学位论文 > 优秀研究生学位论文题录展示

电站锅炉燃烧系统优化运行与应用研究

作　者: 李智
导　师: 蔡九菊
学　校: 东北大学
专　业: 热能工程
关键词: 锅炉燃烧神经网络遗传算法在线建模
分类号: TK223
类　型: 博士论文
年　份: 2005年
下　载: 1279次
引　用: 25次
阅　读: 论文下载

内容摘要

电站锅炉是火力电站的三大主机设备之一。目前,我国的火力电站锅炉以亚临界和超临界大容量锅炉为主,由于设备本身及操作管理等方面的原因,性能指标与发达国家相比有较大差距,主要表现在煤耗高或热效率低。提高燃煤电站锅炉的热效率,节约有限的煤炭资源,同时降低燃煤过程产生的污染,是我国能源实现可持续发展的当务之急,也是电力科技工作者的攻关课题。本文以电站锅炉燃烧系统为研究对象,探讨研究了锅炉燃烧优化理论与应用。电站锅炉设备庞大,过程多变量、大延迟、非线性。由于锅炉炉内煤粉燃烧过程极其复杂,无法用理论方法建立燃烧模型。本系统引入先进的人工智能神经网络技术,根据锅炉燃烧过程历史数据,利用RBF神经网络建立锅炉燃烧系统模型,并采用非线性寻优技术,从模型中找出不同运行参数下最佳的运行方式,以此指导锅炉燃烧调整,实现锅炉燃烧系统的优化运行。针对现场无法在线计算锅炉热效率的现状,本文提出了一种基于拟合公式的实用方法,无需进行煤的元素分析,利用排烟温度、省煤器出口氧量、参考温度、飞灰含碳量、炉渣含碳量、发电机组负荷等运行监控参数,通过对燃煤的低位发热量、收到基灰分等燃煤工业分析,计算锅炉的热效率,可以满足电站锅炉燃烧系统优化运行的需要。为了细化模型从而提高模型精度和建模过程的透明度,本文把锅炉燃烧系统的建模问题分为两个阶段。一是用模块化RBF神经网络,分别建立飞灰含碳量、排烟温度与有关运行参数之间的数学模型;二是将神经网络的输出量作为锅炉热效率计算的输入,建立一个模块化的电站锅炉燃烧系统神经网络组合模型。这样将燃烧模型中可以用数学描述的部分通过函数来表达,难以用数学描述的部分通过神经网络来表达,提高了黑箱模型的透明度。本文提出了一种在线学习RBF网络模型以及学习算法。当出现新的学习样本或锅炉在运行过程中特性发生变化时,将激活隐含层的休眠节点,动态增加隐含层工作节点,并以新的学习样本作为新增的工作节点的中心,在线学习连接权值。这种模型能够在线学习锅炉的飞灰含碳量、排烟温度与各种调整参数之间的规律,根据锅炉最新的燃烧过程数据在线修正燃烧优化数学模型,使模型随着时间的推

全文目录

独创性声明  4-5
摘要  5-7
Abstract  7-13
第一章绪论  13-19
  1.1 研究背景及意义  13-14
  1.2 锅炉燃烧系统优化运行研究动态  14-17
    1.2.1 基于火焰图像处理技术的锅炉燃烧优化运行研究  14-15
    1.2.2 基于燃烧理论建模技术的锅炉燃烧优化运行研究动态  15
    1.2.3 人工神经网络技术的锅炉燃烧优化运行研究动态  15-17
  1.3 本文的研究内容  17-19
第二章电站锅炉热效率的计算方法  19-28
  2.1 概述  19-20
  2.2 锅炉热效率计算  20-22
    2.2.1 排烟损失q2的计算  20-21
    2.2.2 可燃气体不完全燃烧热损失q3的计算  21
    2.2.3 机械不完全燃烧损失q4的计算  21
    2.2.4 锅炉散热损失q5的计算  21-22
    2.2.5 其它热损失q6的计算  22
  2.3 计算方法的验证  22-23
  2.4 提高电站锅炉热效率的措施  23-26
    2.4.1 电站锅炉煤粉燃烧过程对热损失的影响  23-25
    2.4.2 过量空气系数的调整  25-26
    2.4.3 燃烧方式调整  26
  2.5 本章小结  26-28
第三章非线性系统神经网络建模理论基础  28-54
  3.1 BP神经网络与RBF神经网络  29-39
    3.1.1 反向传播(BP)神经网络  29-34
    3.1.2 径向基(RBF)神经网络  34-38
    3.1.3 BP网络与RBF网络的比较  38-39
  3.2 模型验证  39-50
    3.2.1 基于MISO模型仿真实验  40-43
    3.2.2 基于实际电站锅炉数据的实验  43-50
  3.3 模块化神经网络  50-52
  3.4 本章小结  52-54
第四章模块化电站锅炉燃烧系统神经网络组合模型  54-70
  4.1 燃烧系统神经网络组合模型的建立  54-55
  4.2 模型的验证  55-61
  4.3 RBF神经网络模型在线建模  61-69
    4.3.1 RBF神经网络模型在线学习  61-66
    4.3.2 在线建模的验证  66-69
  4.4 本章小结  69-70
第五章电站锅炉燃烧系统的优化  70-88
  5.1 锅炉燃烧优化  70-71
  5.2 基于实数编码的遗传算法(RGA)  71-78
    5.2.1 遗传算法简介  71-73
    5.2.2 基于实数编码的加速遗传算法  73-76
    5.2.3 基于实数编码GA的验证  76-78
  5.3 电站锅炉燃烧优化系统遗传算法的改进  78-82
  5.4 算法改进的验证  82-87
  5.5 本章小结  87-88
第六章阜新电厂#2锅炉燃烧系统优化运行  88-104
  6.1 锅炉现状  88-89
  6.2 锅炉燃烧优化系统硬件构成  89-91
    6.2.1 硬件系统的配置  89-90
    6.2.2 飞灰含碳量的测量  90-91
  6.3 锅炉燃烧优化系统软件构成  91-92
  6.4 系统运行模式  92-93
  6.5 应用效果分析  93-98
    6.5.1 模块化锅炉燃烧系统神经网络组合模型建立  93
    6.5.2 基于遗传算法的燃烧参数寻优  93-94
    6.5.3 实际锅炉运行结果  94-98
  6.6 软件界面功能  98-102
    6.6.1 建模  99-101
    6.6.2 最优化  101-102
  6.7 本章小结  102-104
第七章结论与展望  104-106
参考文献  106-114
致谢  114-115
在学期间已发表的论文  115-116
在学期间承担的科研项目  116-117
个人简历  117

电站锅炉燃烧系统优化运行与应用研究

内容摘要

全文目录

相似论文