最小二乘支持向量机联合改进果蝇优化算法的CFB锅炉燃烧优化

针对电厂循环流化床(CFB)锅炉降低污染物排放和提高锅炉燃烧效率的问题,本文首先应用最小二乘支持向量机(LS-SVM)建立了锅炉效率、NO_x和SO_2排放特性的软测量模型,并对比了LS-SVM和BP神经网络模型的性能;然后基于LS-SVM建立的模型,提出了3种优化策略,采用改进果蝇优化算法(MFOA)在一定范围内对CFB锅炉运行工况的可调参数进行优化。结果表明:LS-SVM模型与BP神经网络模型相比,训练时间较短,预测精度较高,泛化能力较强;CFB锅炉效率最多提高了0.61%,NO_x和SO_2排放质量浓度最多降低了7.88%和18.13%。     

主元分析及多变量过程监测联合预测NO_x质量浓度

针对火电厂烟气NO_x质量浓度检测分析仪存在延时较长的问题,本文首先采用主元分析及多变量过程监测选出影响脱硝反应器入口烟气NO_x质量浓度的主导因素,再根据分析仪的大致延时时间Ts,选取Ts后反应器入口烟气NO_x质量浓度数据为训练信号,进而利用最小二乘支持向量机(LS-SVM)建立反应器入口烟气NO_x质量浓度的预测模型。采用某电厂历史运行数据对该预测模型进行训练及测试,结果表明:利用主元分析及多变量过程监测方法从多个辅助变量中选出主导因素,简化模型结构的同时也使预测模型具有较好的学习及泛化能力。该方法是反应器入口烟气NO_x质量浓度准确、实时预测的一种可行方法。     

基于支持向量机的CFB锅炉烟气含氧量建模和预测

采用具有良好泛化能力的回归型支持向量机(SVR)对CFB锅炉的烟气含氧量进行预测,通过对450 t/h CFB锅炉的实测数据进行了实验研究。实验结果表明:基于SVM的烟气含氧量预测模型具有较好的学习能力和泛化能力,相对于受到多种干扰的氧量测量数据来说,具有较高的预测精度,对CFB锅炉的优化运行和推断控制具有参考价值。     

基于带时间尺度PCA-RBF的脱硝系统入口NOx质量浓度软测量技术

选择性催化还原(selective catalytic reduction,SCR)脱硝系统入口NO_x质量浓度是控制NO_x排放的重要参数之一,高精度的测量值可以有效提高脱硝系统的控制效果。为此,提出基于带时间尺度PCA-RBF的脱硝系统入口NO_x质量浓度软测量方法。首先对原始数据样本进行主元分析(principal components analysis,PCA)及T~2统计量监测,从若干个影响入口NO_x质量浓度的因子中选出关键变量,进一步分析入口NO_x质量浓度与关键变量的时间尺度,通过径向基函数(radial basis function,RBF)神经网络训练,获得高精度软测量模型。仿真分析RBF、PCA-RBF、带时间尺度PCA-RBF这3种软测量模型,结果表明:带时间尺度PCA-RBF模型比PCA-RBF模型和RBF模型具有更高的预测精度、更快的收敛速度和更好的泛化能力;采用带时间尺度PCA-RBF模型时,脱硝系统入口NO_x质量浓度预测值与实测值之间的均方差为0.050 6%,满足现场实际需求。     

600MW燃煤机组最优氧量与配风方式的联合优化

氧量和配风方式是影响燃煤机组锅炉效率及NO_x排放的重要因素,针对某600MW机组燃烧优化调整,建立了基于聚类分区的关联规则挖掘模型,并引用密度参数,选择大密度区域内的点作为初始聚类中心,提高了聚类的稳定性;同时建立了基于交叉验证法(cross validation,CV)的支持向量机(support vector machine,SVM)氧量软测量模型,减小了氧量测量不准对数据挖掘结果的影响。对历史运行数据进行挖掘,得到了不同工况下兼顾锅炉效率和NO_x排放质量浓度的最优运行氧量值与二次风门配风方式,结果表明:寻优后的烟气含氧量低于实际运行值,周界风门和辅助风门呈束腰型分布,主要负荷段的选择性催化还原脱销装置(selective catalytic reduction,SCR)进口NO_x质量浓度由220~420mg/m~3降为220~320mg/m~3,且保证锅炉效率不低于92.7%。     

