文献综述高玥.docVIP

文献综述 前言 对于火电厂而言，锅炉运行的安全性和经济性主要取决于锅炉的燃烧运行调整方式。在火力发电成本中，燃料费用一般占70%以上。因此，提高锅炉燃烧系统的运行水平对机组的节能降耗具有重要意义。另一方面，火电厂是全球NOx排放的主要来源，随着可持续发展战略的实施，以降低NOx排放和提高发电效率为目的的燃烧优化控制技术成为电厂当前关注的热点，因此，研究锅炉燃烧过程建模与燃烧控制参数优化具有重要的理论意义与应用价值。 主题 1 锅炉燃烧优化 1.1 锅炉燃烧优化原理 锅炉燃烧优化控制系统，根据锅炉的负荷和煤种，实时优化锅炉配风、配煤燃烧等运行方式，指导锅炉燃烧调整，通过对锅炉操作参数进行以性能为闭环的动态优化控制，提高锅炉燃烧效率，降低发电煤耗，同时减少烟气NOx排放，实现锅炉的经济环保运行。 1.2 锅炉燃烧优化的发展历程 锅炉燃烧优化最早是以提高锅炉燃烧安全性和经济性为目标的。早在20世纪70年代，我国就开始了对锅炉燃烧优化技术的研究，如我国开发的氧化锆氧量计、一次风速监测系统等都属于早期的锅炉燃烧优化产品；20世纪80年代末期和90年代初期，随着我国电厂节能降耗措施的推行，电厂开始普遍关注锅炉燃烧优化技术，通过燃烧优化降低锅炉煤耗，提高火电厂发电效率；20世纪90年代中期和末期，随着测量技术的发展，许多企业研制开发了一系列重要的影响锅炉燃烧参数的在线测量仪表，如飞灰含碳量在线检测装置、煤粉浓度细度在线检测装置、煤质成分在线检测装置、锅炉火焰监测系统等；同期，随着人工智能技术的发展，在分散控制系统（DCS）层面上控制逻辑的优化以及先进的人工智能技术在锅炉燃烧优化上应用的研究也开始受到了广大科研人员的关注。20世纪90年代末期，随着社会对环境的关注，电站锅炉燃烧优化已由最初的以安全性、经济性为目标的优化发展到经济性、安全性、环保并举的时期。电子信息技术和人工智能技术给电站锅炉燃烧优化注入了新的活力，锅炉燃烧优化技术进入新的快速发展时期[1]。 1.3 锅炉燃烧优化的研究现状 电站锅炉燃烧优化是个复杂的过程，影响锅炉燃烧好坏的参数多，并且各参数之间的关系复杂，任何与燃烧相关参数的检测、与燃烧相关设备的改造，都可以称为燃烧优化。从锅炉燃烧优化技术角度看，锅炉燃烧优化技术可以分为三类。第一类通过在线检测影响锅炉燃烧的重要参数，如一次风量风速、烟气含氧量、煤粉浓度细度、煤质成分、飞灰含碳量、火焰图像等参数，实现锅炉的燃烧优化。我国许多火电厂安装了一次风量风速、氧化锆氧量计、飞灰含碳量检测装置等产品，运行人员通过实时的监测烟气含氧量、飞灰含碳量、一次风等参数，调节锅炉燃烧，实现锅炉高效、经济燃烧，这类燃烧优化技术现已占据了主导地位。第二类燃烧优化技术在DCS层面，通过采用先进的控制逻辑、控制算法或人工智能技术，实现锅炉的燃烧优化。随着人工智能技术的逐步成熟和在工业上成功的应用，这类燃烧优化技术发展迅猛。第三类燃烧优化技术在设备层面，通过燃烧器的优化设计、改造，实现锅炉的燃烧优化调整，这类燃烧优化技术已比较成熟、稳定、可靠[1]。 目前，对于人工智能控制算法的工业化应用，国外已经开始在电站锅炉燃烧优化上实现大规模应用，并取得很好的成绩，如美国的PEGASUS公司的POWERPEFECTOR产品已经有了几十套的应用业绩，美国NEUCO公司的COMBUSTIONOPT产品也已在工业上开始应用[2]。虽然我国对人工智能控制算法的研究起步不晚，也取得了不少的研究成果，但真正在工业上应用的成果不多，大都还停留在研究、试验阶段，如清华大学、浙江大学、东南大学、华北电力大学等先后将人工智能技术应用于锅炉燃烧优化调整上，据报道都取得了不错的效果[1]。 2 粒子群算法 2.1 粒子群算法的基本原理 粒子群算法（Particle Swarm Optimization-PSO）是由美国社会心理学博士James Kennedy和电子工程学博士Russell Eberhart于1995年首次提出的,它是一种基于群智能的随机优化算法。在这种优化算法中,鸟群中的鸟被抽象为寻优空间中的没有质量和体积、具有简单的行为规则的粒子，而简单的规则使整个粒子群表现出复杂的智能特性。该算法原理和机制简单，搜索速度快效率高，。随着我国电力行业改革的不断深入，“厂网分开，竞价上网”的运行机制已成为必然。对各电厂而言，保障机组的安全经济运行，努力降低发电成本，是参与竞争的必由之路。.神经网络燃烧优化控制系统在莱城发电厂的应用[J].电厂自动化,2004, 1(4):1-5. [3] 冯雪,裴志松.粒子群优化算法的研究与应用[J].吉林建筑工程学院学报,2001, 28(3):85-87. [4] 孙娜,张庆庆.粒子群优化算法研究[J].衡水学院学报,2010,12(1):25-28.