基于遗传算法和支持向量机的低NOx燃烧优化

大型四角切圆电站锅炉NOx排放是造成环境污染的重要因素，也是电厂关心的重要问题。影响燃煤锅炉NOx排放量的因素众多而且复杂。对锅炉NOx排放特性进行建模预测，并结合优化算法实现燃烧优化是降低锅炉NOx排放的有效方法。文中应用支持向量机算法建立了大型四角切圆燃烧锅炉NOx排放特性模型，接合遗传算法，利用NOx排放的热态实炉试验数据对模型进行了校验，对锅炉运行参数进行了优化。结果表明，通过遗传算法的寻优， NOx排放量有比较明显的降低。支持向量机与遗传算法相结合与其它方法相比具有泛化能力好，计算速度快等优点，是锅炉NOx排放控制的有效工具。     

1 000 MW机组锅炉NOx排放浓度与主要运行因数的多元线性回归

以某电厂1 000 MW超超临界双切圆燃烧锅炉为研究对象,采用现场燃烧调整试验方法,进行了氧量、负荷、燃尽风量、主燃烧区燃烧器风量和配风方式、磨煤机运行组合方式、燃烧器摆角、煤质等因素对锅炉NOx排放影响的试验研究。试验研究结果表明：对于具有先进低NOx燃烧系统的锅炉,煤质因素是NOx排放浓度的主要影响因素之一;运行氧量变化是NOx排放浓度的重要影响因素,随着氧量增加,锅炉NOx排放浓度呈线性增加;负荷也是NOx排放浓度的主要影响因素,其影响的程度取决于负荷和相应的运行氧量水平;而在保持大量燃尽风实现空气分级燃烧的条件下,主燃烧区燃烧器风量和配风方式对NOx排放浓度的影响是微弱的。在此基础上,应用多元线性回归方法,建立了该1 000 MW锅炉NOx排放浓度与主要运行因素的回归经验关系式,该经验关系式可用于该锅炉NOx排放浓度的在线运行控制和预测。     

大型电站锅炉混煤掺烧的NOx排放特性预测与运行优化

在某700 MW四角切圆燃煤电站锅炉的NOx排放特性及锅炉效率多工况热态测试的基础上,应用人工神经网络建立大型四角切圆电站锅炉NOx特性及锅炉效率模型并进行预测,检验样本NOx排放浓度和锅炉效率预测值与实测值的平均相对误差分别为3.63%和0.23%,证实模型的可行性。并在此基础上,结合遗传算法对锅炉运行参数进行优化。优化后NOx排放浓度为421.44、255.05和215.40 mg×m-3,分别降低了37.56%、29.43%和30.56%;锅炉效率为94.56%、94.13%和94.80%,分别提高了0.09%、0.42%和0.88%。该模型可在掺烧非设计煤种情况下寻找出最优运行参数,降低锅炉NOx排放浓度并提高锅炉效率;同时随掺混比的增大,NOx排放浓度降低;掺烧D磨和E磨有利于降低NOx。     

大型四角切圆燃烧锅炉NOx排放特性的神经网络模型

随着环保要求的不断提高，大型燃烧电厂锅炉的NOx排放特性日益受到关注，但其排放特性复杂，受煤种，锅炉设计结构，操作参数等多种因素影响。在对某台600MW四角切圆燃煤电厂锅炉的NOx排放特性进行多工况热态测试的基础上，应用人工神经网络的非线性动力学特性及自学习特性，建立了大型四角切圆燃烧锅炉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，该模型能根据燃煤特性及各种操作参数准确预报锅炉在不同工况下的NOx排放特性，如结合全局寻优技术，可为大型电厂锅炉通过燃烧调整降低NOx排放提供有效手段。     

