锅炉的优化运行问题数学建模精品.doc

《锅炉的优化运行问题数学建模精品.doc》由会员分享，可在线阅读，更多相关《锅炉的优化运行问题数学建模精品.doc（15页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、【精品文档】如有侵权，请联系网站删除，仅供学习与交流锅炉的优化运行问题数学建模精品.精品文档.锅炉的优化运行问题【摘要】一、 问题背景电站锅炉是火力电站的三大主机设备之一，其效率直接影响电厂的经济效益。目前，我国的火力电站锅炉以亚临界和超临界的大容量锅炉为主，由于设备本身及操作管理等方面的原因，性能指标与发达国家相比有较大差距，主要表现在煤耗高和热效率低。2003年，我国供电平均标准煤耗为381g/kw.h，与发达国家平均水平相比，多耗60g/kw.h，热效率低10个百分点。制定“十二五”电力节能减排的规划以来，在2010年中国火电供电标准煤耗下降50克，12年全国6000千瓦及以上火电机组平

2、均供电标准煤耗达到326g/kw.h，已经接近规划目标。今年，我国“节能”与“减排”两大目标的实现并未完全协调，建议制定科学的节能减排的规划与目标，加快开展大气污染、碳排放的联合控制，配套出台协调控制经济政策，提高节能减排的经济性。电站煤耗及效率的影响因素是多方面的，包括锅炉、汽轮机和发电机等设备的结构和运行操作、使用寿命、自动化程度和生产管理水平等，其中主要因素是锅炉运行偏离最佳工况，热效率降低。时间表明，我国发电用煤的来源和种类是经常变化的，电站锅炉偏离最佳工况的现象是时常发生的，所以，必须研究电站锅炉燃烧系统的优化运行问题。目前，300MW是我国当前电厂的主力机组，针对性地进行锅炉优化试

3、验，对提高锅炉效率，改善经济性和安全性具有重要意义。提高燃煤电站锅炉的热效率，节约有限的煤炭资源，同时降低燃煤过程产生的污染，是我国能源实现可持续发展的当务之急，也是电力科技工作者的攻关课题。二、 问题的分析问题一要求我们根据题目分别得出排烟热损失、化学不（或可燃气体未）完全燃烧热损失、机械（或固体）不完全燃烧热损失、散热损失和灰渣物理热损失，与的关系。由于因素过多，应假设考虑主要因素。推导出q2+q3+q4与的关系式，根据matlab的函数求解可以直接找到q2+q3+q4最小值所对应的过量空气系数为1.326。问题二要求我们用反平衡法求锅炉效率。其中首先应考虑影响锅炉效率的因素，再得出主要因

4、素与过量空气系数的关系。其中，有些量与过量空气系数没有直接的关系，应寻求中间变量，以联系锅炉效率和过量空气系数的关系。 问题三要求研究锅炉的运行参数对锅炉效率的影响。由反平衡计算锅炉效率公式可以看出，排烟热损失、化学不（或可燃气体未）完全燃烧热损失、机械（或固体）不完全燃烧热损失、散热损失和灰渣物理热损失，是锅炉效率的直接影响因素。再依据锅炉运行参数表中给出的一些参数，以及部分参考文献，我们理清楚它们与各个热损失的关系，从而分析了锅炉运行参数对锅炉效率的影响。问题四要求我们结合题目数据建立模型探讨锅炉运行优化的方法。由于影响锅炉燃烧效率的因素包括有很多，同时电站锅炉又是一个耦合强烈的多输入多输

5、出的非线性系统，其中的各个环节的动态特性，随着运行工况的变化各不相同。另外，锅炉又具有大惯性，参数时变和很多不确定的因素，因此，我们选择人工神经网络和遗传算法建立模型来研究探讨锅炉的优化运行方法。三、 基本假设1.本次建模都以300MW电站锅炉为例分析，不考虑其他规格锅炉。2. 过量空气系数对化学不完全燃烧热损失影响较小，故视为常数处理。3.计算最佳过量空气系数是只考虑排烟热损失q2、化学不（或可燃气体未）完全 燃烧热损失q3、机械（或固体）不完全燃烧热损失q4四、 模型的主要符号与变量说明Qpy排烟温度，Tamb环境温度，燃料特性系数，与燃料种类有关RO2烟气中 SO2 和 CO2 的含量灰