基于压缩感知最小二乘支持向量机的NO_x软测量模型

提出了一种基于压缩感知(CS)和最小二乘支持向量机(LSSVM)构成的压缩感知最小二乘支持向量机(CS-LSSVM)软测量模型,用于预测烟气中的NOx质量浓度。利用压缩感知理论中的最小二乘匹配追踪算法(LS-OMP)对LSSVM在建模过程中的映射矩阵进行压缩,采用压缩后的稀疏映射矩阵直接建立CS-LSSVM软测量模型。与传统LSSVM模型相比,本模型通过稀疏映射矩阵,降低了运算成本的同时提高了模型的计算速度;与传统稀疏化LSSVM(Sparse-LSSVM)模型相比,LSSVM模型仍需要在建模后不断稀疏新输入的支持向量,本文CS-LSSVM模型仅通过在建模过程中一次性压缩,降低了运算成本的同时提高了软测量精度,将该模型用于电厂燃煤锅炉NOx排放的软测量中,现场数据仿真结果表明,用本文提出的方法以50%的支持向量就能达到很好的表现能力,为现场NOx的在线软测量提供了数据支持。     

联合循环电站余热锅炉全工况烟气脱硝运行分析

燃气–蒸汽联合循环发电机组氮氧化物(NO_x)排放指标趋于更严,国内在役机组面临在干式低NO_x燃烧技术的基础上增加余热锅炉烟气选择性催化还原(selective catalytic reduction,SCR)脱硝改造的问题。针对此,利用ASPEN PLUS的化工模拟功能,结合典型联合循环机组全工况烟气参数,对余热锅炉入口低浓度NO_x烟气的SCR法脱硝过程进行模拟,通过已有试验数据和运行数据验证了模型的合理性;同时利用VBA程序外嵌的ASPEN PLUS和Excel数据批量计算分析功能,对影响脱硝效率的操作参数进行了分析。结果表明:机组在全工况运行范围内,最佳氨氮比(物质的量比)落在0.8~1.0之间,且随负荷率增加而递增;脱硝效率随停留时间增加而增加;针对案例M701F3型机组,新增的SCR脱硝反应器无需烟气升温改造措施即可使NO_x排放浓度(质量浓度)低于30 mg/m3(标准状态下,氧的体积分数为15%),满足最新环保排放要求。针对机组低负荷时烟气温度偏低及NO_x排放不稳定从而影响脱硝效率的问题,给出了余热锅炉入口NO_x的质量浓度边界曲线,用以判断是否需要采取烟气升温措施。     

电站锅炉典型热工参数软测量研究

提出了基于最小二乘支持向量机(ＬＳＳＶＭ)统计学习建模理论的电站锅炉热工参数软测量方法。在LSSVM软测量建模理论基础上,重点研究了热工参数的动态软测量建模及模型在线更新等核心问题。以锅炉飞灰含碳量和烟气含氧量为范例,以锅炉实际运行数据为基础验证了提出的软测量建模方法。在算法验证基础上设计了锅炉飞灰含碳量及烟气含氧量软测量平台,该软件平台在广东某600 MW机组进行了现场试验,验证了提出的锅炉热工参数软测量方法的正确性。     