变尺度混沌蚁群算法在NOx排放优化中的应用

为了控制燃煤电厂NOx排放,应用支持向量回归建立了大型四角切圆燃烧电站锅炉NOx 排放特性模型。利用大样本量的热态实炉NOx 排放试验数据对模型进行了训练和验证,结合NOx排放模型采用一种变尺度混沌蚁群算法对锅炉运行参数进行优化, 定量分析优化算法参数对优化结果的影响。计算结果表明,相对于BP神经网络,支持向量回归模型能更好地预测锅炉NOx排放;变尺度混沌蚁群算法能明显降低NOx排放,且具有较高的稳定性与鲁棒性,1.8 min的优化时间也便于在线应用;支持向量回归与变尺度蚁群混合算法能有效降低燃煤锅炉NOx排放,是锅炉NOx排放控制的有效工具。     

改进BP神经网络在低氮燃烧优化中的应用

基于燃煤锅炉低氮燃烧优化试验数据,建立了预测NOx排放浓度和锅炉效率的改进BP神经网络模型,通过样本学习,该网络可以精确描述锅炉运行参数与NOx排放浓度和锅炉效率之间的非线性映射关系。仿真结果表明,网络的NOx排放浓度和锅炉效率预测值的相对误差分别小于3.92%和7.6%,能够描述NOx排放浓度和锅炉效率随SOFA风门开度和运行氧量变化的规律,而且预测精度高、泛化能力强,可为燃煤锅炉低氮燃烧优化提供指导。     

燃烧调整对NO_x排放和锅炉效率的影响

在双炉膛、四角切圆燃烧锅炉上进行燃烧调整试验,分析一次风速、配风方式、燃尽风、氧量对NOx排放及锅炉效率的影响,为锅炉运行优化、降低NOx排放提供参考依据。     

电站锅炉热效率和NOx排放混合建模与优化

提高电站锅炉热效率和降低污染物排放对于节约能源和保护环境具有重要意义。人工智能方法在优化锅炉燃烧方面有广泛的应用。该文以某300MW电站锅炉燃烧调整试验数据为基础,采用BP神经网络建立以锅炉效率和NOx排放为目标的锅炉燃烧系统模型,利用遗传算法对模型进行优化,使模型训练精度和预测精度大为提高,锅炉效率平均预测误差由0．22％降至0．06％,NOx排放浓度平均预测误差由3．5％降至0．15％。利用遗传算法进行全局寻优,并用权重系数法将多目标优化转化为单目标优化。结果表明,该方法可根据需要对锅炉效率和NOx排放进行优化,实际中需重点优化锅炉效率或者重点优化NOx排放时只需要改变权重系数即可,由此得到相应的锅炉运行参数,并为锅炉优化运行提供指导。     

四角切圆燃烧锅炉NO_x排放浓度预测

分析影响燃煤锅炉NOx排放浓度的各种因素,给出了各个因素的定性和定量关系。通过曲线拟合方法,得到了NOx排放浓度预测公式,并依此开发出了适用于四角切圆燃烧锅炉的NOx排放浓度预测系统。实际应用结果表明,该系统预测NOx排放浓度准确性较高,其预测值与实测值之差约为10mg/m3(标准状态),可以作为锅炉低NOx燃烧器改造设计的辅助工具。     

大容量燃煤锅炉性能与氮氧化物排放浓度试验研究

测量了7台不同炉型和燃烧器型式的600 MW、660 MW机组燃煤锅炉性能和NOx排放浓度,分析了锅炉结构和燃烧器型式对锅炉性能、NOx排放浓度的影响。数据分析表明,锅炉性能和NOx排放浓度与锅炉结构和燃烧器型式关系密切。大容量机组燃煤锅炉燃烧效率都比较高,但其NOx排放浓度差别很大。W型火焰锅炉燃烧贫煤燃烧温度高,过量空气系数大,其NOx排放浓度最高;燃用高挥发分烟煤的四角切圆燃烧锅炉NOx排放浓度最低;其它机组,采用不同的燃烧器型式和低NOx燃烧技术,燃烧的煤种也不同,锅炉NOx排放浓度介于两者之间,但差别很大。煤种变化、锅炉运行参数变化对锅炉性能和实际NOx排放浓度都有较大影响。     