6、分Cfh炉膛出口飞灰含碳量Qgy应用基高位发热量锅炉效率， q1有效利用热 q2排烟热损失 q3化学不（或可燃气体未）完全燃烧热损失 q4机械（或固体）不完全燃烧热损失五、 问题一的模型建立与求解5.最佳过量空气系数的确定在锅炉的实际运行中，为使燃料燃尽，实际供给的空气量总是要大于理论空气量，超过的部分称为过量空气量，过量空气系数是指实际空气量与理论空气量之比。 5.1过量空气系数与主要热损失的关系（1）与排烟损失q2关系根据经验公式有 q2=(3.51(-tamb)+0.42Qpy)10-2% （1）式中 Qpy排烟温度， Tamb环境温度，排烟热损失 q2 是锅炉热损失中最大的一项。在运行

7、中，要尽可能地在保证完全燃烧的条件下降低 q2，来提高锅炉的燃烧效率，从式(1)可以看出降低 就可以降低 q2。(2) ） 与化学不完全燃烧损失 q3的关系根据经验公式有q3 3.2CO% （2） CO%= =2.37 式中 燃料特性系数，与燃料种类有关 RO2烟气中 SO2 和 CO2 的含量化学不完全燃烧损失 q3 较其他热损失小，但是 对热效率也是有一定影响的，从式（2）可看出 q3 与 和 CO乘积成线性关系。 而在正常运行的情况下，若燃料不发生变化，CO的量是很小的，基本认 为不变，故而可认为q3与 也成线性关系。由于过量空气系数对化学不完全燃烧热损失q3影响较小，故可视为常数处理。

8、（3） 和固体不完全燃烧损失 q4的关系 根据经验公式 （3）式中 灰分 Cfh炉膛出口飞灰含碳量 Qgy应用基高位发热量从式(3)可以看出，q4的大小不仅与 ,有关，而且还和 有关，由附录2得，与过量空气系数有着对应关系。当增加时，减少，但两者彼此的速率不同。1.2 最佳过量空气系数 从式（1）、式（2）和式（3）中可以看出 与反平衡 热效率 的关系。 由于 q2+q3+q4之和占全部热损失 的 80%左右，因此可以认为：当 q2+q3+q4最小时，即是锅炉运行中的最佳过量空气系数 ， 它们的关系 如图 1 所示。实际运行中， 越趋近于zj，锅炉的热效率越高，所以 是锅炉运行的一个重要经济指

9、标。 在现场中，把 zj 作为标准值，以检测烟气中氧的含量来 监测 ，使之与标准值比较，检查送风量是否合理。 而 zj 根据试验和经验值确定，由于 随工况的变化 而变，所以 zj 也是处于不断变化的，仅仅靠经验值， 误差会很大，对锅炉的热效率的影响也是不容忽视 的。 所以如果可以根据负荷和煤种的变化及时得出 该负荷该煤种下的 zj 来修正经验值，就可以大大降 低上述误差。由式（1）、式（2）和式（3）得q2+q3+q4=198Cfh/(100-Cfh)+4.1067+x其中X为化学不完全燃烧热损失，为某个常量。因为可以有附录2得出膛出口飞灰含碳量Cfh与过量空气系数的关系，所以，最后q2+q3

10、+q4是一个只关于的函数，用matlab的拟合，得:其拟合系数达到了0.91，对应公式为Cfh=16.71246.23+36.32用这个公式推导出q2+q3+q4与的关系式，根据matlab的函数求解可以直接找到q2+q3+q4最小值所对应的过量空气系数为1.326六、 问题二的模型建立与求解 锅炉作为燃煤电站的主要热力设备，对其燃烧效率的准确计算和分析是指导电厂运行调整，实现机组经济，高效，稳定运行的关键。根据锅炉热平衡理论 , 按照电站锅炉性能试验规程 中的规定 , 利用反平衡方法计算锅为：，% （4） 式中锅炉效率， q1有效利用热 q2排烟热损失 q3化学不（或可燃气体未）完全燃烧热损

