電站鍋爐性能監(jiān)測(cè)建模與燃燒優(yōu)化算法研究.pdf

1、受到負(fù)荷多變、煤質(zhì)多變、煤價(jià)居高不下等多重影響以及人們對(duì)環(huán)境保護(hù)的日益關(guān)注,對(duì)火電機(jī)組進(jìn)行節(jié)能減排研究以降低發(fā)電成本和環(huán)境污染是目前發(fā)電企業(yè)面臨的主要任務(wù)。鍋爐作為火電機(jī)組的主體設(shè)備之一,對(duì)其實(shí)現(xiàn)性能的準(zhǔn)確在線監(jiān)測(cè)以及合理燃燒優(yōu)化是提高機(jī)組經(jīng)濟(jì)性和降低污染物排放的重要手段。本文圍繞著鍋爐性能監(jiān)測(cè)建模與燃燒優(yōu)化算法兩方面工作開展研究。
　　 在理論分析的基礎(chǔ)上,充分利用火電機(jī)組運(yùn)行數(shù)據(jù)信息資源,基于改進(jìn)后的智能優(yōu)化算法和聚類分析方

2、法,提出了便于實(shí)用的鍋爐性能監(jiān)測(cè)建模與燃燒優(yōu)化方法,主要研究成果包括:
　　 (1)鍋爐熱效率及其相關(guān)燃煤特性的同步在線監(jiān)測(cè)
　　 針對(duì)燃燒調(diào)節(jié)與優(yōu)化控制的實(shí)際需要,開展了熱效率及其相關(guān)燃煤特性在線監(jiān)測(cè)的建模研究。改進(jìn)了簡(jiǎn)化反平衡熱效率模型中的水蒸汽量計(jì)算模型;提出了干空氣量與煙氣量的簡(jiǎn)化計(jì)算模型。提出一種能夠反映鍋爐內(nèi)熱平衡效果的熱效率及燃煤熱值、灰分、水分的同步測(cè)算模型;分析了影響該同步測(cè)算模型精度的主要影響因素和測(cè)

3、算誤差,并利用實(shí)例分析驗(yàn)證了上述模型的有效性。
　　 (2)鍋爐特性混合模擬及爐膛出口煙溫預(yù)測(cè)
　　 提出了一種機(jī)理建模與試驗(yàn)數(shù)據(jù)樣本相結(jié)合的鍋爐特性混合模擬方法,該方法融合了機(jī)理建模對(duì)特性的趨勢(shì)性表達(dá),也能夠反映熱力試驗(yàn)對(duì)特性的個(gè)性刻畫;該方法首先以熱力校核計(jì)算為基礎(chǔ),構(gòu)建特性模擬平臺(tái)的構(gòu)架,并通過負(fù)荷、煤種等外部參數(shù)擾動(dòng)下的變工況特性模擬驗(yàn)證其模擬效果;進(jìn)而利用現(xiàn)場(chǎng)試驗(yàn)數(shù)據(jù)樣本,替換了相關(guān)假定值,修正了輻射放熱系數(shù)等

4、參數(shù),簡(jiǎn)化了受熱面的迭代計(jì)算過程,實(shí)現(xiàn)了鍋爐特性的混合模擬;以此為基礎(chǔ),建立了基于熱力計(jì)算的爐膛出口煙溫測(cè)算模型。實(shí)例分析驗(yàn)證了模擬方法的可行性和有效性。
　　 (3)鍋爐熱效率與Nox排放響應(yīng)特性混合模型
　　 為了解決電站鍋爐高效低NOx的優(yōu)化決策問題,建立了基于核主元分析、支持向量回歸機(jī)(KPCA-ε-SVR)與機(jī)理模型混合的鍋爐熱效率和NOx排放特性響應(yīng)模型。在建模的過程中,針對(duì)模型輸入變量存在著維數(shù)高、變量之間

