基于HGA-ANN的燃煤电厂脱硫控制策略.pdf

维普资讯 V01．31No3 湖 北 电 力 笠200!7鲞年篁6月塑 Feb．2007 基于 HGA—ANN的燃煤 电厂脱硫控制策略 汤美玉 ，刘定平 ，贾风禄 (1．华南理工大学电力学院，广州 510640；2．广州恒运集团公司，广州 510730) [摘 要] 基于多工况脱硫热态试验数据 ，建立 了脱硫成本与运行调整参数的神经网络响应特性 模型，并应用该模型对某 台210MW 四角切 圆燃煤 电站锅炉 的脱硫 系统进行优化控制研究。 [关键词]锅炉 ；脱硫控制；神经网络 ；混合遗传算法 [中图分类号]TK22 [文献标识码]A [文章编号]1006—3986(2007)03-0055—03 ControiTactics0fDesulphurizati0n fOrCoai．firedPower PlantBased onHGA．ANN TANG Mei—yu ，LIU Ding—ping ，JIA Feng—lu (1．SchoolofPowerEngineering，SouthChinaUniversityofTechnology，Guangzhou，510640，China； 2．GuangzhouHengyunEnterprisesHoldingLtd，Guangzhou510730，China) A『bstract] Onthebasisoftheexperimentalresultsaboutdesu1phurization，anartificialneuralnetwork (ANN)wasusedtothemodelofdesu1phurizationcostcharacteristicswithoperationparameters．Withthis modeltheoptimization controlproblem onthe desu1phurization system ofa certain210 MW pulverized coal com erfiredutilityboilerwasbeingstudied． [Keywords]boiler；desu1phurizationcontrol；artificialneuralnetwork；hybridgeneticalgorithm 机理模型来描述 ，适合用神经 网络来建立模 型。3 1 脱硫成本神经网络模型的建立 层 BP神经网络可以任意近似非线性函数和动态系 目前火力发电厂SO，污染控制技术可分为煤燃 统 “，为此脱硫成本模型采用 3层 BP神经网络 。 烧前脱硫 、燃烧 中脱硫 、燃烧后烟气脱硫 (FGD)以 1．1 神经网络模型输入输出参数的确定 及煤转化过程中脱硫 。本文研究的对象是 回流式循 将以上参数作为神经 网络的输入量 ，将脱硫成 环流化床烟气脱硫系统 (RCFB)。该工艺在脱硫过 本作为神经网络的输出建立模型如图1所示 。 程中运行成本主要有消石灰消耗 、水耗和电耗。由 脱硫塔入l：]删气潞度 于电耗随系统运行工况的变化不大 ，在 系统脱硫成 入 []煳 sO浓膻 本分析时仅考虑消石灰和水耗所发生的费用变化。 出lI娴 ，csO、浓度 煤质特性 、锅炉的工况和脱硫 系统运行状况对 锚炉负荷 盈 消石灰等的消耗具有较大的影响，目前尚没有简单 入[’j烟气流城 塞