基于改良的鸡群优化算法优化锅炉NO_x排放质量浓度

为达到锅炉NO_x排放质量浓度最优的目标,针对鸡群优化算法收敛速度慢、容易早熟等缺点,对算法中母鸡和小鸡的觅食行为分别进行了修改,得到改良的鸡群优化(A-CSO)算法,并通过测试函数验证了A-CSO算法性能优于粒子群算法、引力搜索算法、磷虾群算法和原鸡群优化算法.利用A-CSO算法以及快速学习网建立锅炉NO_x排放质量浓度预测模型,对锅炉运行时的可调参数进行优化,获得锅炉燃烧优化调整方式.结果表明:优化后所有工况的NO_x排放质量浓度明显下降,相对下降率优于文献[12]中的结果;由于锅炉燃烧中飞灰含碳量的影响,可适当调整优化后的氧量和一次风量,以达到锅炉高效低污染燃烧.     

基于风驱动算法的锅炉NO_x排放模型优化

为了准确地预测电站锅炉的NO_x排放量,以某300 MW亚临界循环流化床锅炉为研究对象,利用自适应风驱动优化(AWDO)算法和极端学习机(ELM)进行综合建模,并根据不同工况下现场收集的样本数据检验该模型的预测能力;将该模型的预测值与基本极端学习机、差分进化算法、粒子群算法和基本风驱动算法优化的极端学习机模型预测值进行比较.结果表明:AWDO算法可以更好地找到优化参数,该算法优化的极端学习机模型具有良好的预测精度和泛化能力,可以准确、有效地预测电站锅炉的NO_x排放量.     

大型循环流化床锅炉NO_x排放的研究

近年来循环流化床锅炉技术得到了迅速发展.基于由国内某锅炉厂生产并投运的大型循环流化床锅炉的实际运行及试验数据,对锅炉的NOx排放特性进行了分析和研究.分析了锅炉的NOx排放量与锅炉负荷,空预器进口氧量,上、下二次风配风量及配风方式,燃料特性及脱硫剂之间的关系.研究表明:锅炉运行过程中应合理调整燃烧工况,以优化运行,减少污染物排放.研究为电厂循环流化床锅炉的优化和调整运行参数提供借鉴和参考,从而实现锅炉NOx排放的环保达标.     

掺烧石油焦410t_h循环流化床锅炉NO_x排放特性研究

在掺烧石油焦的410 t/h循环流化床锅炉上就运行参数对NOx排放特性的影响进行了试验研究,阐述了燃用烟煤、70％烟煤 30％石油焦和50％无烟煤 50％石油焦等3种不同燃料时,NOx排放浓度随温度、过量空气系数、一次风率和钙硫比等参数变化而改变的规律.结果表明,燃用不同燃料,NOx排放浓度与其挥发分含量呈正相关关系;随温度的提高,NOx排放浓度增大;炉膛气氛对NOx排放浓度影响巨大,随过量空气系数和一次风率增大,NOx排放浓度增大;随钙硫摩尔比增大,NOx排放浓度减小.试验结果对掺烧石油焦的循环流化床锅炉运行具有参考作用.     

基于支持向量机和果蝇优化算法的循环流化床锅炉NO_x排放特性研究

为了控制循环流化床(CFB)锅炉的NOx排放量,以某热电厂300MW CFB锅炉测试数据为样本,应用支持向量机(SVM)建立NOx排放特性预测模型.针对SVM回归预测需要人为确定相关参数的不足,应用果蝇优化算法(FOA)优化SVM参数,采用不同工况下的样本数据检验FOA-SVM模型的预测性能,并将该模型的预测结果与粒子群算法(PSO)、遗传算法(GA)和万有引力搜索算法(GSA)优化的SVM模型预测结果进行了比较.结果表明:FOA-SVM模型的泛化能力较强,预测精度较高,训练时间较短,可以相对快速、准确地预测NOx排放质量浓度.     