5、非線性等特點(diǎn),采用核主元分析(KPCA)提取輸入變量的主元,去除變量之間的相關(guān)性;按照5-fold交叉驗(yàn)證誤差和最小的原則,優(yōu)化KPCA-ε-SVR模型參數(shù),確定模型的輸入主元個(gè)數(shù);實(shí)例分析表明:與神經(jīng)網(wǎng)絡(luò)(BP)和支持向量機(jī)(ε-SVR.)模型相比,KPCA-ε-SVR模型具有良好的泛化能力,且熱效率與NOx排放濃度預(yù)測(cè)結(jié)果具有較高的精度。
　　 (4)帶有侵入性雜草的改進(jìn)粒子群優(yōu)化算法(IWPSO)
　　 針對(duì)粒子群

6、優(yōu)化(PSO)算法在解決復(fù)雜實(shí)際優(yōu)化問題時(shí)易出現(xiàn)的早熟收斂現(xiàn)象,進(jìn)行PSO算法的改進(jìn)研究。在深入分析PSO算法產(chǎn)生早熟收斂的原因之后,提出了一種帶有侵入性雜草的改進(jìn)粒子群優(yōu)化算法(IWPSO)。該算法通過引入生命力不斷增強(qiáng)且離整個(gè)粒子子群距離最遠(yuǎn)的雜草Dbest,擬補(bǔ)了群體中信息交流方向單一化的不足,增加粒子群多樣性的同時(shí)使其內(nèi)部仍保持著快速的信息交流速度,實(shí)現(xiàn)快速收斂:對(duì)不同維數(shù)下若干benchmark函數(shù)進(jìn)行數(shù)值模擬試驗(yàn),確定IWP

7、SO算法參數(shù),并驗(yàn)證了其良好的優(yōu)化性能。
　　 (5)鍋爐高效低污染優(yōu)化模型及其優(yōu)化解
　　 基于KPCA-ε-SVR預(yù)測(cè)模型,利用IWPSO算法,研究了鍋爐低NOx燃燒優(yōu)化問題,實(shí)例分析表明優(yōu)化結(jié)果與抑制NOx生成的低氧燃燒原則具有一致性,同時(shí)進(jìn)一步驗(yàn)證IWPSO算法的良好優(yōu)化性能;在鍋爐熱效率與NOx排放響應(yīng)特性模型的基礎(chǔ)上,研究了兩種鍋爐高效低Nox的受限燃燒優(yōu)化問題,并利用IWPSO算法提出了分段變目標(biāo)值方式處理

8、受限優(yōu)化目標(biāo)函數(shù)以實(shí)現(xiàn)鍋爐高效低NOx燃燒優(yōu)化的方法,實(shí)例分析驗(yàn)證了該方法的有效性和可靠性。
　　 (6)基于運(yùn)行數(shù)據(jù)的鍋爐監(jiān)控參數(shù)基準(zhǔn)值模型
　　 針對(duì)鍋爐實(shí)際運(yùn)行數(shù)據(jù)的關(guān)聯(lián)特性,利用基于IWPSO算法的改進(jìn)優(yōu)化模糊C-均值(IWPSO-FCM)聚類算法實(shí)現(xiàn)多參量同步聚類,提出了一種確定鍋爐運(yùn)行優(yōu)化工況的監(jiān)控參數(shù)基準(zhǔn)值建模方法。針對(duì)FCM聚類算法本身對(duì)初始中心的依賴性問題,提出了改進(jìn)的優(yōu)化模糊C-均值聚類算法;人工、I

9、RIS和經(jīng)典UCI分類數(shù)據(jù)集的模擬試驗(yàn)驗(yàn)證了該算法的良好聚類性能;利用IWPSO-FCM聚類算法,在實(shí)際運(yùn)行數(shù)據(jù)中同步挖掘出某典型負(fù)荷鄰域區(qū)間對(duì)應(yīng)的排煙氧量、排煙溫度和飛灰可燃物等監(jiān)控參數(shù)基準(zhǔn)值;在多參量同步聚類算法中,利用有效性函數(shù)優(yōu)化模糊聚類數(shù),提出運(yùn)行模式支持度的相關(guān)概念及其樣本支持判定的規(guī)則,并對(duì)類中心點(diǎn)處ε區(qū)域內(nèi)樣本進(jìn)行無偏估計(jì);實(shí)例分析表明:該方法能夠在兼顧參數(shù)之間耦合關(guān)系的基礎(chǔ)上,得到高效工況下對(duì)應(yīng)的各基準(zhǔn)值樣本點(diǎn),并建立