基于模糊神经网络的电站燃煤锅炉结渣预测.pdfVIP

第 26卷第 6期 电 力 科 学 与 工 程 Vol26,No6 　　　28 20 10年 6月 Electr ic Power Sc ience an d Eng ineer in g Jun. , 20 10 基于模糊神经网络的电站燃煤锅炉结渣预测 王洪亮 , 王东风 , 韩 　璞 (华北电力大学 控制与计算机工程学院 , 河北 保定 07 1003) 摘要 : 分析了电站锅炉结渣的影响因素 , 确定评判锅炉结渣倾向性的指标 。将模糊数学和 B P 网络相结 合 , 构成模糊神经网络模型 。采用不同的隶属函数将判别指标模糊化 , 以实际电站锅炉作为训练样本 , 对该模糊神经网络模型进行训练 , 并对给定 4 组电站锅炉进行预测 。分析比较预测结果 , 最终确定 4 组 锅炉的结渣倾向性 ; 试验结果表明 , 此种方法能够更准确地预测电站锅炉结渣倾向性 , 为实际锅炉设计 及运行提供科学依据 。 关键词 : 结渣特性 ; 模糊神经网络 ; 隶属函数 ; 样本 ; 预测 中图分类号 : TK2272　　文献标识码 : A 络的输出。 0　引　言 11　判别指标的确定 综合考虑影响锅炉结渣的因素 , 将代表煤灰 　　影响电站锅炉炉膛结渣的因素很多 , 长期以 本身特性和锅炉实际运行工况的 7 个指标 [ 2 ] : 软 化温度 t , 硅铝 比 SiO /A l O , 酸碱 比 B /A , 硅 来 , 很多研究人员对此进行了试验总结 。炉膛结 2 2 2 3 φ 渣不仅仅与煤灰本身特性相关 , 还要受炉内温度 比 G, 综合指数 R , 以及无因次炉膛平均温度 t , [ 1 ] 无因次实际切圆直径 φ确定为该模型预测锅炉结 水平及温度场 、炉内空气动力工况的影响 。但 d 这些单一的判别指标的分辨率往往不高 , 原因在 渣的判别指标, 将这些指标定义为 于炉膛结渣倾向性本身就是一个模糊的概念 , 结 硅比 G: 渣程度是一个由弱到强的过程 。本文充分利用了 SiO2 ×100 G = SiO + CaO +M gO +当量 Fe O “模糊 ”的