11、失 q4机械（或固体）不完全燃烧热损失 q5散热损失q6灰渣物理热损失 分析式(4)可知 , 影响锅炉效率的因素有q2 、q3 、q4 、q5 、q6 。 其中 , q5主要与锅炉散热表面积的大小 、水冷壁的敷设情况 、管道的保温以及周围环境有关q6主要指灰渣带走的物理热损失和冷却热损失 , 决定于燃料的灰分 、燃料的发热量和排渣方式等 , 这两项损失在锅炉机组的实际运行中不能控制调整。 在实际锅炉效率计算中常忽略灰渣的物理显热损失 , 但近年投产运行的中大型机组采用干式除渣 , 达到了节水 、节能和灰渣的综合利用 , 同时在计算过程 中常常忽略气体未完全燃烧热损失, 因此有效地减少q2 和

12、q4, 是提高锅炉效率的关键。在锅炉参数耗差分析中，主要分析排烟温度，运行氧量，飞灰含碳量等偏差离基准值时引起的煤耗率的变化。在分析氧耗量引起的煤耗偏差，一般从热损失计算公式中求得氧量引起的煤耗偏差，然而由文献可知，运行氧量发生变化时，对经济性的影响除了烟气引起的排烟热损失的变化外，同时还将引起其他运行参数的改变，包括排烟温度，飞灰含碳量等。因此，仅从热损失计算公式求得氧量变化对锅炉效率的影响是片面的。过量空气系数较容易调整, 一般是通过改变送、引风机电流的方法来改变总风量而改变过量空气系数。当过量空气系数改变的时候, 排烟温度、灰渣含碳量、主汽温、主汽压、再热汽温、再热汽压等参数都会变化,

13、对锅炉的燃烧和锅炉效率的影响也很大。6.1计算排烟热损失q2在锅炉实际运行中, 影响效率的主要因素是锅炉的排烟温度和飞灰含碳量 , 是由于排烟温度于环境温度造成的热损失q2, 在锅炉的各项热损失中 ,q2 是最大的一项 , 一般为 4%一8% 。 排烟温度每升高10 , 锅炉效率降低 0.5%左右。飞灰含碳量增加1%, 影响锅炉效率0.4% 左右。 q2=x100% Q2=Qgy+Qh2o式中：Q2排烟带走的热量 , KJ/kg Qgy干烟气带走的热量，KJ/kg Qh2o烟气中所含水蒸气的热量，KJ/kg 干烟气带走的热量： Qgy=VgyCpgy(Qpy-to)式中：Cph2o水蒸气从to

14、到Qpy的平均定压比热 Vh2o烟气中所含水蒸气容积6.2计算化学不完全燃烧热损失q3 对于燃煤锅炉，烟气中的H2，CH4等可燃气体的含量极少，可认为烟气中的可燃气体只有CO.其计算公式为： q3=式中，燃料有一部分没有参与燃烧及生成烟气，故应对烟气中一氧化碳的容积进行修正。在进行锅炉设计时，q3可按经验数据选用。一般，固态排煤粉炉，q3=0%,一般q3不超过0.5%。6.3计算散热损失q5 散热损失通过试验来测定非常困难，一般通过由大量经验数据绘制的关系曲线来确定。锅炉额定容量De与散热损失的关系曲线如图所示：当锅炉在非额定容量下运行时，计算公式为： q5=qe 影响散热损失的主要因素有锅炉