基于LSSVM-ARMA的电站锅炉NO_x排放量动态软测量的研究

建立准确的NO_x排放量模型是锅炉优化降低NO_x的基础。为提高NO_x排放量的预测精度,提出基于最小二乘支持向量机和自回归滑动平均模型的锅炉NO_x排放量动态软测量的方法。基于某电厂330 MW机组的一段历史运行数据,首先,建立最小二乘支持向量机的NO_x排放量静态软测量模型。其次,利用自回归—滑动平均方法实现对静态模型的动态校正。最后,针对2组不同样本验证LSSVM-ARMA模型和LS-SVM模型,得到2个模型的平均误差和均方根误差。结果表明:与LS-SVM模型相比,LS-SVM与ARMA相结合的模型具有更高的预测精度,对于电站锅炉NO_x排放量的预测具有一定的有效性。     

超临界350 MW机组CFB锅炉脱硫脱硝经济性分析

神华神东山西河曲发电有限公司(河曲CFB电厂)超临界350 MW机组循环流化床(CFB)锅炉超低排放技术路线为炉内高效脱硫抑氮+选择性非催化还原(SNCR)脱硝技术+炉外烟气循环流化床法脱硫工艺。通过现场试验,验证了床层温度、运行氧量和炉内钙硫摩尔比等运行参数对炉膛出口NO_x、SO_2排放的影响规律,以及向CFB锅炉内加入石灰石和设置前置电除尘器对脱硫脱硝运行经济性的影响。结果表明:可通过试验调整运行参数,控制炉外脱硫塔入口SO_2质量浓度,综合比较锅炉热效率、炉内喷钙系统石灰石消耗量、脱硝系统尿素消耗量和炉后脱硫系统Ca(OH)_2消耗量,选取最佳运行参数,实现燃烧效率和炉内脱硫、脱硝系统运行经济性最优;炉外脱硫系统前设置前置电除尘器,经济性更佳。该结论为采用烟气循环流化床法脱硫工艺的新建机组和实施超低排放改造的大型CFB锅炉提供了参考。     

基于多模型聚类集成的锅炉烟气NO_x排放量预测模型

电站锅炉烟气NO_x排放量的预测控制对电站的经济效益和环境污染治理有重要影响。为了提高NO_x排放量预测模型的精度,本文提出了一种基于多模型聚类集成的锅炉烟气NO_x排放量建模方法。首先根据输出NO_x排放量的高低划分数据空间,通过基于相关性分析的变量权重和基于信息熵的分层聚类确定参与聚类的变量,然后利用提出的多模型聚类集成(VMSC)算法聚类得到各子空间的隶属度矩阵,最后采用融合隶属度的最小二乘法对各子空间的最小二乘支持向量机(LS-SVM)模型进行集成。仿真结果表明,通过集成模糊C均值聚类(FCM)和有监督的遗传算法-软模糊聚类(GA-SFCM)的VMSC算法提高了建模的精度,比单一模型的仿真性能更好。     

350 MW循环流化床锅炉变负荷过程中污染物排放研究

本文基于MATLAB/Simulink平台,针对某350 MW循环流化床(CFB)锅炉,通过建立脱硫脱硝数学模型以及CFB锅炉流动、传热、燃烧整体数学模型,对CFB锅炉炉内生成的SO_2和NO_x进行了数值模拟研究,给出了变负荷过程中,炉内污染物生成的变化情况,并分析了钙硫摩尔比、一二次风配比以及上下二次风配比等参量变化对炉内原始SO_2、NO_x排放质量浓度的影响。仿真结果表明:1)增加钙硫摩尔比可以快速降低SO_2排放,降负荷时,当钙硫摩尔比从2.0升高到2.2时,SO_2排放质量浓度即可降低到降负荷之前的质量浓度水平;2)降低一二次风配比可以有效降低SO_2和NO_x排放,升负荷时,当一次风比从48%降低到42%时,NO_x排放质量浓度降低到低于升负荷之前的水平,降负荷时,当一次风比从48%降低到45%时,SO_2排放质量浓度即可降至降负荷之前的水平;3)增加上下二次风配比可以降低NO_x排放,但会导致SO_2排放质量浓度升高,所以在增加上下二次风配比调节NO_x排放的同时需增加钙硫摩尔比来控制SO_2排放。     

