火电机组污染物排放模型与减排成本优化模型的研究-动力工程专业论文.docxVIP

华北电力大学硕一}：学位论文摘 华北电力大学硕一}：学位论文 摘 要 利用煤最主要的方式就是燃烧，但燃烧过程中必然伴随着大量污染物的释 放，所以煤是一种不清洁能源。在煤炭的燃烧过程中，释放出的主要污染物有二 氧化硫(S02)、氮氧化物(NOx)等。控制污染物的排放始终都是全世界关注 的焦点。 煤燃烧过程中，虽然二氧化硫(S02)与氮氧化物(NOx)的生成机理不同， 但在两者之间存在着协同作用，氮硫污染物彼此相互影响，或促进或抑制，所 以彼此都是对方的影响因素。燃烧条件不同时，一种污染物排放量的变化往往 引起另一种污染物随之发生变化，或是同增或是同减也或是此消彼长，所以针对 单一污染物的预测模型无法准确的掌握机组运行的情况。 本文通过BP神经网络建模，采用经典变量筛选方法MIV，在原有输入变量 中，以协同作用为根据，引入上一时刻的二氧化硫(S02)与氮氧化物(NOx) 浓度也作为模型的输入变量，随后再以遗传算法优化该BP神经网络模型，预测 污染物排放量的精度得到了提高。本文在此预测模型的基础上再进行参数寻优模 型的构建。根据机组脱除S02和NOx的成本计算，脱硝的成本较脱硫要高出很 多，而单位排烟中S02的含量却又要高出NOx很多，除此之外由于存在协同作 用，两者生成量之间互有影响，或是同增或是同减也或是此消彼长，因此造成不 同的运行参数下单位排烟脱除污染物的总成本存在差异。在参数寻