基于SVM与遗传算法的燃煤锅炉燃烧多目标优化系统*

电站燃煤锅炉燃烧优化要求在保证燃烧效率的基础上降低NOx的排放,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,提出利用支持向量机(SVM)对锅炉燃烧特性建模,利用遗传算法实现运行工况寻优,从而获得锅炉燃烧优化调整方式.仿真实验和实践结果表明,该系统实现了锅炉高效低氮的燃烧优化,满足实时性的要求.     

锅炉优化控制系统设计

针对某供热锅炉燃烧效率低的问题,设计了一种新型锅炉燃烧优化控制系统。系统采用C#设计燃烧优化算法,利用OPC技术从原WinCC上位机监控系统获取优化所需的锅炉运行数据,经优化运算后再将数据反馈给WinCC和PLC,实现对锅炉的优化控制。经现场运行表明,系统最大限度地提高了锅炉的燃烧效率,实现了节能。     

基于神经网络和粒子群算法的锅炉燃烧优化方法

通过对火电厂锅炉燃烧控制系统送风调节系统研究现状分析,提出一种基于粒子群优化算法的锅炉燃烧优化方法.其基本思想:首先利用燃烧特性试验数据,借助于 Matlab 软件建立了火电厂锅炉燃烧特性的神经网络模型,在此基础上利用粒子群优化算法寻找送风调节系统最佳氧量设定值,进而调节送风量,实现锅炉燃烧的整体优化.结果表明:基于粒子群优化神经的算法为锅炉燃烧优化方法优化提供一条新的途径.     

锅炉燃烧优化系统在DCS中的实现

介绍了广西柳州发电有限责任公司锅炉燃烧系统在DCS改造中采用燃烧优化系统实现锅炉各项运行参数的实时监测，达到了锅炉安全经济运行的目的。     

粒子群算法在电站锅炉燃烧优化中的应用

针对锅炉燃烧系统具有多输入输出、非线性、强耦合、不确定时滞的特点，采用粒子群优化（PSO）算法寻找锅炉模型的最优输入变量组合，实现锅炉燃烧过程的优化。其应用使锅炉燃烧节省了成本，提高了经济运行效益。仿真结果表明，该算法是一种高效率的寻优方法。     

基于神经网络和遗传算法的锅炉燃烧建模与优化

通过对影响锅炉效率的物理量的分析,建立了以神经网络表示主要物理量之间关系的锅炉燃烧系统模型,并采用遗传算法对模型进一步优化,从而实现了对锅炉燃烧的优化.仿真结果表明,通过调整锅炉燃烧系统优化模型参数,该模型能够同时满足锅炉燃烧效率和降低污染物排放的要求,从而实现锅炉的节能低污.     

基于Honeywell DCS的锅炉燃烧稳态优化控制

介绍了采用Honeywell系统构建集散控制系统,完成对锅炉、汽机和电网、热网主要参数的实时监测,并对主要的过程变量实现自动控制的方案。在此基础上对节能影响很大的锅炉燃烧系统建立了稳态参数优化模型,并获得锅炉燃烧系统稳态参数优化模型参数。在这个优化模型结果的指导下,热电厂的能源利用率提高4%左右。     

基于C#与组态软件的锅炉优化控制系统设计

该文针对负荷波动较大供热锅炉能耗严重的情况,采用C#与力控设计了一种新型锅炉燃烧优化控制系统.该系统采用力控与PLC作为上/下位机实现锅炉的常规监控功能,采用C#设计燃烧优化算法与力控通信,实现锅炉的优化控制,详细介绍了优化系统的设计过程.该系统能够使供热锅炉运行时做到“恶劣时保稳定,稳定时求最优”,最大限度地实现自动控制和优化控制,经现场运行表明实现了节能.     

