新闻中心

作者:ope体育体育赛事|2020-02-28|浏览:78

锅炉燃烧系统神经网络建模及多目标优化研究

随着环境保护要求的曰益严格和燃煤价格的不断上涨,在“厂网分开,竞价上网”的运行机制下,ope体育体育赛事电站锅炉面临降低运行成本与降低污染物排放的双重要求,高效率、低污染的燃烧优化技术日益引起人们的关注。大量实践经验表明,通过燃烧调整可以获得较高的燃烧效率和降低NO排放量,是一种经济而有效的办法。

锅炉燃烧调整的主要任务是根据不同的负荷和煤种,进行合理的配风、配煤。但是影响锅炉热效率与NO排放的因素很多,如煤质特性、负荷、配风方式、燃烧器型式、炉温、过剩空气系数、煤粉细度等,而燃烧调整试验般只能做有限的几个工况点,因此锅炉实际运行工况一般与试验工况有较大差异。如果仍根据原有的优化运行规程进行燃烧调整必然会造成偏差,因此需要建立锅炉热效率和NO排放优化模型,用于指导电站锅炉的经济运行。

―般而言,煤粉高效燃烧与NO低排放是互为矛盾的,但理论上存在个最佳点,而燃烧调整试验往往难以确定这个点,运行人员只能根据自己长期积累的经验进行调整,这就给燃烧调整操作带来很大随意性。很多燃烧优化方案仅仅只是针对燃烧效率或者NO低排放中某―个或两者的某种加权和进行优化,两者不能兼顾且需要依赖试验人员根据经验来设定加权系数。本文采用多目标遗传算法对这一优化问题进行求解,优化结果可以同时兼顾锅炉高效率燃烧与NO较低的排放水平,直观地反应燃烧效率和污染物排放量,实现最大的综合效益。

1锅炉燃烧优化问题的神经网络模型1.1人工神经网络模型在多种神经网络模型中,较为常用的是BP网络模型,其网络模型结构见。网络由一个锅炉热效率/%燃烧系统棋s输入层、若干个隐含层和个输出层组成,每一层均有个或多个神经元节点,信息从输入层依次经各隐含层向输出层传递,层间的连接关系强弱由连接权值来表征。通过样本集对网络的连接权进行调整,以使得网络实现给定的输入输出映射关系。连接权的调整采用反向传播学习算法,即BP算法。BP算法采用梯度搜索技术,使网络的实际输出与期望输出的均方差达到一定的要求。

1.2基于BP网络的燃烧优化模型锅炉的燃烧过程是一个复杂的物理、化学过程,影响因素众多,且具有强耦合、非线性等特征,对于这些复杂的过程,难以用机理模型来描述。基于神经网络的模型属于黑盒模型,其模型输入输出之间的非线性函数关系由神经网络实现。

锅炉负荷/MW排烟组度/t:磨煤机数B收到基含碳av(cy%收到基含铒/%收到埔含寂收到堆灰分叫炉膛出n烟气神经网络模型输出与实际值的比较2电站锅炉多目标燃烧优化近年来,进化计算已在多目标优化领域得到广泛的应用,并形成了多种多目标进化算法,如NSGA26(非劣排序遗传算法)、SPEA2(强度Pareto遗传算法)等。多目标进化算法通过对整个种群进行选择、交叉和变异等遗传操作,使种群不断进化,可一次性获得大量的多目标优化问题的非劣解,本文以所提出的改进多目标算法为例进行分析。

2.1锅炉燃烧优化的多目标模型锅炉燃烧优化就是在降低NO排放的同时提高热效率,这在本质上是一个多目标优化问题,其数学描述为:其中和和NO质量浓度;/i、/表示由神经网络模型建好的非线性关系;:r((为第(个优化变量a((和b((是其取值范围。

根据运行中可控操作量的原则,本文选取模型输入中排烟温度、煤粉细度、炉膛出口2)为优化变量。考虑到操作习惯与安全性,本文根据2.2仿真计算及优化结果分析对已建立的神经网络模型,利用多目标遗传算法进行优化计算,分别以表1中锅炉热效率最高的第6组和NO质量浓度最低的第9组运行工况进行优化研究。遗传算法的参数设置为:种群大小30,进化代数500,交叉概率0.9,变异概率0.1.计算所得到的Pareto前沿见。从可以看出,较低的锅炉NO质量浓度和较高的热效率显然是相互矛盾的。