大型电站燃 煤锅炉低nox燃烧优化系统及应用

《大型电站燃 煤锅炉低nox燃烧优化系统及应用》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、学兔兔www.xuetutu.com第42卷第4期锅炉技术V0L42，NO．42011年7月B0ILERTECHN0L0GYJu1．，20n文章编号：CN311508(2011)07—0018—05大型电站燃煤锅炉低NO燃烧优化系统及应用周建新，司风琪，汪军，徐治皋(东南大学能源与环境学院，江苏南京210096)摘要：提出了一种锅炉运行优化的系统框架，并着重对建模方法和优化算法进行了讨论。采用一种改进的在线支持向量机方法对学习样本进行处理，并与常规支持向量机模型相结合，形成了一种自适应建模方法，以适应煤质与锅炉实际运行工况的变化。对多目标

2、优化算法进行讨论，并介绍了NSGAII遗传算法在锅炉优化中的应用。以某大型电站锅炉为对象，对本文方法进行了应用研究，所建模型的趋势分析和测试结果均表明了本文算法的正确性，所提出的优化模型以NO为目标函数，综合考虑了锅炉运行经济性和安全性等约束条件，优化结果表明通过运行参数的优化调整可有效降低锅炉污染物的排放。关键词：燃煤锅炉；优化；模型；算法中图分类号：TK223文献标识码：A大型电站锅炉NO排放特性的神经网络模0前言文献[5—6]提出了锅炉燃烧特性的支持向量机电站锅炉是煤炭的消耗大户和重要的污染模型，这些模型没有复杂的过程方程式，经过训

3、物排放源，提高锅炉效率、降低污染物排放已经练后可以有效地模拟过程变化规律，但是它们成为各火电企业提高市场竞争能力的根本保证大多以现场试验为基础，而锅炉实际运行工况之一。在促进燃煤锅炉“节能降耗”的各种技术与试验工况有较大差别，如锅炉煤种和受热面手段中，锅炉运行优化是最直接有效也是比较经的清洁状况等，并且这些参数往往缺少在线测济的方法之一，通过合理的运行参数调整，确定量和分析手段，又不可能进行经常性的现场试各控制参数与锅炉效率和所生成污染物的关系，验，这也是基于试验工况所建立经验模型常常进而建立相应的参数特性方程和优化模型，以此难以适应实际

4、工况的重要原因，而现有的优化为基础开发出锅炉运行优化系统，以确定锅炉的算法大都又是以准确可靠的数学模型为前提优化工况，指导锅炉运行，并在条件许可时，实现的，这样就限制了锅炉运行优化系统的实际应优化设定值的闭环控制口]。用效果，有必要针对模型的适应性、优化方法等运行参数与锅炉效率和排放污染物之间的难点问题进行进一步研究与分析。特性关系是优化系统进行调整和指导的基础，本文在常规支持向量机方法进行试验数据它们的合理性和准确性直接决定了优化结果的分析的基础上，采用一种改进的在线向量机回归正确性。机理模型是确定过程特性关系的重要方法(accurat

5、eonlinesupportvectorregression，手段之一，如文献[2]通过计算流体动力方程建AOSVR)对常规向量机模型预测余差进一步建立了NO生成的机理模型，文献[3]建立了锅模，使模型适应煤种和设备状况的变化。对多目炉的过程仿真模型，这些模型能正确反映工质标优化方法进行了分析，采用遗传方法来解决锅的物理变化规律，但是它们计算量大且没有直炉运行优化问题。本文给出了锅炉运行优化系接与锅炉运行操作参数相关联，方程中的许多统的设计框架，并以某大型电站锅炉为研究对系数也难以直接测量。在现场试验数据的基础象，对优化系统的实际应用效果

6、进行了分析，表上可以发展一些基于数据的经验模型，其中人明系统模型及优化方法能够得出正确的结果，满工智能方法得到了较多的应用，文献1-4]建立了足指导电站锅炉优化运行的要求。收稿日期：2009—07—16作者简介：周建新(1980一)，男，博士，主要从事火电机组性能监测与优化方面的研究。学兔兔www.xuetutu.com第4期周建新，等：大型电站燃煤锅炉低NO燃烧优化系统及应用于时间序列预测问题是合理的，因为最新的系统1改进的在线支持向量机模型信息总是存在于最新的样本中，预测模型的目标1．1AOSVR只是为下一个时刻或几个时刻提供预测数据

7、。但支持向量机回归(supportvectorregression，是当该方法应用于锅炉燃烧特性模型时，除了好SVR)是机器学习领域的新方法，具有学习速度的预测数据外，还需要在每个输入变量的允许变快、全局最优和推广能力强的优点，它是一种典化范围内，模型保持正确的输入输出特性关系，由型的核方法，原参数空间通过非线性映射投影为于锅炉控制系统逻辑和操作员的操作习惯等条件高维特征空间后，原非线性问题可以转化为特征限制，往往这些输入量只会在有限的操作点上变空间内的线性回归问题，根据结构风险最小化原动，从而使一段时间内实际运行样本可能会限制则和对偶原

8、理将模型表达为如式(1)所示的最优在有限的输入值范围内，在FIFO规则下训练样化问题，求取相应的拉格朗日乘子后，可得到回本就就可能局限于少数操作工况，而基于此样本归表达式(2)[7J。集学习出