基于改进人工蜂群算法的锅炉NO_x排放预测优化

针对电厂循环流化床锅炉NOx排放问题进行了研究,并对人工蜂群算法进行了改进,结合最小二乘支持向量机建立了锅炉燃烧NOx排放模型,对锅炉可调参量进行了优化,降低了NOx排放浓度。将改进的人工蜂群算法与基本的人工蜂群算法和粒子群算法进行比较,说明基于改进人工蜂群算法所建立的模型能够很好的预测NOx的排放浓度,具有很强的辨识能力和泛化能力,同时也表明了改进人工蜂群算法计算速度快的优点及优化数据上的优势,通过仿真试验,优化后NOx排放浓度明显降低,体现了其工程实用价值。     

基于正弦余弦算法的汽轮机热耗率预测

为了准确建立汽轮机热耗率预测模型,提出了一种基于量子位Bloch坐标编码自适应的改进后正弦余弦算法(ASCA)和快速学习网(FLN)综合建模的方法.首先将ASCA算法与经典的人工蜂群优化算法(ABC)、教与学优化算法(TLBO)和正弦余弦算法(SCA)进行比较,最后利用某600MW超临界汽轮机组现场运行数据建立汽轮机热耗率预测模型,并将ASCA算法优化的FLN模型(即ASCA-FLN模型)的预测结果与FLN、ABC-FLN、TLBO-FLN和SCA-FLN模型的预测结果进行比较.结果表明:ASCA-FLN模型具有更高的预测精度和更强的泛化能力,更能准确地预测汽轮机的热耗率.     

循环流化床锅炉降低NO_x排放浓度试验与优化改造研究

NOx排放浓度低是循环流化床锅炉的主要优点之一,但国内一些循环流化床锅炉的NOx排放浓度不能满足《火电厂大气污染物排放标准》(GB 13223—2011)的要求,给电厂的环保、经济运行带来了不利影响。在研究分析了各种影响循环流化床锅炉NOx排放浓度的运行控制因素后,对循环流化床锅炉进行了降低NOx排放浓度的燃烧优化调整试验。结果显示:NOx排放浓度会随氧量、一次风率、床温的增加而增加,同时其还与上、下二次风比例、SO2排放浓度有关联。对于NOx排放浓度较高的循环流化床锅炉,可以采取二次风系统改造、增加烟气再循环措施,必要时增加SNCR脱硝系统。     

前后对冲旋流燃煤锅炉CO和NO_x分布规律的试验研究

针对某电厂600MW超临界机组前后对冲燃煤锅炉CO排放质量浓度较高且局部易出现峰值、沿炉膛宽度方向左右侧偏差明显、在不同O2体积分数下变化较大的现象,通过现场试验分析了O2体积分数和燃尽风风量对CO和NOx排放质量浓度的影响,提出了降低CO排放质量浓度的调整控制措施.结果表明:该电厂前后对冲旋流燃煤锅炉的CO排放质量浓度较高是由于配风不均而造成的;关小侧燃尽风二次风挡板开度及燃尽风二次风和三次风挡板开度,有利于降低CO排放质量浓度;综合考虑CO和NOx排放质量浓度的变化趋势,运行O2体积分数为3.0%时较为合适.     

煤泥循环流化床锅炉NOx排放特性研究

为有针对性地进行CFB(循环流化床锅炉)锅炉设计以及优化锅炉运行参数,需了解煤泥CFB燃烧NO_x排放特性及其影响因素。本文通过对一台20 t煤泥循环流化床锅炉进行相应的测试分析,得到NO_x排放浓度随床温和氧量的变化规律。研究结果表明,维持锅炉炉膛过量空气系数1.2,下料层床温由800℃升到935℃的过程中,NO_x浓度由296 mg/m~3上升到341 mg/m~3;维持下料层床温905℃,烟囱中部烟气氧含量由9.3%升到10.5%的过程中,NO_x排放浓度由285 mg/m~3上升至377 mg/m~3。在控制下料层床温和炉膛氧含量这两个参数条件下,可使得烟囱中部NO_x排放浓度水平整体降低,平均排放不高于250 mg/m~3,整体保持在300 mg/m~3以下,符合限定地区污染物排放要求。在一定运行参数范围内,NO_x排放浓度随下料层床温升高而增大,随氧量升高而增大。     

基于差分量子粒子群算法的锅炉NOx排放模型优化

提出一种基于改进的差分量子粒子群(DEQPSO)算法,将其与超限学习机(ELM)相结合,以某1 000 MW超超临界机组锅炉燃烧系统为研究对象,建立了NO_x排放模型,采用现场样本数据测试所建模型的预测能力,并将该模型的预测结果与基本超限学习机以及引力搜索算法(GSA)、粒子群算法(PSO)和量子粒子群算法(QPSO)优化的超限学习机模型的预测结果进行了对比。结果表明:DEQPSO算法具有更好的参数优化性能,DEQPSO-ELM模型具有较强的泛化能力和良好的预测精度,为电站锅炉NO_x排放质量浓度预测提供了一种有效方法。     

