遗传算法和神经网络在电站锅炉燃烧优化中的应用研究.pdfVIP

2o09年第2期 《贵州电力技术》 (总第 ¨6期) 口发电研究 遗传算法和神经网络在电站锅炉燃烧优化中 的应用研究 贵 州 鸭 溪 发 电 有 限 公 司 傅维琪 吴治清 [563108l 华北电力大学能源与动力工程学院 王天垄 [102206] 摘 要 燃烧优化技术是实现电站锅炉高效燃烧和污染物控制的最经济、最有效的方法之一。本文首先利用神经 网络建立起电站锅炉燃烧特性模型，然后利用遗传算法计算送风调节控制系统最优氧量设定值。仿真结果表明采 用本文设计的燃烧优化策略，不仅可以提高燃烧效率而且能有效降低排放烟气中的氮氧化物含量，具有较高的实用 价值和广泛的应用前景。 关键词 电站锅炉 遗传算法 神经网络 燃烧优化 体要求往往是矛盾的。本文兼顾燃烧效率和氮氧化 1 引言 物排放两个指标，在研究两者响应模型的基础上，应 锅炉燃烧控制系统中送风调节系统的作用是保 用神经网络建立电站锅炉燃烧特性模型，实现燃烧 证进入炉膛的燃料充分燃烧，以达到最高燃烧效率。 热效率和污染物排放量的预测，然后采用遗传算法 目前大机组一般采用以氧量为被调量的间接比值控 寻找烟气最佳含氧量，实现锅炉燃烧优化控制。 制策略，文献…指出该策略虽简单易行且具有一定 2 送风控制系统结构及优化方案设计 的动态修正能力，但存在一些问题。如：在应用中经 常将非线性关系的最优风煤比和负荷简化为线性关 目前大机组一般采用以氧量为被调量的间接比 系的负荷单一函数；未考虑不同煤种和煤粉的特性； 值控制方案，如图(1)所示氧量 一空燃比串级系统。 只在机组调试特定工况下计算出最优风煤比，未考 为了使锅炉适应负荷的变化，必须同时改变送风量 虑机组机械部件老化磨损、烟道泄漏等情况。 和燃料量。这种方法是燃料量随负荷变化，空气量 为了解决上述问题，许多学者提出了新的风煤 通过风煤比跟随燃料量的变化，同时因给煤量测量 比寻优方法，但都过于注重提高燃烧效率，未顾及减 不准确，为保证锅炉处于充分燃烧状态，增加了送风 小氮氧化物排放的问题 -4J。燃烧过程中影响燃烧 调节回路的烟气含氧量作串级校正。 热效率和污染物排放量的因素大部分相同，但其具 氧量 设定值 — — — — ’ 图l 氧量 一空燃比串级控制系统结构 如图(2)所示，采用遗传算法寻找烟气最佳含 遗传算法进行最佳含量的计算，调整烟气含氧量的 氧量的设定值，校正风煤比，从而实现锅炉的高效低 给定值，使锅炉效率和污染物的排放量达到最优。 污染燃烧。遗传算法实施过程中所需要的对燃烧效 在保证燃烧率的前提下，减少、氮氧化物排放量，采 率、氮氧化物排放量的预测 由神经网络实现。应用 用的适应度函数为： · 28 · 2o09年第2期 《贵州电力技术》 (总第 ll6期) ．，= ×( 一 )+6×([Ⅳ。]一[ⅣD])(1) [N0]一氮氧化物排放的最低值或理想值；a、b一两 上式中：eff一锅炉理想燃烧效率 ，一般取设计 项输出值的加权系数，数值取决于效率和排放的各 值；effc一实际燃烧效率，取神经网络输出值；[N0] 自比重 。 一 实际氮氧化物排放量，取神经网络的输出值；