遗传算法与BP神经网络在低氮燃烧优化中的应用

针对某发电公司330 MW机组锅炉,采用BP神经网络构建用于预测锅炉效率和NO_x质量浓度的锅炉燃烧仿真模型,通过遗传算法对该网络的初始权重与阈值进行优化,以锅炉低氮燃烧优化试验数据为样本进行模型训练,得到泛化能力强、精度高的仿真模型。通过选取合适的适应度函数,将遗传算法用于锅炉燃烧仿真模型进行燃烧优化,最终获取可兼顾锅炉效率与NO_x质量浓度的运行优化策略,为现场运行提供指导。     

基于长短期记忆神经网络的火电厂NO_x排放预测模型

火电厂燃煤锅炉产生的NO_x是大气污染物的重要来源之一,建立有效的NO_x排放预测模型是降低NO_x排放的基础。针对火电厂控制系统数据的海量化和高维化及燃煤锅炉多参数多变量相互耦合的特点,首先利用主成分分析法对火电厂分布式控制系统(DCS)数据进行特征提取,消除各特征变量间的耦合性;然后将提取的特征作为长短期记忆(LSTM)神经网络的输入,得到火电厂NO_x排放预测模型。将该模型与传统循环神经网络(RNN)模型、最小二乘支持向量机(LSSVM)模型应用于某超超临界660 MW机组燃煤锅炉对NO_x排放质量浓度进行预测。结果表明:LSTM神经网络和RNN模型预测效果均优于LSSVM模型;本文提出的LSTM神经网络模型预测准确率达到79%,均方根误差为0.398,优于其他2种模型;LSTM神经网络模型数据跟踪效果明显优于RNN模型,预测结果波动较小,模型稳定性和准确率较高。     

基于相关向量机的热工参数软测量

针对火电机组中某些重要热工参数难以直接测量的问题,本文提出了一种基于相关向量机(RVM)的热工参数软测量方法。采用组合核函数的形式代替传统的单一核函数,采用改进的鲸鱼优化算法(IWOA)优化核函数参数和组合核权重系数,利用优化后的参数和机组实际工况数据建立IWOA-RVM软测量模型,并采用样本更新策略实现该模型的在线更新。将该模型应用于某600 MW燃煤机组锅炉参数测量,结果表明:本文提出的IWOA-RVM软测量模型的烟气含氧量和飞灰含碳量预测结果均方根误差分别为0.085 2和0.088 4,均低于BP神经网络和支持向量机软测量模型;本文模型所需的相关向量少,模型稀疏性好,测试精度高,具有较强的泛化能力。     

循环流化床燃烧的NO_x生成与超低排放

日益严格的环保标准对循环流化床(circulating fluidized bed,CFB)锅炉NO_x的原始排放提出更高的要求。在对CFB燃烧中NO_x生成和还原过程深入理解的基础上,认为强化炉内不同区域的还原性气氛是进一步挖掘CFB燃烧NO_x原始超低排放潜力的关键。根据床内气固流动特性与还原性气氛的关系,提出了一条低氮燃烧技术路线,其核心是通过提升循环系统的性能来提高床质量、增加循环量。将该技术进行了工程验证,实践表明,在同时满足飞灰中位径小于12μm、d90小于54μm、底渣平均直径小于200μm、稀相区的物料悬浮浓度高于5 kg/m3时,仅通过燃烧控制,NO_x原始排放显著降低,基本达到超低排放目标。这为循环流化床锅炉的NO_x治理和低成本污染控制提供了一个更具竞争力的方向。     

