基于神经网络的电厂锅炉燃烧系统建模及优化研究

论文摘要

随着能源和环境形势的日益严峻,作为耗能大户的燃煤电厂面临的节能减排压力日益增大,电厂的主要耗能设备锅炉也备受关注。而电厂现有的锅炉燃烧控制技术存在的不足日益显露,逐渐难以满足实际需要。于是高效率低排放的燃烧优化技术逐渐成为研究的焦点。现有的燃烧优化方法有两种,一种是传统的方法,另一种是智能控制方法。锅炉燃烧系统是一个非线性、强耦合的复杂大系统。传统方法由于考虑因素过于单一,不能全面反映系统的真实状况。而智能控制非常适合于非线性、强耦合、多变量系统的建模与优化,因此得到了越来越多的重视。为了实现高效低污的燃烧,本文以锅炉效率和NOx排放量为输出变量建立了锅炉燃烧系统的模型,并利用遗传算法对系统进行了优化。文中使用两种神经网络——BP网络和动态模糊神经网络（一种改进的RBF网络）完成了建模。并对这两种建模方法进行了分析,得出了它们各自适用的场合,即对工业现场在线建模计算时可以采用计算速度较快,连续函数逼近效果较佳的RBF网络,而在离线计算且输入数据维数较大时可以采用具有较强泛化能力的BP网络。优化系统完成了对与输出关系最为密切的两个可调变量:燃料量、送风量的优化值的计算,并给出了优化系统的输出与原系统输出的对比图。为了将设计的燃烧过程建模和优化系统应用于现场指导操作人员,文中用C++语言编制了相应的软件。将其通过OPC接口与现场DCS相连,实现了从理论研究到实际现场应用的转变。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 课题背景
• 1.2 电厂锅炉
• 1.2.1 锅炉结构及工艺流程
• 1.2.2 锅炉燃烧调整研究现状
• 1.2.3 非线性动态建模
• 1.3 本文所做工作
• 1.4 小结
• 第二章 锅炉结构及燃烧工艺
• 2.1 锅炉介绍
• 2.1.1 锅炉工作过程
• 2.1.2 锅炉结构
• 2.2 锅炉燃烧过程介绍
• 2.2.1 煤粉的燃烧过程
• 2.2.2 过量空气系数
• 2.2.3 分级燃烧
• 2.3 锅炉分类及性能指标
• 2.3.1 锅炉分类
• 2.3.2 锅炉设备的性能指标
• 2.4 600MW的超临界东方锅炉
• 2.4.1 600MW的超临界东方锅炉介绍
• 2.4.2 模型参数分析
• 2.5 小结
• 第三章 锅炉燃烧系统建模与优化
• 3.1 神经网络
• 3.1.1 神经网络简介
• 3.1.2 神经网络模型
• 3.1.3 神经网络结构和工作方式
• 3.1.4 神经网络的学习方法
• 3.2 BP网络介绍
• 3.2.1 BP网络的结构
• 3.2.2 BP算法
• 3.3 RBF网络介绍
• 3.3.1 RBF结构
• 3.3.2 RBF算法
• 3.3.3 模糊神经网络
• 3.4 锅炉燃烧系统建模
• 3.4.1 燃烧系统建模分析
• 3.4.2 BP网络建模
• 3.4.3 动态模糊神经网络建模
• 3.5 BP网络和RBF网络非线性建模时的性能比较
• 3.6 基于遗传算法的锅炉燃烧系统优化
• 3.6.1 遗传算法简介
• 3.6.2 燃烧系统的优化
• 3.7 小结
• 第四章 燃烧系统网络模型的工程应用
• 4.1 DCS简介
• 4.2 OPC接口介绍和OPC服务器设置
• 4.3 霍尼韦尔Experion LS系统
• 4.4 软件设计
• 4.4.1 C++简介
• 4.4.2 软件结构
• 4.5 小结
• 第五章 总结与展望
• 参考文献
• 攻读硕士期间发表的论文
• 致谢