15、额定蒸发量，锅炉实际蒸发量，外表面积，水冷壁和炉墙结构，管道保温以及环境情况等。对于容量较大的锅炉，散热损失一般小于0.5%。散热损失有两个特点： （1）额定蒸发量越大，散热损失的百分数越小。一般，锅炉容量增大，外表面积也相应增加，锅炉散发的热量增大；但由于燃料消耗量与锅炉容量大致成比例地增加，所以散热损失的百分数减少。 （2）锅炉运行时，负荷越小，散热损失的百分数越大。在锅炉热力计算中，需要知道各段受热面所在烟道的散热损失。通常在某段烟道中，烟气放出的被受热面吸收的程度用保热系数k来考虑，即： k=为了简化计算，认为各段烟道受热面中工质吸热量仅与该烟道中烟气的放热量成正比，并可取同一数值，按

16、整台锅炉的保热系数来计算，即： k=式中 Q1锅炉有效利用热量 Qky空气预热器总吸热量 q5散热损失的热量当空气预热器的吸热量比锅炉有效利用热量小的多时，上式可简化为 k=1-1-k为散热系数，表示受热面所在的烟道的散热程度6.4 计算灰渣物理热损失q6 就一般电厂而言,灰渣物理热损失,数量很小,可不做回收利用,但就煤矸石热电厂而言,燃用的是煤矸石,本来发热值很低,而灰渣量很大,所以产生的相对灰渣物理热损失很大,就节能、环保等方面的要求,对该厂灰渣物理热的利用问题进行分析论证和评价。计算灰渣物理热损失量,估算经济损失和可回收利用的量,论证灰渣物理热可利用的必要性。提出灰渣物理热回收利用的方法

17、,特点及使用条件。灰渣物理热损失的热量可按下式计算： q6=式中：Ahz灰渣份额 （CO）hz1kg灰渣在温度为o时的焓影响灰渣物理热损失的因素主要有燃料灰分，灰渣份额以及灰渣温度。对于固态排渣煤粉炉，只有当燃料灰分很高时，即： Aar时，才考虑此项热损失。七、 问题三求解 7.1 各热损失及对应的运行参数对锅炉效率的影响按照中华人民共和国国家标准的电站性能试验规程（GB PTC），电厂锅炉采用反平衡计算锅炉效率，即：， （1）式中分别表示有效利用热、排烟热损失、化学不（或可燃气体未）完全燃烧热损失、机械（或固体）不完全燃烧热损失、散热损失和灰渣物理热损失。本节通过分别对以及对应的运行参数对锅

18、炉效率的影响来进行分析。7.1.1 排烟热损失的影响烟气离开锅炉末级受热面时带走的部分热量，被称作排烟热损失是锅炉最主要的热损失。排烟带走的热量，是锅炉最主要的热损失。对于煤粉炉,排烟热损失的大小,主要取决于排烟温度的高低和烟气中各组分的容积和比热。而排烟中各组分的容积除与燃料的成分有关外，主要决定于排烟处过量空气系数的大小。在燃料及送风条件稳定时,排烟温度越高锅炉效率越小,一般中小型锅炉排烟温度在200以内，排烟温度每升高10-15，锅炉效率下降1,查找出排烟温度对锅炉的影响趋势,对理论分析及实际运行合理选取控制排烟温度至关重要。而实际情况是不少锅炉的排烟温度超过了200，排烟处的过量空气系

19、数为1.72.5，排烟热损失为820。然而，烟气量对锅炉排烟热损失的影响未能被充分认识，加之烟气量必须借助仪表间接测定，无法直接根据经验确定，这就更加削弱了对烟气量的关注程度。其实烟气量增加与排烟温度增加一样，同样会使排烟热损失提高，而且在程度上决不亚于烟气温度。除了这些，锅炉漏风、鼓引风、配风不合理等都会造成过量空气系数偏大，不仅增大了排烟热损失，造成炉膛温度降低，也增大了其他热损失。7.1.2 化学不（或可燃气体未）完全燃烧热损失的影响可燃气体不完全燃烧热损失主要指一氧化碳未完全燃烧热损失，由于电站锅炉排烟中的一氧化碳含量很少，故不完全燃烧热损失常是作为常数。题中也有提到“由于过量空气系数

