误差分别为3.63%和0.23%,证实模型的可行性。并在此基础上,结合遗传算法对锅炉运行参数进行优化。优化后NOx排放浓度为421.44、255.05和215.40 mg×m-3,分别降低了37.56%、29.43%和30.56%;锅炉效率为94.56%、94.13%和94.80%,分别提高了0.09%、0.42%和0.88%。该模型可在掺烧非设计煤种情况下寻找出最优运行参数,降低锅炉NOx排放浓度并提高锅炉效率;同时随掺混比的增大,NOx排放浓度降低;掺烧D磨和E磨有利于降低NOx。     

燃烧调整对NO_x排放和锅炉效率的影响

在双炉膛、四角切圆燃烧锅炉上进行燃烧调整试验,分析一次风速、配风方式、燃尽风、氧量对NOx排放及锅炉效率的影响,为锅炉运行优化、降低NOx排放提供参考依据。     

燃煤锅炉低NOx燃烧技术的研究与应用

结合当前国际上燃煤锅炉低NOx燃烧技术研究的主流方向，介绍了空气分段燃烧和气体再燃技术降低NOx排放的原理。对某电厂300MW机组四角切圆燃煤锅炉进行了空气分段低NOx燃烧系统改造，NOx减排效果达42％；对某电厂50MW燃煤锅炉进行石油气再燃实炉改造示范，NOx减排效果可达61％，证实了这两种技术对降低燃煤锅炉NOx排放的有效性。     

基于支持向量机与遗传算法的灰熔点预测

为了提高估算煤灰熔点的精度，文中采用支持向量机算法对求解灰熔点问题进行了建模，并利用遗传算法对支持向量机模型的参数进行了优化，获得了最优的模型参数。支持向量机模型将灰成分作为输入量，煤的灰熔点Tst作为输出量，用试验数据对模型进行了校验和参数的寻优，利用优化后的模型对单煤和混煤灰熔点进行了预测，并将预测结果与实验结果进行了对比，结果表明，优化后的支持向量机模型实现了对单煤和混煤灰熔点较精确的预测。支持向量机可用于小样本问题的学习，计算速度快，提高了实时处理与预测能力。     

基于支持向量机的电站锅炉NOx排放软测量模型

建立NOx排放的模型是对NOx进行优化控制的基础.在分析了NOx排放量影响因素的基础上,构建了NOx排放软测量模型的结构,并基于某锅炉燃烧调整的热态试验数据,利用支持向量机这种机器学习工具,建立了NOx排放量的软测量模型,进一步应用实际运行数据对所建立的模型进行了验证.结果表明,所建立的模型具有精度高、泛化能力强、学习速度快等特点,可用于实际工程中对NOx测量和优化控制的需要.     

智能控制在锅炉燃烧优化中的应用

利用支撑向量机建立电厂锅炉燃烧模型,使用非线性模型预测控制算法闭环控制锅炉的燃烧过程,改善锅炉燃烧状况,达到提高锅炉燃烧效率、减少污染物排放的目的。支撑向量机用于模型回归具有泛化能力强,在线训练速度快等优点,使用支撑向量机作为预测控制算法中的内部模型在非线性系统控制中具有良好的性能。为求解这个模型预测控制算法中的非线性优化问题,提出了一种新的混合型优化算法,使用粒子群算法进行全局搜索,使用拟牛顿法进行局部最优搜索,既实现了进化算法全局优化的特性,又保持了基于梯度的优化算法的快速收敛速度。     

基于最小二乘算法的模糊支持向量机控制器及其应用

介绍了一种基于最小二乘算法的模糊支持向量机控制器，它将模糊控制与支持向量机结合起来，融合了两者的优点，既有不依赖被控对象模型又有泛化能力强等特点。同时采用混合学习算法来优化控制器参数，即先采用最小二乘算法离线优化支持向量机(SVM)性能参数，建立SVM控制系统，再根据对象的变化，采用遗传(GA)算法在线学习优化SVM性能参数和模糊比例因子，以使控制器的性能能适应对象的变化而达到最优。火电厂主汽温控制的仿真结果表明这种控制器具有良好的控制性能。     

基于PSO优化锅炉氮氧化物的排放

以某超临界600 MW机组锅炉为例,采用BP-adaboost算法建立氮氧化物预测模型,通过粒子群优化算法(PSO)优化锅炉运行参数进而在减少氮氧化物排放的同时保持较高的锅炉效率.结果表明,所建模型预测氮氧化物排放量的误差可控制在3％以内,且具有较强的泛化能力;在机组满负荷运行工况下,优化后锅炉实际燃烧效率为92.04％,NOx排放量为520.93 mg/m3,相比优化前锅炉效率略有降低,但NOx排放量降低明显.     

基于KPCA-WPA-SVM的变压器故障诊断模型

为提高变压器故障诊断的精度,文章提出一种基于核主成分分析(KPCA)和狼群算法(WPA)优化支持向量机(SVM)参数的变压器故障诊断方法。通过KPCA提取样本数据的非线性特征,并获得其主成分,再将其输入至高斯核SVM构成诊断模型,并利用WPA对SVM的惩罚因子以及核参数进行优化。实验结果表明,该方法诊断准确率达到93.33%,与传统SVM以及KPCA-SVM诊断模型相对比,具有更高的变压器故障诊断准确率。     

基于混沌优化支持向量机的火电厂NO_x排放量预测

在传统支持向量机的基础上,建立了基于混沌优化算法优化的支持向量机预测模型,提高了支持向量机的预测精度。根据1995~2009年的NOx统计数据,对2010年的NOx排放量进行了预测,验证了预测模型的合理性。