基于神经网络的固体未完全燃烧热损失研究

燃煤工业锅炉的固体未完全燃烧热损失q4的常规测试方法,需现场采集飞灰、漏煤和炉渣并由实验室化验完成,测试成本高,周期长;对于运行中的锅炉,很难对其燃烧状况进行在线有效判断。为了实时监测燃煤锅炉的固体未完全燃烧热损失,现基于MATLAB的BP神经网络,建立锅炉固体未完全燃烧热损失q4的预测模型,可快速预测出q4。并在此基础上,建立模糊神经网络,完成对q4的优化。对于锅炉q4的预测模型,结果显示预测值与期望值之间的平均误差在0.538 8%,基本能满足实时在线检测时计算固体未完全燃烧热损失q4和及时调整锅炉运行工况所需,从而有效提高锅炉运行的经济性。