20、对化学不完全燃烧热损失影响较小，故可视为常数处理。”故化学不（或可燃气体未）完全燃烧热损失对锅炉效率的影响视作无。7.13 机械（或固体）不完全燃烧热损失的影响输入锅炉的燃料并不都参与燃烧，固体碳颗粒等可燃物质在炉内未完全燃烧即随飞灰和炉渣一同排出炉外，该部分燃料未能燃烧而损失的热量叫固体不完全燃烧损失。对于已投运的锅炉，其炉膛结构参数已经确定，影响机械不完全燃烧损失的因素主要有2类：煤质特性参数和锅炉运行工况。根据煤炭工业节能监测中心多年来对煤炭行业工业燃煤锅炉热效率测试数据表示，固体不完全燃烧热损失主要包括灰渣热损失、飞灰热损失和漏煤热损失3部分，各自占入炉煤总灰量的质量百分比的比例大致为

21、5:4:1。随着管理逐步到位，定期对漏煤进行清理，重新二次燃烧，锅炉漏煤现象能够逐步减少，故锅炉漏煤对固体未完全燃烧热损失的影响并不是主要的。此外，飞灰含灰量比较少，在研究过程中忽略由飞灰带走的热量损失。所以我们一般还通过炉渣含碳量的高.低对进行测量。而对炉渣含碳量的影响仍旧是煤质特性参数和锅炉运行工况。对于题中附录一中没有有关煤质特性的参数，故我们针对锅炉运行工况进行分析：1、 过量空气系数的影响。当炉膛过量空气你系数减少时，煤粉颗粒接触到的氧减少，碳的氧化速度减慢，煤粉燃尽程度降低，增大；同时，空气量的减少，在还原性与半还原性气氛下，炉膛结渣的可能性增大，使得煤粉颗粒的比表面积减少，燃烧不

22、充分，增大。2、 机组负荷的影响。当负荷增大，由于气流扰动加强，风煤混合更加均匀，燃烧更充分，降低；当锅炉负荷在经济负荷以上时，增加负荷会使炉膛的容积热负荷增加，缩短煤粉在炉内停留时间，燃烧不充分，增大。7.1.4 散热损失的影响 锅炉运行中，汽包、联箱、构架、汽水管道和炉墙等温度都高于周围环境温度，因而热量将散失到空气中去，这部分热量损失称为散热损失。对于特定的锅炉主要受锅炉负荷的影响，可以近似地认为散热损失与锅炉实际负荷成反比变化，和煤质没有相关行，而针对300MW的锅炉，有一下散热损失计算式：式中：锅炉额定负荷，；锅炉实际负荷，；锅炉额定负荷下的损失散热，。锅炉额定负荷下的散热损失是按图

23、所示的曲线来查取的。7.1.5 灰渣物理热损失的影响 锅炉中排出的灰渣还具有相当高的温度，由此造成的热量损失称为灰渣物理热损失。它的大小取决于锅炉运行时的灰渣量和灰渣温度，而灰渣量是由锅炉燃煤的灰分决定，灰渣温度由锅炉的排渣形式决定。灰分高或发热量低或排渣率高的锅炉这项损失就大。锅炉灰渣物理热损失可按下式计算：式中：、炉渣温度、排烟温度、沉降灰温度、环境温度，、飞灰、炉渣、沉降灰的比热容，。7.2 锅炉的运行参数对锅炉效率的影响总结八、 问题四的模型建立与求解从前面的计算我们可以看出，锅炉热效率的影响因素有很多，同时电站锅炉又是一个耦合强烈的多输入多输出的非线性系统，其中的各个环节的动态特性，