工业链条锅炉风煤比的优化控制

本文根据工业燃煤锅炉运行特点，在分析其数学模型的基础上提出了锅炉燃烧的一种优化控制方案。较好地解决了要求蒸汽压力稳定与节煤之间的矛盾，具有一定的实用价值。     

超超临界1000MW火电机组锅炉主控逻辑优化思路探讨

某电厂采用以锅炉跟随为基础的协调控制系统,其锅炉主控控制主汽压力在允许范围内运行。但由于锅炉侧的燃烧特性存在较大的延滞惯性,所以优化锅炉主控的控制逻辑,以期与汽机侧的快速负荷响应特性相匹配显得尤为重要。首先分析了某超超临界1000MW火电机组锅炉主控逻辑组态的控制策略及其存在的问题,并根据前馈-反馈控制策略对其原始控制策略加以优化改进。优化环节主要体现在锅炉调节器的主要参数随负荷指令变化量>2MW为界限进行动态调整,以及锅炉调节器的前馈增加了主汽压力设定微分前馈、超压保护前馈及主汽压力偏差绝对值>0.8MPa后持续120s的锅炉前馈。优化锅炉主控应用结果表明:机炉协调性能更加稳定、安全、快速,为机组控制系统优化提供了技术支撑。     

基于数据挖掘技术的火电厂燃烧综合优化控制

本文重点介绍一种基于数据挖掘技术的火电厂燃烧综合优化控制系统,其通过数据挖掘方式提取机组最优运行模式,基于规则建立优化控制模,与现有DCS控制系统充分耦合,实现滚动优化和实时闭环挖制,连续寻找锅炉燃烧的最优运行模式,实现锅炉燃烧的在线优化与自动控制,以达到提高锅炉运行效率,降低NOx排放的目的。通过在某600MW大型燃煤机组的工程应用,结合该机组煤粉分配均衡改造与精确测量系统改造,获得了提高锅炉效率0．3-0．8％,降低NOx排放16-25％的综合优化效果。     

基于神经网络的燃烧优化建模

建立了基于RBF神经网络的燃烧优化模型,实现了最佳给煤量和实发功率的寻优.同时利用MATLAB建立仿真模型,并进行了仿真研究,仿真结果表明:在稳定运行时,当锅炉负荷、电厂用的煤质(即煤发热量的不同)、燃烧所给的送风量和引风量变化时,基于RBF神经网络的锅炉燃烧系统非线性模型能够很好地实现给煤量和实发功率的寻优,所得的结果对锅炉的燃烧优化控制奠定了基础.     

燃气锅炉燃烧系统的预测控制

国内不少钢铁厂把高炉、转炉产生的煤气混合后用作工业锅炉的燃料,然而由于混合煤气的压力、热值都极不稳定,锅炉的燃烧子系统难以控制,更难以调整到最佳燃烧状态.针对以上问题提出在传统的双交叉PID燃烧控制基础之上,增加单变量预测控制层,根据空燃比和氧含量之间的关系,通过滚动优化在线得到最优空燃比.文章将配比优化问题转变成了控制器设计的问题,这样既可有效克服煤气热值的大范围变动,又能将整个锅炉燃烧系统调整到最佳的燃烧状态.     

智能优化算法的研究及其在锅炉燃烧中的应用

本文提出用智能优化算法模型来指导工业锅炉燃烧过程控制。首先通过免疫遗传算法来优化锅炉燃烧过程控制参数,利用优化结果调节锅炉燃烧过程控制。而后利用BP神经网络来模拟工业锅炉燃烧过程,建立工业锅炉燃烧过程输入输出之间的非线性模型。结果表明,本文所提出的智能优化算法模型具有较好的效果。     

和利时母管制机组APC优化方案及其应用

针对母管制机组一直存在的蒸汽母管压力难以稳定控制的问题,本文提出了一种基于和利时DCS控制系统的APC协调控制方案。该方案可以解耦影响锅炉燃烧的主要因素,优化分配锅炉负荷,快速平衡锅炉产汽与外界用汽之间的能量差,达到稳定蒸汽母管压力的目的。现场的实际应用证明了该方案的可行性。     