300MW机组锅炉NO_X排放浓度与主要运行因素的多元线性回归

采用现场燃烧调整试验方法,进行了机组负荷、运行氧量、二次风配风方式、磨煤机运行组合方式和煤质等因素对300 MW机组切圆燃烧锅炉NOX排放影响的试验研究。试验结果表明:氧量、负荷、煤质是NOX排放浓度的主要影响因素;而在保持大量燃尽风实现分级燃烧下,二次风配风方式对NOX排放浓度的影响较小。在燃烧调整试验研究基础上,建立了300 MW锅炉NOX排放浓度与主要运行因素的多元线性回归关系式,该关系式可用于指导锅炉NOX排放浓度的在线运行控制和预测。     

锅炉燃烧系统神经网络建模及多目标优化研究

电站锅炉面临降低运行成本与降低污染物排放的双重要求。依据采集到的燃烧数据,采用神经网络训练得到了锅炉燃烧模型,用于预测锅炉在不同燃烧参数的NOx排放和燃烧效率。并采用多目标优化算法,通过调整锅炉运行参数,在锅炉高效燃烧与NOx低排放之间找到合理的平衡点。     

人工智能技术在电站锅炉燃烧优化中的应用研究

电站锅炉的运行面临降低运行成本与降低污染物排放的双重要求，高效低污染的优化决策问题日益引起关注。由于锅炉设备结构庞大，运行条件复杂，燃料性质多变等因素，建立电站锅炉排放特性的函数模型难度极大，为满足锅炉高效低污染燃烧优化研究的需要，该文借助优化燃烧特性试验数据，建立了电站锅炉热效率与NOx排放的响应特性的神经网络与解析函数的混合模型。文中使用了非函数形式的响应模型，燃烧优化采用了十进制遗传算法。优化数值解表明，该方法可针对锅炉热效率和NOx排放的不同优化目标，给出可行的调整各风门开度等操作量的优化控制方案。     

600 MW锅炉氮氧化物整体控制实践

燃煤电厂是NOx生成排放的主要来源之一,分析某600 MW燃煤锅炉面临的NOx排放浓度高、脱硝装置投入率低和SCR装置NOx浓度分布均匀差等问题。针对NOx排放浓度高,进行低氮燃烧器改造;针对脱硝装置投入率低,采取燃烧调整和有控制的脱硝低温运行;针对SCR装置NOx浓度分布均匀差,进行脱硝AIG氨喷射系统优化调整。通过调整与改造将锅炉NOx排放浓度由450～650 mg/m3降低到280 mg/m3,脱硝装置投入率由55%提高到99.5%,提高了SCR装置NOx浓度分布均匀性和3%的脱硝效率,实践证明有控制的脱硝低温运行是可行的。     

电厂煤粉锅炉低NOx燃烧的研究

针对江西省贵溪火电厂3号锅炉(125MW、420t／11)，建立了NOχ排放的一维数值模型，同时对该炉进行低NOχ燃烧排放测试，证实了该模型的可行性；为了解锅炉实际运行的NOχ排放特性，通过试验认为一次风速、过剩空气系数、锅炉负荷和磨煤机投停是影响NOχ生成的主要因素，并运用该模型重点分析缩腰配风条件下锅炉燃烧工况对NOχ排放的影响。     

基于变量选择的锅炉NO_x排放的最小二乘支持向量机建模

电站燃煤锅炉是大气NOx污染的主要来源之一,建立有效的NOx排放模型是锅炉优化降低NOx的基础。针对热工过程变量之间的强相关和耦合性,利用偏最小二乘方法(partial least squares,PLS)对多工况实炉热态测试数据进行重要变量(variable importance in projection,VIP)信息提取和变量选择(variable selection,VS),把最优的变量子集作为最小二乘支持向量机(least squares support vector machine,LSSVM)的输入,最终得到NOx排放的VS-LSSVM模型。最优的输入变量个数通过留一交叉验证法获取。并将该模型与其他建模方法进行对比,结果表明通过变量选择后建模可以降低模型的复杂度,提高模型的泛化能力。