24、随 运行工况的变化各不相同。另外，锅炉又具有大惯性，参数时变和很多不确定的因素，因此，我们选择人工神经网络模型来研究探讨锅炉的优化运行方法。人工神经网络是基于对人脑组织结构、活动机制的初步认识提出的一种新型信息处理体系。通过模仿神经系统的组织结构以及默写活动激励，人工神经网络可呈现出人脑的许多特征，并具有人脑的一些基本功能。人工什么网络是有大量简单处理单元相互连接构成的高度并行非线性系统，具有大规模并行处理特性。结构上的并行性质使得神经网络的信息存储、分布在网络所有的连接权重。这个特点也使得它变相出良好的容错性。人工神经网络能够在外部刺激下按一定规则调整神经元之间的连接，逐渐构建起神经网络，这

25、个构建网络的过程成为网络的自学习与自组织。人工神经网络过通过对于系统输出的输出样本的学习自动提出蕴含其中的映射规则，从而能够以任意精度拟合任意复杂的非线性函数。已经证明多层前向神经网络具有逼近任意非线性映射的能力。利用神经网络这种通过自学习、自组织来无限逼近非线性映射的能力，模拟实际系统的输入输出关系，使得它可以解决工程领域中许多棘手的问题。采用人工神经网络进行建模的优点主要为：人们可以将问题当作一个黑箱看待，之关心她的输入与输出之间的关系，不考虑其中的过程，对非线性强的问题适应性强；可以选取比常规多的输入参数和输出参数；通过学习，可以不断的跟踪对象的变化 的规律。由于神经网络是通过对实际样本

26、学习进行建模的，所以对于训练样本的选择是影响建模性能的主要因素。样本过少，会导致学习不充分；样本过多，则会使得训练时间增长，甚至引起过度拟合的问题。人工神经网络是又最基本的神经元按照某些结构相互连接形成的网络，再通过特定的学习算法确定相互连接的权重。神经元的特性，网络结构以及学习算法成为决定神经网络特性的三个主要因素。神经网络的种类很多，根据神经元之间的连接方式可以将神经网络结构分为层次性结构和互连型结构。从神经网络内部信息传递方向来分，可以分为前向性网络和反馈性网络。前向神经网络一般是分层结构网络，信息从输入层逐步往输入层传递。通过学习训练，这种网络可以在他的输入输出之间建立像电站锅炉燃烧系

27、统这样的非线性系统的模型，需要它满足如下要求：(1)具有非线性函数的逼近能力以及良好的泛化能力锅炉燃烧性能(飞灰含碳量!排烟温度)与它的多个输入变量之间是非线性关系,神经网络通过学习实际系统样本获得这些规律由于实际过程中,只能获得一部分系统运行状态下的数据,神经网络是在不完备的数据中学习系统规律因此需要神经网络能够给出训练样本之外的一些预测神经网络的这种泛化能力不仅取决于网络的结构,同时与网络的学习过程也有很大的关系。(2)自适应学习能力由于锅炉运行过程中,随着时间的积累,它的特性会发生变化根据最初训练数据建立的模型可能不能够准确反映变化后的锅炉运行规律,所以需要网络能够自适应地在线学习。(3

28、)学习训练速度满足工程需要实际系统需要进行在线提供最优调整参数,需要神经网络在训练学习的时候速度要快,这样才能够满足工程需要在非线性系统建模中使用比较广泛的是前向型神经网络,包括有反向传播(BP)神经网络与径向基函数(RBF)网络当确定了网络的种类,还需要根据实际对象构造网络的结构和学习算法,使其能够满足建模的精度以及自适应在线学习的要求。反向传播BP神经网路反向传播网络(BP)是一种前向型分层神经网络,在人工神经网络实际应用中，绝大部分的函数通近网络使用的是BP网络或其变化的形式。BP的网络结构典型的BP网络是一个三层的网络,包括输入层、隐含层和一个输出层。各层之间全连结，层内的神经元之间没

