大型电站锅炉飞灰含碳量优化模型研究

借助锅炉燃烧特性试验结果,建立了基于支持向量回归的大型电站锅炉飞灰含碳量模型.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飞灰含碳量进行预测.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,对飞灰含碳量排放进行寻优,并获得了具体工况下的最佳操作参数.     

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。     

电站锅炉NOx排放与效率的混合建模及优化

由于锅炉设备庞大,运行条件复杂,煤种多变等因素,很难建立锅炉NOx排放与效率的函数模型。利用最小二乘支持向量机(LS-SVM)建立了以锅炉NOx排放与热效率为输出的混合模型,并对此模型进行了校验。结果表明,该模型具有调节参数少、运算速度快、结果稳定、预测精度高等优点,可以根据燃煤特性以及各操作参数准确预报锅炉在不同工况下的NOx排放和效率。针对模型的多目标优化问题,采用多目标粒子群优化算法MOPSO(multiple objective particle swarm optimization)对某工况进行优化仿真,在提高效率的同时降低了NOx排放。     

在线监测燃煤锅炉NOx排放的自适应支持向量机模型

提出了一种基于改进的在线支持向量机自适应建模方法,并应用于电站锅炉NOx排放连续监测和特性分析.对常规在线支持向量机方法进行了改进,提出了新的样本剔除规则,保证了训练集内样本分布的均匀性.通过该改进方法对基于试验数据的常规向量机模型预测余差进行了连续估计,并预估煤质等因素引起的NOx排放特性的变化,从而补偿了实际工况与试验工况的差别,以便正确给出锅炉NOx排放特性.     

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.     

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。     

旋流器流量分配对燃气轮机燃烧性能的影响研究

目前锅炉燃烧控制主要依靠人工手动调整,为解决运行经验差异导致锅炉燃烧性能差异的问题,提出了一种基于动态标杆值的电站锅炉燃烧控制优化方法。在建立燃烧模型的基础上,以归一化经济与环保指标得到综合效益因子作为寻优判据,对历史工况进行数据挖掘,实现全工况下基于动态标杆值的运行参数自主寻优和更新,使锅炉燃烧、污染物排放相互协调。该方法已于某燃煤电站成功实践,结果表明：在应用案例中,寻优推送后综合效益因子提高了4.34%,使得锅炉热效率和NOx排放质量浓度相互协调更优。     

基于效率与NOx排放的锅炉燃烧优化试验及分析

电站燃煤锅炉NOx排放的特性非常复杂.电站锅炉的运行需同时考虑降低运行成本和NOx排放,针对国电谏壁电厂300 MW锅炉进行效率与NOx排放试验,找到了适合该锅炉的高效低NOx排放优化运行工况,与习惯运行工况相比,锅炉效率提高了0.64%,NOx排放降低了144 mg/Nm3.     

电站煤粉炉NO_x排放特性的最小二乘支持向量机模型

为获得电站煤粉炉NOx排放特性的在线预测模型,实现低NOx闭环运行控制,以某电厂300MW四角切圆燃烧煤粉炉为研究对象建立了NOx排放特性的最小二乘支持向量机模型.在建模过程中,进行了模型性能对核函数、惩罚因子γ和核函数参数σ2的敏感性分析,并运用遗传算法和交叉证实获得了γ和σ2的最佳值.最后利用不同试验工况下的样本数据检验了模型的预测性能,并将该模型的预测性能与BP神经网络模型相比较,结果说明该模型的建模特点和预测性能能够满足NOx排放的在线预测.     

基于SVM的对冲燃煤锅炉NOx排放特性

提出了一种基于支持向量机理论在燃煤锅炉NOx排放预测的方法．对某台300 MW旋流对冲燃煤电站锅炉进行了多工况热态试验,考虑温度对NOx生成的影响,利用火焰诊断系统对炉膛温度场进行了测量．应用支持向量机理论建立了NOx排放特性模型并进行了校验．通过同神经网络模型比较,证实了该模型泛化能力强、预测精度高的优点．该模型可为电厂锅炉通过燃烧调整降低NOx排放提供参考．