燃烧优化专家系统在W型火焰燃烧锅炉中的应用[精选].docVIP

燃烧优化专家系统在W火焰锅炉上的应用 杨永瑞1 刘文平2 （1.贵州黔西中水发电有限责任公司，贵州 黔西550002；2.南京归图科技发展有限公司，江苏 南京 210018） 摘 要：结合燃烧优化专家系统在某厂的成功应用，阐述燃烧优化专家系统的原理和系统结构，介绍专家系统的实施过程，通过实际运行曲线说明专家系统投入运行后的效果。 关键词： 燃烧优化 专家系统 神经网络 遗传算法 节能 Application of combustion optimization expert system in W-flame boiler Yang Yongrui1 ,Liu Wenping2 (1.Guizhou Qianxi Zhongshui Power Generation Co., Ltd, Qianxi 550002,Guizhou,China;2.Nanjing Great Technology Developing Co., Ltd,Nanjing 210018 Jiangsu,China) Abstract :Combining with the successful application of combustion optimization expert system in Guizhou Qianxi Zhongshui Power Generation Co., Ltd,this paper elaborates the combustion principle and system structure of expert system, introduces of the implementation process of expert system, illustrates effect of expert system with actual running curve。 Key Words Combustion Optimization;Expert system;Neural Network;Genetic Algorithm,Energy Conservation 1前言 近年来，我国的火电装机容量持续攀升，发电市场的竞争局面日趋严峻另一方面，煤价成本升国内各种环保更严格，如何提高燃烧效率，减少污染物排放，降低发电成本将成为发电企业重点考虑的问题。 目前国内电站锅炉燃烧运行主要依据锅炉的燃烧优化调整试验结果，由运行人员根据自己的运行经验进行燃烧调整（如各燃烧器负荷分配调整、总风量调整、一、二次风量风速及其分配调整等）。 为了适应机组负荷和入炉煤质的变化，锅炉运行必须要根据负荷和入炉煤质工况的变化进行燃烧调整，因此有必要实施达到提高锅炉运行效率，同时降低烟气NOx排放的目的，这也是今后的发展方向煤质较大地偏离设计煤种，不同煤种之间的煤质相差较大。在煤质和锅炉负荷多变的条件下运行人员的水平客观上存在差异，因此凭运行经验进行的锅炉燃烧调整操作具有一定的性出现燃烧调整不及时，影响锅炉的经济运行。 系统是一个外置的独立系统，系统配置一台工作站，运行系统软件。工作站通过网络获取锅炉运行数据，系统软件根据获得的数据在线进行燃烧优化计算，并将优化结果数据通过网络送入DCS，进行燃烧优化操作指导，并实现燃烧闭环优化控制。 图1 燃烧优化专家系统结构图 燃烧优化专家系统采用基于多目标遗传算法的人工智能神经网络具有自学习能力，能从数据样本中找出各变量的内在联系。 图2 燃烧优化神经网络模型 4、系统架构 4.1、采集建模样本数据 系统建模样本数据包括机组运行历史数据和燃烧优化调整试验数据（包括与这些数据相对应的锅炉入炉煤质数据）两部分。专家系统根据机组运行历史数据和燃烧优化调整试验数据，以及与这些数据相对应的锅炉入炉煤质数据，运用神经网络技术建立燃烧优化神经网络模型。专家采用先进的多目标遗传算法（MOGA）优化技术，以提高炉效、降低烟气NOx排放为优化目标，对燃烧参数进行寻优。对于给定的负荷和入炉煤质，专家系统采用先进的多目标遗传算法（MOGA）优化技术，在预先确定的最大值最小安全值范围内寻优，寻找最佳的配风配煤燃烧运行参数，所得到的最佳参数是全局最优解，并确保锅炉运行的安全性。多目标优化得到的是一组燃烧优化参数，如下图Pareto前沿曲线，曲线的左下方是非最佳燃烧工况区。运行人员可选择曲线上的任何一点所对应的燃烧参数作为最佳参数进行燃烧调整。 图 多目标优化得到的Pareto前沿 系统投运之前需进行优化仿真，离线计算不同负荷、不同煤质条件下的燃烧优化参数，并对优化结果的合理性、可靠性进行评估。，不同负荷下不同时间段的氧量及主汽压力变化曲线。由图可以看出，锅炉原运行模式下，从试验的数据结果