燃煤锅炉NOx排放建模及优化分析.docx
《燃煤锅炉NOx排放建模及优化分析.docx》由会员分享,可在线阅读,更多相关《燃煤锅炉NOx排放建模及优化分析.docx(5页珍藏版)》请在第一文库网上搜索。
1、燃煤锅炉NOx排放建模及优化分析以超临界燃煤锅炉为研究对象,应用人工神经网络对其建立NOX排放模型。该模型具有较高的准确性,仿真平均误差为1.37%,真实值与仿真值吻合度高。结合遗传算法对模型开展优化,优化后的人工神经网络性能进一步提高,仿真平均误差为0.18%,较优化前降低119百分点。优化前的第9个训练样本出现最大误差4.61%,优化后降低到0.85%o校验数据样本值跨度较大,证明模型的泛化能力较强。目前,燃煤电站污染物排放备受关注,从火电厂大气污染物排放标准(GB1322320*)的出台,到如今提出的燃煤电站大气污染物超低排放,均规定NOX,S02和粉尘的排放限值分别为50、3510mg
2、m3(中东部地区为5mgm3),因而燃煤电站锅炉需要更加高效低污染地运行。国内大部分燃煤电站通过加装选择性催化复原法SCR脱硝设备控制NOX排放浓度,然而为了减少氨逃逸所带的问题,SCR脱硝效率一般设计为不高于90%o因此,要到达超低排放限值,炉内燃烧优化非常重要。随着计算机领域的快速发展,人工神经网络开始逐渐应用到燃煤电站锅炉控制系统。电站锅炉炉内燃烧非常复杂,特别是NOX的生成机制,至今没有函数映射能够准确描述,人工神经网络在处理复杂的非线性映射问题优势明显,准确度好,泛化能力强,容错率高,是能够广泛应用的黑箱模型。应用人工神经网络则不需要考虑复杂的燃烧过程和NOX生成机制,通过可靠的数据
3、样本作为输入和输出开展学习,保证网络的性能要求。部分学者在神经网络应用于锅炉燃烧优化领域已有一些研究成果。BoOTH等从降低NoX排放浓度入手,建立锅炉NOX排放模型,对其运行参数开展优化,优化后的锅炉NOX排放量降低了16%,锅炉效率提高了0.3吼王斌忠等在研究锅炉灰渣结渣中采用了SVM模型预测其生成。周昊等对某30万机组的锅炉飞灰含碳量和污染物排放建立了BP神经网络模型。董文波以某电厂锅炉为原型,应用RBF神经网络建立了锅炉主蒸汽温度监控系统,在常见PID根底上,创立了RBF网络的PID控制器。以上研究在控制优化方面有很多独到的见解,但在模型建立上较为单一,本研究在建立锅炉NoX排放神经网
4、络模型的根底上,应用遗传算法对模型开展优化,使网络的性能大大提高。1研究对象本文研究对象为某发电公司660MW超临界参数变压直流锅炉,BMCR工况下主蒸汽参数为2060th.26.15Mpa.605oC,为一次再热、变压直流、单炉膛、固态排渣、全悬吊构造型锅炉。制粉系统为中速磨煤机直吹式正压冷一次风制粉系统,运行设计煤种,每炉配6台磨煤机,1台备用。采用前后墙对冲燃烧,燃烧器布置3层,每层前后墙各6只低氮旋流燃烧器。2BP神经网络建模BP神经网络是少有的误差信号反向传递,含有多个隐含层的前馈神经网络。外界信号通过输入层传递给中间隐含层,这是BP神经网络的核心计算处,信号在此处理完后传递至输出层
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 燃煤 锅炉 NOx 排放 建模 优化 分析