火电厂锅炉燃烧优化方法分析与研究

论文摘要

目前我国仍以火电为主,火电在电力装机比重分别高达70%多,发电量比重分别高达80%多,火电厂耗煤占全国煤炭消耗量的50%以上,这就直接导致火电企业排放二氧化硫占全国排放量45%,排放的二氧化碳占全国碳排放量的40%。因此,火电企业,在低碳经济发展中面临着严峻的节能减排压力。锅炉燃烧过程,是一个极其复杂的物理化学反应过程。在火力发电厂的运行中,由于电网负荷、燃料成分含量等各种实际因素的影响,所以锅炉和机组的实际运行状态在不断的进行调整。在确保锅炉蒸汽的品质、产量和安全运行的同时,实现锅炉的经济运行,就必须要对锅炉的送煤、给水、给风等运行参数进行实时的优化调整和控制。目前国内一些电厂所采用的调节控制大多无法根据锅炉燃烧的特点达到最佳的运行工况。而且随着机组负荷变化,运行效率变化也非常大,很难保持机组运行在最佳运行状态。随机组长期运行,如果还是按原来运行控制基准,运行人员也会表现出不适应机组变化。基于种情况,锅炉的燃烧优化控制系统备受研究人员的关注。而火力发电厂要实现节能降耗,减少污染排放,加强锅炉燃烧侧的优化控制则是最行之有效的方法之一。本文研究了锅炉燃烧优化系统的两项关键技术:模型预测技术和最优搜索技术。并且参照一些国外的先进锅炉燃烧优化系统,讨论实时闭环控制的锅炉燃烧优化系统的软件结构及其技术特点。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 背景介绍
• 1.2 锅炉燃烧优化现状
• 1.3 燃烧优化闭环控制技术
• 1.4 成功实施燃烧优化闭环控制软件的关键点
• 1.5 本章小结
• 第2章 锅炉燃烧特性的神经网络模型
• 2.1 概述
• 2.2 电站锅炉燃烧过程建模的要求
• 2.3 人工神经网络基本原理
• 2.3.1 人工神经网络的数学模型
• 2.3.2 人工神经网络的特点
• 2.4 BP 神经网络模型设计
• 2.4.1 BP 神经网络模型
• 2.4.2 模型的输入与输出
• 2.4.3 模型的层数
• 2.4.4 模型的拓扑结构
• 2.4.5 代价函数和激励函数
• 2.4.6 学习速率
• 2.5 BP 算法的改进
• 2.6 BP 网络的泛化能力
• 2.7 神经网络模型的训练过程
• 2.8 本章小结
• 第3章 基于预测模型的锅炉燃烧最优搜索技术
• 3.1 最优搜索技术综述
• 3.2 遗传算法简介
• 3.3 遗传算法的步骤
• 3.3.1 编码
• 3.3.2 适应度
• 3.3.3 遗传算法的基本步骤
• 3.3.4 遗传算法的收敛性
• 3.4 遗传算法在锅炉燃烧优化中的应用
• 3.4.1 锅炉燃烧优化模型
• 3.4.2 遗传算法的设计和应用
• 3.5 本章小结
• 第4章 锅炉燃烧闭环优化系统探讨
• 4.1 锅炉燃烧优化软件结构
• 4.2 国外先进锅炉燃烧优化系统现状
• 4.2.1 Power Perfecter 锅炉燃烧优化控制系统
• 4.2.2 ULTRAMAX 生产过程的在线辨识与最优化技术
• 4.2.3 GNOCIS PLUS 燃烧优化系统
• 4.2.4 NeuSIGHT 神经网络燃烧优化闭环控制系统
• 4.3 本章小结
• 第5章 总结
• 5.1 研究工作总结
• 5.2 今后研究的重点
• 5.3 展望
• 参考文献
• 攻读硕士学位期间发表的学术论文及其它成果
• 致谢
• 详细摘要