优化配煤应用于燃煤电厂的燃烧试验研究

浙江省某电厂2台125MW机组，配2台410t／h四角切圆燃烧煤粉炉，由于其设计煤种实际上无法采购，因而长期烧的煤种较杂，很大程度上取决于煤炭的市场供应情况及运输途径。过去多烧两淮煤为主，近年也经常试烧北方煤。由于炉子较老旧，最大的问题主要是易导致4号炉结焦结渣、飞灰含碳量有时偏大等。针对这种情况，对该电厂配送了在杭州煤场配制的优化配煤，并进行了燃烧调试及热工环保测试，取得可喜的效果。图1表3参11     

优化配煤理论的研究肥及配煤专家系统的开发

对优化配煤技术进行了系统的研究,发现混煤特性与组成单煤之间并非是简单的加权关系,而是具有强烈的非线性特性。这种特征可综合运用神经网络理论,模糊数学等现代 满意地描述。作者还根据非线性配煤理论开发了优化煤专家系统,并已成功地于杭州配煤场。     

电厂优化配煤多目标机会约束数学模型的建立

在随机规划学的基础上，建立了电厂优化配煤我多目标机会约束数学模型。在此模型中，燃煤的煤质特性包括发热量、挥发份、灰份、水份和硫份等均被认为符合正态分布规律的随机变量，以此充分描述掺配煤种煤质不断波动的事实。     

优化配煤理论的研究以及配煤专家系统的开发

对优化配煤技术进行了系统的试验研究,发现混煤特性与组成单煤之间并非是简单的加权关系,而是具有强烈的非线性特性。这种特征可综合运用神经网络理论、模糊数学等现代数学方法加以满意地描述。作者还根据非线性配煤理论开发了优化配煤专家系统,并已成功地应用于杭州配煤场。图７ 表１ 参５     

燃煤电站锅炉优化配煤神经网络构建的研究

随着电力工业快速增长,煤的消耗量增加,配煤逐步成为燃煤电站锅炉的一种常态。由于煤种煤质的波动,配煤是一个在不确定的条件下的优化问题,传统的线性规划模型很难解决,而BP神经网络这一非线性优化工具已成功地应用于混煤煤质特性的预测模型。分析了不同BP神经网络模型的预测效果以及制约其预测效果的主要因素(网络结构、学习样本数量、隐层节点数、学习精度)并在此基础上构建了用于预测混合煤种低位发热量的BP神经网络,得到极高的预测精度,进行了3次实验误差分别为0.043 05%,0.038 05%,0.116 267%。同时利用穷举法对配煤进行优化选取。本神经网络的结构是由输入、输出样本的数据结构决定的,具有很强的通用性和拓展性。     

基于遗传算法的动力配煤方案的Boltzmann优化模型的研究

用遗传算法(GA)进行优化配煤，可以在很短的时间内找到近似最优解，但是与全局最优解之间存在一定的差距。联系优化配煤的实际，通过分析GA的选择算子，应用Boltzmann选择法，在只增加少许运算时间的情况下，极大地缩短了近似最优解与全局最优解之间的差距，从而提升了GA在优化配煤中的运算性能。图10表2参5     

优化配煤专家系统的研究及应用

对配煤燃烧进行了大量的实验分析和理论研究，指出混煤特性与组成单煤之间并非是简单的加权关系，而是具有强烈的非线性特征。这种特征可以综合运用神经网络、模糊数学等现代数学方法加以满意地描述，并在此基础上成功地开发了优化配煤专家系统。     

邯峰电厂660 MW机组W型火焰锅炉精细化配煤掺烧的可行性研究

针对邯峰电厂一期2台660 MW的燃煤发电机组在实际运行中掺烧非设计煤种的问题进行了详细的分析。综合考虑所掺烧非设计煤种的燃料特性以及配套制粉系统的实际情况,保证安全运行以及环保排放的原则设计出适用于本发电机组掺烧方案。通过分析不同负荷下机组的运行数据发现,经过合理的配煤掺烧可以满足机组燃烧的安全边界以及环保达标边界的要求。经过长时间的实际运行后,对比掺烧前后2年内相同时间段的经济指标发现,合理的配煤掺烧可以节省成本,同时在电厂配煤掺烧和优化燃烧方面做出了大量技术整改并提出了针对性建议。     

GA-BP神经网络在动力配煤煤质和燃烧特性预测中的应用

为了满足动力配煤数字化信息控制系统对配煤煤质和燃烧特性参数在线预测的精度要求,利用GA-BP神经网络建立了动力配煤煤质和燃烧特性预测模型.该预测模型综合学习了各煤质指标内部以及和配比的关系,能够根据各参配煤种的Mad、Vad、Aad、Qnet.ar和对应的配比X,直接预测配煤产品的煤质指标Mad、Vad、Aad、Qne...     

电站锅炉全局优化智能配煤模型的建立及系统开发

建立了应用于电站锅炉的全局优化智能配煤模型.该模型在多目标优化数学模型的框架下,运用模糊数学方法构建目标函数和遗传算法(GA)寻优,利用神经网络实现混煤燃烧特性的预测.为提高GA的寻优性能,应用正交设计法和自适应罚函数对简单GA进行改进,建立了基于自适应罚函数的正交遗传算法优化配煤模型.在此基础上,开发了智能配煤系统并应用于某电厂优化配煤,提高了电厂配煤的自动化和智能化水平,具有较好的应用前景和示范作用.