水煤浆锅炉的神经网络参考模型自适应控制

采用神经网络模型参考自适应控制方法对水煤浆锅炉的燃烧系统进行了有效控制。针对水煤浆锅炉的高度非线性、大惯性和多输入多输出的特点设计了一个神经网络辨识器（NNI）与神经网络控制器（NNC）,并对训练步骤和算法进行了详述。仿真结果表明,对水煤浆锅炉的燃烧采用神经网络间接模型参考自适应控制是行之有效的。     

多变量预测控制在锅炉燃烧系统中的应用

针对锅炉燃烧系统多变量、强耦合、强干扰、大滞后的复杂特性,采用基于状态空间模型的预测控制算法设计多输入多输出预测控制器,以一个控制目标为主,同时协调处理多个控制目标的优化方法,很好地实现了锅炉燃烧控制的三大主要任务,从而为这一复杂系统的过程控制提供了一种新的思路;文中还详细研究了预测控制器关键参数对控制性能的影响规律,据此优选参数,可以获得很好的控制效果.     

浅谈水煤浆锅炉站的工程设计

介绍水煤浆特性,水煤浆锅炉与其它锅炉运行成本和烟气污染物排放的比较,水煤浆锅炉站工程设计中需注意的因素.     

基于迭代启发式动态规划的锅炉燃烧系统的优化控制

对锅炉燃烧系统进行径向基函数(RBF)神经网络建模,利用基于RBF神经网络的迭代启发式动态规划(HDP)算法对锅炉燃烧系统进行优化控制,并对神经网络初始权值和效用函数进行改进后与传统的HDP算法进行比较分析.     

水煤浆气化炉耐火砖损蚀量的灰色预测

针对水煤浆气化炉中耐火砖存在损蚀的特点,采用灰色预测理论建立了耐火砖损蚀量的不等时距GM(1,1)预测模型,并提出了模型的优化方法。通过预测值与实际值比较得出,GM(1,1)模型用于水煤浆气化炉中耐火砖损蚀量的预测是可行的;优化后的预测模型与实际值吻合较好。在模型优化过程中还发现,模型优化后平均相对误差由4.41%降为3.73%,最大相对误差也由14.36%降到9.09%,验证了优化方法的有效性。预测结果可为水煤浆气化炉耐火砖的研制及检修提供依据和指导。     

水煤浆锅炉安全环保技术改造小结

总结了生产装置水煤浆锅炉存在的安全风险、环保等问题,水煤浆锅炉改造为天然气锅炉后,安全和环保得到有效保障.     

基于改进人工鱼群算法优化的BP神经网络预测控制系统

为了使传统的BP神经网络预测控制的收敛速度更快、准确率更高,提出一种改进的人工鱼群算法。分别用BP神经网络、PSO-BP神经网络和IAFSA-BP神经网络来优化预测控制系统的建模部分和滚动优化部分,并进行仿真试验,结果表明:IAFSA-BP神经网络优化后的预测模型精度更高,并且滚动优化部分的响应速度加快,控制系统更稳定。     

大庆石化炼油厂动力站烟气净化脱硫系统成功投运

正大庆石化炼油厂动力站新建锅炉烟气净化脱硫系统于2016年1月6日成功投运,烟气通过引入脱硫塔,完成烟气净化处理,试运行数据达到外排控制指标,标志着大庆石化炼油厂动力站水煤浆锅炉烟气净化项目全面告捷。该项目是大庆石化集团公司重点环保改造项目,此次实施的是大庆石化炼油厂动力站6号、7号水煤浆锅炉系统烟气净化项目,总投资8827万元,采用SNCR+SCR组合工艺对锅炉烟     

机器学习驱动锅炉燃烧优化技术的现状与展望

伴随可再生能源发电装机容量快速增加,深度调峰过程中负荷多变、燃烧失稳等不稳定工况对火电机组的燃烧优化控制提出了更高要求,快速发展的人工智能技术与深度学习算法为锅炉参数预测建模及优化提供了重要手段。在机器学习算法方面,总结了特征筛选与建模算法的研究现状,提出了传统统计学方法与线性降维方法的科学解释性较差且不能很好地辨识高维数据,结合深度学习算法的特征筛选方法在处理复杂的火电机组数据时优势更明显;对比了多种神经网络在NO_x排放浓度建模中的优缺点,其中长短期记忆神经网络与卷积神经网络在处理时序数据时效果更好、集成模型通过组合不同学习器的优势可提高整个模型的泛化能力和鲁棒性。在预测模型的应用方面,通过对SCR脱硝系统建立预测模型可以方便运行人员模拟并修正可调参数,同时作为软测量手段监测燃烧系统运行状态;引入NO_x排放浓度预测模型的前馈控制和模型预测控制等先进控制手段可有效改善火电机组传统PID控制效果较差的问题;在多目标优化中NO_x脱除效率通常与锅炉效率或脱硝成本共同作为优化目标,以期实现经济效益与社会效益的和谐统一。     

关于水煤浆技术推广应用的思考

水煤浆是一种新型洁净燃料,有着节能、环保、经济等多种效益。文章通过对水煤浆锅炉与传统锅炉节能、环保、经济效益的对比分析,结合当前水煤浆技术推广应用存在的问题,最后提出了水煤浆技术在广东省推广的几点建议。