燃烧福建无烟煤之75t/h中温旋风分离CFB锅炉低氮燃烧改造

在2台燃烧福建无烟煤的75t/h中温旋风分离CFB锅炉上进行多次工业热态试验掌握大量数据的基础上,分析认为影响NO_x排放浓度的因素主要有NO_x生成机理、锅炉结构、运行参数。为此,从NO_x生成机理和优化锅炉结构方面着手,采取抬高下二次风喷口高度、提高下中二次风喷口速度和在水冷壁前后墙标高12.65m处增设一层上二次风(风源取自一次风热风母管)等措施进行低氮燃烧改造。热态试验证明低氮燃烧改造取得了良好的效果:NO_x排放浓度从180mg·Nm-3左右降低到140mg-3左右,最低值在120mg~(-3)以下,且锅炉机械不完全燃烧损失q_4降低了1.0%~1.5%。试验同时发现,二次风率β、中二次风率k_m、上二次风率k_(up)对NO_x排放浓度和机械不完全燃烧损失q_4的影响曲线均表现为开口向上的抛物线,这表明对于燃烧福建无烟煤的中温旋风分离CFB锅炉而言,存在最佳的二次风率β、中二次风率k_m、上二次风率k_(up),使NO_x排放浓度最低、机械不完全燃烧损失q_4最小。热态试验数据表明,在过量空气系数λ≈1.2的情况下,最佳的二次风率β区间为45%~60%,最佳的中二次风率k_m在45%~60%之间,最佳的上二次风率k_(up)区间为5%~15%。     

基于mRMR-BO优化Stacking集成模型的NOx浓度动态软测量

针对火电厂选择性催化还原(selective catalytic reduction,SCR)烟气脱硝系统中，由于影响入口NO_x质量浓度因素过多及系统大迟延大惯性，导致入口NO_x质量浓度难以准确及时测量的问题，提出了利用最大相关-最小冗余算法(max-relevance and min-redundancy,mRMR)结合贝叶斯优化算法(Bayesian optimization,BO)优化Stacking集成模型的SCR烟气脱硝系统入口NO_x质量浓度动态软测量模型。针对动态NO_x生成过程中静态单一模型预测精度降低及辅助变量与入口NO_x质量浓度时间异步的问题，利用mRMR-BO结合模型进行辅助变量筛选，Copula熵(copula entropy,CE)确定辅助变量迟延，BO结合模型确定辅助变量阶次，将TCN及LASSO利用Stacking法集成，使用含有迟延时间及阶次信息的辅助变量构建动态Stacking集成软测量模型。仿真结果显示：集成模型较TCN及LASSO单一网络的均方...     

飞灰含碳量自适应校正WLSSVM软测量模型

针对锅炉飞灰含碳量难以长期准确预测的问题,从提高模型预测精度和自适应能力的角度出发,提出一种基于模型预测性能评价的自适应校正加权最小二乘支持向量机(WLSSVM)软测量模型。构造了基于最大线性无关组的软测量模型训练样本集,使WLSSVM模型具有较好的稀疏性,并减少了训练过程的计算量;建立基于数据相似度加权因子的WLSSVM软测量模型,利用双种群差分进化算法进行模型参数的优化选取;通过模型预测性能在线评估和递推校正实现了模型在线自适应校正。在某台300MW机组锅炉上进行的仿真试验结果表明,该算法模型具有良好的预测精度和自适应能力,能够有效预测锅炉飞灰含碳量。     

1000MW锅炉烟气脱硝系统建模及运行仿真

为研究锅炉烟气中NO_x生成及脱除规律,分析烟气脱硝装置的运行特性,采用集总参数法,建立炉内NO_x生成模型、脱硝反应数学模型、还原剂消耗量等数学模型,基于IMMS开发平台搭建整个系统的实时仿真模型并进行运行特性分析。动态仿真试验结果表明:氨氮摩尔比阶跃变大,脱硝效率和氨逃逸量变大;反应器入口烟气流量、NO_x浓度阶跃变大时,脱硝效率和氨逃逸量减小;反应器入口烟气温度的阶跃扰动,对NO_x的还原反应影响较大,仿真结果与实际运行符合良好,可为烟气脱硝装置的安全及经济运行、SCR自动控制策略的研究提供仿真模型参考。