资源描述：
《母管制锅炉单炉燃烧优化及多炉协调控制方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、分类号UDC密级公开硕士研究生学位论文母管制锅炉单炉燃烧优化及多炉协调控制方法研究申请人:张亮学号:2161423培养单位:电子工程学院学科专业:控制工程指导教师:荣盘祥研究方向:过程控制与系统集成技术企业导师：文学完成日期:2018年4月25日中文摘要在母管制锅炉机组的控制过程中都会存在以下两方面的问题：1.单炉燃烧问题：单炉燃烧时经常出现锅炉效率偏低和NOx的排放量较高等问题。2.多炉协调问题：多炉协调时经常出现母管的压力不稳定和机组的煤耗量较大等问题。因此，本文以大庆某热电厂母管制锅炉机组为研究对象，针对单
2、炉燃烧优化和多炉协调优化进行深入研究。首先，针对锅炉燃烧控制系统的主要任务，分析给煤系统、送风系统、引风系统的调节方案。根据方案中的不足提出利用神经网络建模并通过遗传算法寻优的单炉燃烧优化方法。然后，根据220t/h锅炉的燃烧特性和控制需求，选择合理的输入和输出数据建立锅炉燃烧系统的RBF神经网络模型。在此基础上，以提高锅炉效率，降低NOx排放量为目的，设计锅炉燃烧优化的目标函数，并利用遗传算法进行寻优。寻优得到的各控制变量的最佳设定值提供给锅炉系统的基础控制层，实现单炉的燃烧优化。接着，利用现场运行数据分析母管
3、的压力波动量与需要被调节的蒸汽负荷量之间的关系，求得母管当前所需的蒸汽总负荷。根据母管制锅炉机组的煤耗特性，建立蒸汽负荷分配的数学模型并利用二次规划算法和遗传算法将蒸汽总负荷最优分配给锅炉机组，实现多炉的协调优化。实验仿真和实际运行结果表明，本文针对母管制锅炉单炉燃烧和多炉协调提出的优化方法在提高锅炉效率、降低NOx排放量、维持母管压力稳定、降低机组煤耗量等方面均有较好的表现。关键词：燃烧优化；多炉协调；RBF神经网络；遗传算法；二次规划算法-I-AbstractIntheactualoperationofthe
4、headersystemboilerunit,therearesomeproblemsineitherthesingle-boilerorthemulti-boilerscoordination.Ontheonehand,thecombustionefficiencyoftheboilerisoftenlow,andtheemissionoftheNOxishigh.Ontheotherhand,thereareoftenproblemssuchasunstablepressureintheheadersyste
5、mandlargecoalconsumptionoftheunit.Therefore,inthispaper,theheadersystemboilerunitofathermalpowerplantinDaqingistakenastheresearchobject,andthesingleboilercombustionoptimizationandmulti-boilerscoordinationoptimizationaredeeplystudied.Firstofall,themaintasksoft
6、heboilercombustioncontrolsystemareanalyzedtoadjustthecoalsupplysystem,theairsupplysystem,andtheairdiversionsystem.Accordingtotheinadequacyoftheplan,amodelofboilercombustionsystemusingneuralnetworkisproposed,andaGeneticAlgorithmisusedtooptimizethecombustionsys
7、temoftheboiler.Secondly,accordingtothecombustioncharacteristicsandcontrolrequirementsof220t/hboiler,theRBFneuralnetworkmodelofboilercombustionsystemisestablishedbyselectingreasonableinputandoutputdata.Onthisbasis,aimingatimprovingboilerefficiencyandreducingNO
8、xemissions,theobjectivefunctionofboilercombustionoptimizationisdesignedandGeneticAlgorithmisusedtooptimize.Theoptimalsettingvaluesofeachcontrolvariableobtainedbyoptimizationareprovidedtot
