基于自適應(yīng)模糊方法的電站鍋爐燃燒優(yōu)化研究.pdf

1、電站鍋爐燃燒優(yōu)化技術(shù)是一種能提高機(jī)組能源利用率和降低污染物排放的有效方法和途徑，在節(jié)能減排要求嚴(yán)格的當(dāng)下，備受火電廠青睞。本文針對國內(nèi)燃煤機(jī)組的運(yùn)行特點(diǎn)，主要研究了該技術(shù)中燃燒模型的建立和優(yōu)化等關(guān)鍵部分。論文研究內(nèi)容和研究成果概括為以下幾個(gè)方面:
　　(1)分析了現(xiàn)在已有的建模方法，針對算法在建模過程中的不足，介紹了一種新的高效的建模方法，即基于樹結(jié)構(gòu)的自適應(yīng)模糊方法，簡稱模糊樹(FT)，進(jìn)而介紹了魯棒性較強(qiáng)的ε-模糊樹（εFT）

2、方法。
　　(2)針對熱工過程變量之間的強(qiáng)相關(guān)性和強(qiáng)耦合性，采用偏最小二乘法(PLS)對燃燒模型的輸入變量進(jìn)行重要信息提取和變量選擇，將得到的最優(yōu)變量子集作為ε-FT模型的輸入，建立了燃燒系統(tǒng)的PLS-ε-FT模型，并與其他方法進(jìn)行了對比。仿真結(jié)果表明，該模型通過PLS進(jìn)行變量選擇，消除了變量的相關(guān)性，降低了模型的維數(shù)和復(fù)雜程度，提高了模型的預(yù)測精度和泛化能力。
　　(3)針對電站鍋爐現(xiàn)場采集數(shù)據(jù)常帶有噪聲而FT又對噪聲特別

3、敏感的問題，提出了基于局部異常因子(LOF)的加權(quán)模糊樹(W-FT)算法，并采用兩個(gè)典型的非線性例子驗(yàn)證了算法的魯棒性。進(jìn)而，基于W-FT建立了魯棒性較強(qiáng)的電站鍋爐燃燒系統(tǒng)模型，并與其他方法所建立的模型進(jìn)行了對比。仿真結(jié)果表明，所提的W-FT方法能有效地辨識噪聲和異常值，具有較強(qiáng)的魯棒性;所建立的模型預(yù)測精度較高，泛化能力較強(qiáng)。
　　(4)為了提高機(jī)組能源利用率和降低污染物排放，基于ε-FT建立了排煙溫度和NOx排放特性模型，提出