四角切圆燃煤锅炉低NO_x燃烧优化研究

借助锅炉燃烧特性试验数据,建立了基于支持向量回归的四角切圆燃煤锅炉NOx排放模型.经过训练和校验,并与神经网络模型进行对比,结果表明:SVR模型更加适合于实炉热态测试工况较少的小样本学习,而且其精度能够满足工程的实际要求,能够较为准确的对不同工况下的电站锅炉NOx排放特性进行预测.在获得该模型的基础上,结合全局寻优的遗传算法,以锅炉的运行调节参数为优化目标函数的自变量,对NOx排放进行寻优,并获得了具体工况下的最佳操作参数.     

基于遗传算法的燃煤电站锅炉整体燃烧优化方法研究

针对电站锅炉燃烧效率和污染物的排放,提出了一种整体燃烧优化的思想,并结合遗传算法和人工神经网络技术,对整体燃烧优化方法进行了研究。仿真结果表明,采用本文提出的燃烧优化控制方案,不仅能使锅炉节能,还能降低排放的烟气中氮氧化物的含量,减少对环境的污染,具有较强的可行性。     

基于支持向量机和遗传算法的燃煤电站锅炉多目标燃烧优化

采用支持向量机方法建立350MW燃煤电站锅炉NOx预测模型和锅炉效率预测模型,并采用遗传算法对NOx和锅炉效率进行多目标优化,表明支持向量机和遗传算法可以用于指导参数调节,进行燃烧优化。     

基于支持向量机和遗传算法的燃煤电站锅炉多目标燃烧优化

本文采用支持向量机方法建立了350MW燃煤电站锅炉NOx预测模型和锅炉效率预测模型,并采用遗传算法对NOx和锅炉效率进行多目标优化,表明支持向量机和遗传算法可以用于指导参数调节,进行燃烧优化。     

基于数值模拟与试验运行数据的电站锅炉燃烧系统复合建模

建立电站锅炉燃烧系统的数值模拟模型,通过该模型提供的训练样本建立最小二乘支持向量机模型(LS-SVM),利用试验数据对所建模型进行修正,并通过实时运行数据更新模型,提出了一种电站锅炉燃烧系统的复合建模方法.结果表明:复合建模方法有效地提高了模型的精度和运算速度,通过对初始LS-SVM模型的修正和更新可以进一步提高模型精度,为燃烧优化打下良好的基础.     

基于人工神经网络和遗传算法的火电厂锅炉实时燃烧优化系统

大型燃煤电站锅炉燃烧效率的提高和污染气体的低排放对于节约能源和保护环境都有重要意义。通过燃烧优化可以提高锅炉效率、降低锅炉的氮氧化物排放、防止锅炉结焦和受热面爆管等，因而广泛得到应用。但目前燃烧优化方法往往采用现场试验方法，耗时费力，而且由于锅炉输入输出特性复杂。耦合性强，燃用煤种和操作条件变化较大，现场燃烧优化方法往往效果不佳。同时提出从DCS下载实时数据，利用人工神经网络对锅炉特性建模，并利用遗传算法实现操作参数的实时寻优。实践证明：这种方法能够实时地获得目前最佳的锅炉燃烧调整方式，对锅炉的节能降耗和降低环境污染都有重要意义。     

根据燃煤性质论电站锅炉燃烧方法的发展

介绍作者用计算机统计软件对５９座大型电站的９１种燃煤变化情况及燃烧效果进行分析的结果，据此总结出我国电站锅炉燃烧方法应有的发展方向和相应的技术措施。作者认为，应大力发展喷钙脱硫技术和循环流化床燃烧技术。还应加强无烟煤燃烧技术的开发。作者强调，应客观地根据燃煤性质来选择燃烧方法。     

我国电站锅炉燃煤特性的试验研究及展望

本文全面地论述了我国电站锅炉用煤的燃烧、结渣特性的试验研究结果.在一定程度上反映了目前国内的研究水平以及今后方向.     

基于支持向量机的电站锅炉SNCR系统建模

将支持向量机方法应用于电站锅炉SNCR系统的参数调节,建立了锅炉热态参数和SNCR系统参数与脱硝率之间的关系模型,并与神经网络方法预测结果进行了对比.结果表明,平均相对误筹和均方根误差都较后者降低了60%以上,同时线件相关系数r也提高了11%.通过该模型研究了典型工况下尿素用量和稀释水流量对脱硝率的影响,将其与机理性研究得到的结论进行比对,表明该模型所包含的信息很好地反映了样本数据中的规律.最后,研究了两个重要参数--核参数和边界参数对预测性能的影响,发现核参数取值应在[2,6],此时,误差水平较低且对边界参数不敏感.     