基于煤种掺烧模式的锅炉燃烧NO_x预测模型

结合某660 MW锅炉入炉煤种煤质、磨煤机组合方式、配风方式和锅炉运行参数等,利用支持向量机建立了锅炉燃烧NO_x预测模型,并利用该模型进行了应用模拟,在保持其他参数不变的情况下,研究了氧体积分数、燃尽风率、配风方式、煤种及磨煤机组合方式对NO_x质量浓度的影响.结果表明:模型具有较好的准确性和泛化能力以及理想的调节性能;模型包含煤种及磨煤机组合方式信息,对于煤种煤质多变机组,提高了预测NO_x质量浓度的准确性,这对降低NO_x质量浓度和保证稳定燃烧的优化调整,尤其是对指导入炉煤调配及煤炭采购甚至实现智慧燃料具有重要意义.     

基于数据和神经网络的燃气轮机NOx排放预测与优化

基于大量运行数据,采用神经网络对燃气轮机NOx排放及燃烧稳定性参数进行建模,针对影响燃烧性能的参数进行了敏感性分析,确定其大小及正负相关性,并据此对实际工况点参数进行调整,将模型预测结果与物理规律定性分析结果进行对比.结果表明:模型的预测结果与基于机理的定性分析结果基本一致,即NOx质量浓度随燃料质量流量的增加而升高,...     

基于万有引力搜索算法的电厂锅炉NO_x排放模型的参数优化

以某330MW煤粉汽包锅炉为测试对象,以支持向量回归机为基础,利用最小二乘支持向量机和一种新的寻优算法———万有引力搜索算法进行了综合建模及参数优化.结果表明:建立的模型较好地实现了对电厂锅炉NOx质量浓度排放量的预测;与遗传算法、蜂群算法和粒子群算法相比,万有引力搜索算法能更好地找到未知优化参数,使得所建模型具有更高的预测能力和泛化能力,从而有效控制燃煤电厂NOx的排放量.     

基于炉内温度分布的NOx排放特性的神经网络模型

电站锅炉燃烧产物NOx的生成受煤种、锅炉负荷、配风方式、过剩空气系数、炉膛温度以及其分布的均匀性等多种因素的制约非常复杂。借助优化燃烧调整试验数据,将燃烧过程三维温度场可视化检测信息如炉膛断面最高温度作为重要原始信息,建立反映锅炉NOx排放特性的神经网络模型,并对此模型进行了校验。结果表明,该模型能准确预报锅炉在不同工况下的NOx排放特性,结合全局寻优技术,可为大型电厂锅炉低NOx排放提供稳态优化运行方案。     

基于改进模糊聚类与IPSO-SVM的燃煤电站NOx排放多模型预测

通过挖掘大量脱硝系统现场运行数据,提出一种新的多模型选择性催化还原(SCR)脱硝系统建模方法:首先对SCR脱硝系统进行理论分析和实际运行研究,应用改进遗传模拟退火的模糊聚类算法对训练集进行聚类划分,得到最优聚类效果;然后建立相应的支持向量机子模型,并采用改进的粒子群算法对模型参数进行优化,所建立的子模型通过隶属度值加权融合得到最终的整体预测模型。以某电站锅炉脱硝系统为例,对所提出的方法进行验证,并与其他建模方法进行比较。结果表明:所建立的模型具有较高的泛化能力和预测精度。     

DG-1000/17.6-IIb型锅炉NO_x排放特性试验研究

分析了华能汕头电厂DG - 10 0 0 / 17 6 -IIb型锅炉NOx排放的特性。通过全面的燃烧调整试验 ,对NOx 排放特性和飞灰可燃物Cfh的各种影响因素进行了比较 ,试验表明 ,该锅炉的NOx 排放量较低 ,但飞灰可燃物Cfh偏高。同时 ,提出了降低飞灰可燃物Cfh的几点建议。     

基于集成深度玻尔兹曼机和最小二乘支持向量回归的燃烧过程NO_x预测算法

通过研究燃烧过程中的火焰自由基图像与NO_x排放之间的关系,提出了集成深度玻尔兹曼机和最小二乘支持向量回归的NO_x预测算法.首先采用深度玻尔兹曼机对4类火焰自由基图像(OH*、CN*、CH*和C*_2)进行自动图像特征学习,然后用最小二乘支持向量回归来拟合图像特征与NO_x排放量之间的关系,进而对NO_x排放量进行预测.结果表明:NO_x排放预测值与NO_x排放参考值具有一致性;与已有的基于图像的NO_x预测算法相比,所提方法在预测精度方面具有明显的优势.