火电厂燃煤管理系统智能控制的研究

论文摘要

针对电厂燃煤管理系统的运行特点,提出了一种电站燃煤分类分仓储存的智能决策系统和一种适合电厂运行的在线优化配煤模型。采用两两比较法权衡热值、挥发分、硫分、灰分和单价等指标的权重;采用灰色综合聚类分析法依据上述指标对燃煤进行分类;采用专家系统实现燃煤的分仓储存,为下一步优化配煤技术的实现奠定了基础。采用神经网技术对混煤的煤质参数进行预测,用改进的遗传算法对配煤方案进行求解。仿真实验证明,神经网络技术解决了加权平均法预测精度不高的问题,用遗传算法得到了符合生产实际的配煤问题的最优方案。实际案例证明,本文提出的方法能够满足现场运行的要求,有一定的理论意义和工程实用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景及意义
• 1.1.1 电力工业市场化改革要求发电企业降低运行成本
• 1.1.2 国民经济可持续发展战略对发电企业节约能源的要求
• 1.1.3 为了实现环境、资源、发展的和谐统一，要求发电企业降低污染
• 1.1.4 生产稳定性和锅炉运行安全性对电厂燃煤管理系统提出新的要求
• 1.2 火电厂燃煤管理系统现状
• 1.3 论文的主要工作内容
• 第二章 电厂燃煤优化系统基本问题描述
• 2.1 火电厂燃煤分类分仓问题描述
• 2.2 火电厂优化配煤问题描述
• 2.3 火电厂优化配煤模型
• 2.3.1 约束条件
• 2.3.2 数学模型
• 2.4 本章小结
• 第三章 燃煤的分类技术研究
• 3.1 价值权衡的两两比较法
• 3.1.1 两两比较法确定比较矩阵
• 3.1.2 和积法计算权重系数
• 3.1.3 一致性检验
• 3.2 灰色综合聚类分析法
• 3.2.1 灰色聚类三角白化权函数确定
• 3.2.2 关于灰色综合聚类分析的一些概念
• 3.2.3 灰色综合聚类分析法基本步骤
• 3.3 实际案例分析
• 3.3.1 燃煤指标权重的确定
• 3.3.2 燃煤的分类
• 3.4 本章小结
• 第四章 电厂燃煤分仓储存的实现
• 4.1 专家系统概述
• 4.1.1 专家系统的组成
• 4.1.2 专家系统的基本特征
• 4.1.3 专家系统的知识表示
• 4.2 基于规则专家系统
• 4.2.1 基于规则专家系统的特点
• 4.2.2 基于规则专家系统的工作模型和结构
• 4.3 实际案例分析
• 4.3.1 电厂分仓储煤专家系统的功能
• 4.3.2 电厂分仓储煤专家系统的实现方案
• 4.3.3 电厂分仓储煤规则
• 4.4 本章小结
• 第五章 煤质参数的预测
• 5.1 BP 神经网络
• 5.1.1 BP 网络算法描述
• 5.1.2 BP 网络的主要能力
• 5.1.3 BP 算法的不足
• 5.1.4 BP 算法的改进
• 5.1.5 BP 算法的计算步骤
• 5.1.6 BP 网络参数的确定
• 5.2 加权平均法
• 5.3 实际案例分析
• 5.3.1 混煤热值预测
• 5.3.2 混煤挥发分预测
• 5.3.3 混煤硫分预测
• 5.3.4 混煤灰分预测
• 5.4 本章小结
• 第六章 配煤模型的求解
• 6.1 遗传算法综述
• 6.1.1 遗传算法的产生和发展
• 6.1.2 遗传算法的特点
• 6.1.3 遗传算法的基本原理
• 6.1.3.1 编码
• 6.1.3.2 初始群体的设定
• 6.1.3.3 适应度函数的设计
• 6.1.3.4 遗传算子
• 6.1.3.5 控制参数选择
• 6.1.3.6 约束条件的处理
• 6.1.4 Pareto 最优解的定义
• 6.2 遗传算法在实际配煤模型中的应用
• 6.2.1 电厂配煤问题的遗传算法模型
• 6.2.2 遗传算法的不足与改进
• 6.2.3 改进遗传算法的步骤
• 6.3 实际案例仿真
• 6.4 本章小结
• 第七章 总结与展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况