基于改进的神经网络寻优算法在煤粉锅炉优化中的应用

为进一步挖掘煤粉锅炉的燃烧效率,提出一种改进的神经网络算法搭建锅炉燃烧模型,并采用自适应遗传算法与动态优化边界相结合,分别对最佳氧量、一次风量、各二次风门以及燃尽风门等参数进行寻优计算,以使锅炉效率和污染物排放量所构建的多目标函数达到最优燃烧范围。在保证环保指标合格的前提下,显著提升了锅炉燃烧效率。     

电站锅炉燃烧系统的神经网络建模研究

锅炉是火电厂主要的热力设备,锅炉燃烧系统将燃料与燃烧所需的空气按照一定的比例、速度送入到炉膛,确保燃烧迅速,可以更好的适应锅炉压力和煤炭的燃烧所需氧气,从而减少氮氧化物的排放量,达到节能目的。锅炉的燃烧系统是一具有多变量、非线性、不确定、滞后性等特点,常规的控制方法无法达到理想的要求。因此根据锅炉燃烧系统的特性,建立燃烧系统的神经网络模型,对燃烧系统的参数进行研究。本文主要分析了神经网络模型的优势、电站锅炉燃烧系统性能,在此基础上,建立锅炉燃烧系统的神经网络预测模型。神经网络预测模型可以对锅炉燃烧系统的烟气排放温度、炉膛温度、氮氧化物排放量等预测比较准确。     

改进NSGA-Ⅱ算法在锅炉燃烧多目标优化中的应用

提出改进非劣分类遗传算法(NSGA-Ⅱ)在燃煤锅炉多目标燃烧优化中的应用,优化的目标是锅炉热损失及NOx排放最小化。首先,采用BP神经网络模型分别建立了300MW燃煤锅炉的NOx排放特性模型和锅炉热损失模型,同时利用锅炉热态实验数据对模型进行了训练和验证,结果表明,BP神经网络模型可以很好地预测锅炉的排放特性和锅炉的热损失特性。在建立的锅炉排放特性和热损失BP神经网络模型基础上,采用非劣分类遗传算法对锅炉进行多目标优化,针对NSGA-Ⅱ在燃煤锅炉燃烧多目标优化问题应用中Pareto解集分布不理想、易早熟收敛的问题,在拥挤算子及交叉算子上进行了相应改进。优化结果表明,改进NSGA-Ⅱ方法与BP神经网络模型结合可以对锅炉燃烧实现有效的多目标寻优、得到理想的Pareto解,是对锅炉燃烧进行多目标优化的有效工具,同改进前的NSGA-Ⅱ优化结果比较,其Pareto优化结果集分布更好、解的质量更优。     

燃煤锅炉效率和低氮综合优化控制技术

根据锅炉燃烧优化调整和制粉系统优化调整结果,建立锅炉热损失在线监测系统,制定锅炉效率、NOx污染物排放等综合能效最优化策略,增加新的锅炉最优氧量、二次风门、磨煤机冷热风门等DCS燃烧优化控制逻辑,有效优化锅炉运行,实现节能减排、降本增效。     

350MW循环流化床锅炉机组负荷动态优化控制方法

为进一步提升燃煤电厂锅炉的工况效率及机组运行的环保性和经济性,本文研究设计了一种350MW循环流化床锅炉机组负荷动态的优化控制方法。通过收集统计350MW循环流化床锅炉机组燃烧系统的烟气含氧量、煤量、送风量、燃料量、主汽压、炉膛负压以及引风量等数据,实施数据滤波提取处理,再利用系统辨识原理构建锅炉机组燃烧系统工况模型。最后基于遗传算法与人工神经网络构建锅炉机组燃烧系统模型的负荷优化控制模型,实现了对锅炉机组负荷动态的优化控制。测试结果表明,运用此优化控制方法,锅炉效率的提升率高于91%,具有较高的实际应用价值。