燃煤工業(yè)鍋爐熱負荷預測的研究.pdf

1、我國工業(yè)鍋爐的設計熱平衡效率一般都達到80％，與發(fā)達國家相差無幾。然而我國大部分工業(yè)鍋爐的實際運行效率仍然徘徊在65%左右。實際運行中，對工業(yè)鍋爐熱效率起主導作用的是工業(yè)鍋爐自身的運行情況。工業(yè)鍋爐的實際運行受到很多因素的影響，例如天氣、節(jié)假日等，其負荷變化大、運行管理水平較低、工作環(huán)境惡劣，總體運行效率不高。導致工業(yè)鍋爐熱效率較低最主要的原因是其負荷波動的幅度和頻率都比較大，不同負荷工況下，運行參數(shù)也不一樣，在變負荷運行時，司爐工往往

2、難以得知負荷變化的規(guī)律，在頻繁的操作過程中，常常因運行參數(shù)不匹配，造成能源浪費嚴重。為此，準確預測工業(yè)鍋爐的負荷變化曲線，是實現(xiàn)工業(yè)鍋爐優(yōu)化運行的前提，這是本文要研究的重點。
　　為了證明負荷變化對運行參數(shù)的影響，本文選擇一臺負荷波動頻繁的20t/h鏈條爐排鍋爐作為研究對象，對負荷變化時的爐排轉速、鼓引風量、配風方式、煤層厚度和床層表面燃燒氣氛進行了實爐試驗研究。
　　本文在分析短期負荷預測技術研究現(xiàn)狀的基礎上，選擇具有全局

3、最優(yōu)、結構簡單、推廣能力強等優(yōu)點的支持向量機方法進行負荷預測。而使用SVM進行負荷預測，輸入樣本對預測結果影響非常大，為了找到比較合適的輸入，首先要對樣本進行聚類分析。在聚類分析中對SOM神經(jīng)網(wǎng)絡和K-MEANS算法各自的優(yōu)缺點比較如下：SOM網(wǎng)絡可以在無監(jiān)督的情況下進行聚類，但算法收斂時間長，當網(wǎng)格不收斂時只能得到粗略的聚類結果；而K-MEANS算法不同的初始聚類中心會產(chǎn)生不同的聚類結果，但在已知聚類中心和聚類數(shù)目時有較高的精度。因此