中小容量燃煤锅炉的燃烧特性分析及应注意的问题

从理论和实践两方面,对中小容量燃煤锅炉自身的燃烧特性进行了研究和讨论。研究表明:无论火床燃烧或煤粉燃烧,随着锅炉容量D的减小,锅炉炉膛相对散热比表面积迅速增加,燃烧强度明显下降,燃料着火、燃烧和燃尽条件恶化,锅炉热效率下降。因此对中小容量锅炉必须在技术、管理和运行方面进行综合优化和集成创新,才可能实现节能新突破。文中还对当前严重影响中小型燃煤锅炉节能的几个突出问题进行了讨论,并提出了建议。     

基于遗传算法的燃煤锅炉NOx排放控制

文中在分析锅炉NOx排放物生成机制、影响因素及其控制方式和锅炉效率影响因素的基础上,结合锅炉燃烧特性试验,建立了锅炉排烟温度、飞灰含碳量和NOx排放的改进型的Elman动态神经网络预测模型,这种改进型的Elman动态网络结构简单、计算量小、容易收敛且易实现在线辨识。并利用预测模型输出的锅炉排烟温度和飞灰含碳量,通过简化的锅炉损失计算模型得到锅炉排烟损失和未完全燃烧损失,这两项损失和预测模型输出的NOx排放构造了锅炉优化燃烧寻优的目标函数。利用遗传算法的寻优特性搜索锅炉可调参数的最优值,指导运行人员在高效燃烧低NOx排放的基础上优化运行。     

基于新型测温技术的电站锅炉燃烧优化

为了提高锅炉效率,减少污染物排放,电站锅炉需要进行燃烧优化。以新型测温技术为基础,提出一种包含炉内温度场测量结果的燃烧优化模型,采用模拟退火算法作为燃烧优化控制算法进行优化。以某电厂300 MW锅炉为研究对象,采用仿真的方法对燃烧优化控制算法进行研究,通过对锅炉运行参数受到扰动时的工况进行燃烧优化,验证了模拟退火算法的优化性能。结果表明:在锅炉运行参数受到扰动时,模拟退火算法作为优化算法,能够给出有效的燃烧调整指令,解决扰动产生的问题,使炉膛燃烧状态保持设定的优化状态。     

锅炉分级燃烧优化技术的研究

为减少锅炉燃烧所产生废气排放带来对环境的污染，达到高效低污染的可持续性发展要求，其技术改造和经济运行将愈显重要。建立了基于BP网络的模型及遗传算法的相应优化方法，进行了锅炉分级燃烧改造后的性能优化，可为锅炉的经济优化运行提供科学指导依据。图4参12     

基于Smith预估控制和遗传算法优化的燃油蒸汽锅炉燃烧控制

为解决蒸汽锅炉燃烧控制效果不佳的问题,提出一种基于Smith预估控制和遗传算法优化的燃油蒸汽锅炉燃烧控制方法,使用模糊控制输出变偏置双交叉限幅燃烧控制方法中的偏置函数,对控制器采用遗传算法进行参数优化,并使用Smith预估控制法搭建控制回路。在仿真中以常用蒸汽压力3.8和5.6 MPa两个工况升降负荷为例,对传统的变偏置双交叉限幅燃烧控制方法和改进的燃烧控制方法进行了对比,并进行鲁棒性分析。仿真结果表明：控制系统的快速性、稳定性均有所改善,且改进后的系统具有良好的鲁棒性。     

采用FCGA优化的汽包锅炉过热汽温自适应模糊控制器的设计

针对汽包锅炉过热汽温的特点，设计了自适应模糊控制器，即采用了一种模糊控制的遗传算法将控制器的隶属参数进行优化。理论分析和仿真结果都表明该方案对解决汽包锅炉过热汽温热工过程的非线性和大时滞有显著效果，具有快速的实时性和很强的鲁棒性。     

电站锅炉燃烧诊断优化技术的现状及发展

燃烧诊断和控制技术直接关系到电站锅炉运行的经济性和安全性,而电站锅炉内的煤粉燃烧过程极其复杂,燃烧的诊断问题长期得不到很好解决.现代光测技术、计算机数字图像处理技术、人工智能等新技术和新理论的飞速发展,推动了真正意义上的燃烧诊断技术的实现.论述了火电站燃烧诊断系统的重要性和复杂性,讨论了现有大型火电机组燃烧监控及诊断技术的现状与不足,结合现代人工智能理论和控制理论的进展,展望了未来燃烧诊断优化技术的发展方向.     

应用遗传算法优化设计热管式余热锅炉

根据减少耗材的要求,文章将遗传算法应用于热管式余热锅炉的优化设计.提出了热管式余热锅炉结构参数优化的方案,详细讨论了优化算法的步骤及流程.最后,通过实例表明该方法能得到较好的优化结果.     

基于遗传算法的HVAC系统参数实时优化研究

HVAC系统节能的一个重要方面是利用系统的观点来优化各运行参数,而 常规的优化算法不能满足实时系统的要求。基于遗传算法的HVAC系统优化控制方法,通过室内运行温度的优化控制,可以在满足建筑物室内热舒适度的同时达到节能的目的。结果分析表明这种方法很适合于控制系统的实时优化运算。     

基于量子遗传算法的循环流化床锅炉Hammerstein型辨识

将Hammerstein模型应用于某循环流化床锅炉2个典型系统的辨识,用多项式表示模型的非线性部分,用差分方程表示模型的线性部分,并通过量子遗传算法将模型的辨识问题转化为参数空间上的寻优问题,求得模型中待定参数的最优解,从而得出循环流化床锅炉2个系统的具体模型,并结合现场数据进行了一系列仿真试验.结果表明:Hammerstein模型可以很好地表达循环流化床锅炉典型系统的特性,用量子遗传算法优化可得到精度较高的数学模型.