29、有连接。如下图所示: 图 BP三次结构网络的基本单元是神经元,它是一个多输入单输出的运算单元输入首先经过加权累加,在与一个偏移量相加后,经过一个激励函数便得到神经元的输出,激励函数最常使用的是单极性Sigmoid函数: 所以神经元的输入与输出之间是一个非线性关系,由此构成的神经网络也是一个非线性网络.三层BP网络的数学模型为:输入向量：, 如加入可为隐层神经元引入闽值;隐层输出向量：, 如加入可为隐层神经元引入闽值;输出层输出向: ;期望输出向量为. 输入层到隐层之间的权值矩阵:其中的列向量为隐层第J个神经元对应的权向量;隐层到输出层之间的权值矩阵:,其中列向量是第k个神经元对应的权向量输出层

30、的神经元的输出: , k=1,2,3,.,l = , k=1,2,3,.,l 隐层神经元的输出： , k=1,2,3,.,m = , k=1,2,3,.,m 假设以上两式中,激励函数f(x)均为单极性Sigmoid函数。F(x)具有连续,可导的特点,而且具有: BP网络学习算法 BP网络在使用之前需要确定它的网络结构,网络中连接权系数网络结构可以根据经验来确定,权系数需要通过样本学习训练才能完成BP网络学习训练过程可以描述如下:(1)工作信号前向传播:输入信号从输入层经隐含层,传向输出层,在输出端产生输出信号,这是工作信号的前向传播在信号的前向传递过程中网络的权值是固定不变的,每一层神经元的状

31、态只影响下一层神经元的状态如果输出层的输出与期望值之间有误差,则转入误差信号反向传播。(2)误差信号反向传播:网络的实际输出与期望输出之间的差值即为误差信号,误差信号由输出端开始逐层向前传播,这是误差信号的反向传播在误差信号反向传播的过程中,网络的权值由误差反馈进行调节通过权值不断修正,使网络的实际输出更接近期望输出。上述两个过程不断进行,一直进行到网络输出的误差减少到可接受的程度,或者进行预先设定的学习次数为止。为了说明使用神经网络对于电站锅炉燃烧建模的可行性,我们做了两组实验,分别验证了两种神经网络在构建的多输入单输出(MSIO)模型产生的函数数据以及实际电站锅炉数据中,都能够有很好的拟合

32、精度。机组负荷MW298 245.3215.8192.3烟气含氧量%实测数据平均值5.215.085.886.84主汽流量Dt/h实测数据平均值845.2681.6599.3547.8排烟温度实测数据平均值137.76134.08126.21123.15试验期间平均耗量Kg/h实测数据平均值129357过热蒸汽量Kg/h实测数据平均值1074705过热蒸汽压力（绝对压力）Mpa实测数据平均值16.3过热蒸汽温度实测数据平均值539.3再热蒸汽入口压力（绝对压力）Mpa实测数据平均值3.9再热蒸汽入口温度实测数据平均值338.5再热蒸汽入口流量Kg/h实测数据平均值891191再热蒸汽出口压力（

33、绝对压力）Mpa实测数据平均值3.7再热蒸汽出口温度实测数据平均值538.7再热蒸汽出口流量Kg/h实测数据平均值928475再热蒸汽减温水压力（绝对压力）Mpa实测数据平均值7.7再热蒸汽减温水温度实测数据平均值169.4再热蒸汽减温水流量Kg/h=928475-89119137284锅炉给水压力（绝对压力）Mpa实测数据平均值18.4锅炉给水温度实测数据平均值276.4给水流量Kg/h实测数据平均值1074785炉底灰渣可燃物%取样分析值2炉底排渣率生产长和验收单位商定0.1空气预热器出口烟气中二氧化碳含量%烟气分析数据平均值13.05建立锅炉的热效率神经网络模型,选取了锅炉的一些输入参数

34、:机组负荷、烟气含氧量、主汽流量、排烟温度等作为神经网络的输入量,锅炉热效率作为神经网络的输出量在第一个实验中,所有的样本的数据都是在0-1之间但是对于实际锅炉的数据,它的各个变量的参数的变化范围是相差很大的。这是由于各个输入数据具有不同的物理意义和不同的量纲，所以需要对于各个输入变量进行尺度变化。将所有的输入量都变换到(0,1)之间,或者-1,1之间,就可以给各个输入分量以同等重要的地位,对于RBF网络,将原本广泛分布在输入向量空间里的向量映射到一个紧凑的单位圆内,从而减小了输入向量到节点中心的欧式空间距离,增强了BF神经网络的泛化能力。 图2 图3对于实际锅炉数据,当网络逼近误差精度小于0

