電站鍋爐燃煤特性預(yù)測建模研究.pdf

1、對于燃煤機(jī)組，鍋爐的運(yùn)行性能與入爐煤質(zhì)特性密切相關(guān)。由于目前電廠一般只能進(jìn)行煤的工業(yè)成分分析，不能對煤的元素成分、燃燒特性參數(shù)進(jìn)行實(shí)驗(yàn)室分析，不利于鍋爐的安全經(jīng)濟(jì)運(yùn)行。論文以神經(jīng)網(wǎng)絡(luò)技術(shù)為工具，研究建立基于煤的工業(yè)成分的燃煤特性預(yù)測模型，具有重要的理論意義和應(yīng)用研究價值。 神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的逼近非線性函數(shù)的能力，并具有自適應(yīng)學(xué)習(xí)、并行分布處理和較強(qiáng)的魯棒性及容錯性等特點(diǎn)，為解決未知不確定非線性系統(tǒng)的建模問題提供了一種有效途徑。本

2、文在已有RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法的基礎(chǔ)上，提出了新型的RBF神經(jīng)網(wǎng)絡(luò)的構(gòu)造方法，并將RBF神經(jīng)網(wǎng)絡(luò)應(yīng)用于燃煤特性預(yù)測模型的建立。主要工作及取得的研究成果如下： (1)神經(jīng)網(wǎng)絡(luò)建模方法研究。對RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行了綜述，并提出了一種改進(jìn)的基于免疫原理的RBF神經(jīng)網(wǎng)絡(luò)混合學(xué)習(xí)算法，利用人工免疫系統(tǒng)的記憶、學(xué)習(xí)和自組織調(diào)節(jié)原理進(jìn)行初始RBF中心的選擇，然后再利用梯度下降法對RBF神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行有監(jiān)督學(xué)習(xí)。對提出的算法進(jìn)行了仿真，仿真

3、結(jié)果表明了這種方法是有效的。 (2)電站鍋爐燃煤特性研究。包括煤的工業(yè)分析、元素分析、燃燒特性，煤灰的結(jié)渣特性諸多方面。特別對燃煤燃燒特性和煤灰結(jié)渣特性的影響因素和判別方法進(jìn)行了研究總結(jié)。 (3)用RBF神經(jīng)網(wǎng)絡(luò)建立燃煤特性預(yù)測模型。用RBF神經(jīng)網(wǎng)絡(luò)建立了煤的工業(yè)分析成分和煤的元素分析成分之間轉(zhuǎn)換模型、煤的工業(yè)分析成分預(yù)測煤的燃燒特性的模型以及煤灰成分預(yù)測燃煤結(jié)渣指數(shù)的模型。仿真結(jié)果表明，所建立的模型具有較高的精度，并具