35、.1%的时候,可以认为能够满足实际工程需要。这个实验中,我们确定BF网络中心是采用的有监督的学习算法,需要经过大约70多步的迭代后,计算出网络的中心节点在实际锅炉优化系统中,使用试验数据建立起系统最初网络模型的时候,使用这种方法进行离线学习,得到最优的中心节点位置这个过程需要一定的计算时间,但是,它是在系统离线状态下进行学习,是允许的在优化系统投入使用后,在线学习新的工况样本数据的时候,直接将新的样本添加为中心节点,此时,只需要计算网络的输出全系数矩阵,学习速度很快,可以满足系统实施在线学习的要求。影响锅炉燃烧效率的因素包括有很多,它们可以分为两大类:一类是非可调整输入参数,另外一类是可以调整

36、输入参数。对于锅炉热效率优化调整的目标就是在锅炉不可调整参数确定的情况下,在给定的调整范围内,通过寻找一组最优的调整参数,输入到锅炉控制系统,使得锅炉运行在燃烧最优的状态我们在前面建立了锅炉燃烧系统神经网络模型。由于燃烧系统神经网络模型,只提供了锅炉输入参数与它的热效率对应关系,没有明确的表达式,因此许多的传统的寻优方法(单纯形法、最速下降法、共扼梯度法等等就无法使用了),因此需要寻找一种不需要模型的具体的数学表达式,就可以进行寻优的算法.近年来,遗传算法作为一种模拟生物进化和遗传的规律搜索寻优方法在很多的领域表现出了强大的能力它具有如下的特点:全局最优搜索!通用性强,不需要精确的问题函数表达

37、式,可以使用在离散问题或者函数关系不明确的问题求解,具有并行算法机理。因此,我们采用了基于神经网络建模和遗传算法寻优的锅炉热效率优化调整方法。在对于锅炉参数寻优的时候,我们使用的是前面所提出的BF网络作为锅炉的燃烧系统模型,使用锅炉热效率作为优化目标.这个效率值也作为遗传算法中的个体的适应度的评判标准RBF网络的输出是一些径向基函数的线性组合由于RBF网络是一种局部逼近的网络,它的输出值的一些极值点一般分布在RBF中间隐层径向基函数的中心点附近,或者是在中心点的连线上。为了能够观察这个特点我们构造了一个五单元的径向基网络如下图所示:对于给定的锅炉运行的每一组数据,我们都在这个数据下寻找最优的燃

38、烧效率控制参数然后在这个参数下,由神经网络给出它的排烟温度,飞灰含量数值,从而可以计算出最优下的燃烧效率下面给出了网络优化后的热效率曲线,以及烟气含氧量两种调节参数的数值曲线。通过上面数据结果,我们可以看出,基于神经网络模型,由遗传算法给出的最优操作参数可以明显地提高锅炉的运行效率，使得锅炉的运行效率始终保持在一个比较高的稳定的水平。针对于采用了神经网络建模的锅炉燃烧优化系统,选择了基于实数编码的遗传算法作为寻优方法。利用搜索空间压缩的改进策略可以加快算法速度,保证收敛起到了关键的作用。本节中选取了实际锅炉的运行数据以及在此之上建立的BF神经网络模型进行实验。验证了这个系统可以给出优化运行的参数同时,对于实际锅炉模型的特点:BF神经网络模型,提出了一种基于BF中心启发式的改进实数遗传算法该算法在不降低搜索性能的基础上,可以通过降低种群规模大大提高寻优的速度这对于实际系统中,进行实时控制非常重要最后的实验数据证实了改进的算法的有效性。九、 模型的评价参考文献