基于高斯过程的综合配煤研究

发布时间：2021-01-24 19:42

　　随着我国经济的快速发展,对于能源的消耗有着极大的需求,我国的能源消耗以煤炭为主,并且大部分煤都用来发电。由于煤炭的存储分布和经济发展不协调,同时煤炭运输能力不足,运费价格升高,导致了许多电厂燃用煤种混杂,实际燃用煤种偏离了锅炉的设计值,而且各地区的煤质质量差别较大,大部分的煤种的煤质往往不能满足电厂的燃煤要求。动力配煤技术可以根据煤种的煤质,配出满足锅炉热效率高、结渣少、发电经济等条件的煤质,从而满足电厂的要求。本文以芜湖电厂为背景。针对该电厂的锅炉热效率和结渣问题,建立了以煤的发热量、挥发分、水分、灰分、氧量为输入参数,对应输出参数为锅炉热效率的高斯过程回归（GPR）预测模型。建立了以Fe₂O₃、MgO、CaO、TiO₂、AL₂O₃、SiO₂、K₂O、Na₂O为输入参数,对应输出参数为煤的软化温度的高斯过程回归（GPR）预测模型,使用相应的混煤数据来验证已建立的软化温度预测模型,使用粒子群优化算法（PSO）寻找... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

3条样本的锅炉热效率的实测值、GPR预测值、SVR预测值对比图

杭州电子科技大学硕士学位论文37·图4.312条样本单煤灰熔点的实测值、GPR预测值、SVR预测值对比图4.6.2混煤灰熔点验证已建立的基于粒子群的高斯过程回归模型为了验证上节中基于粒子群的高斯过程回归灰熔点模型对配煤灰熔点的预测情况，使用建立的高斯过程回归模型来对表3.11中的17种混煤进行预测，GPR模型预测的最大相对误差为3.13%，平均相对误差为1.10%。SVR预测的最大相对误差为4.18%，平均相对误差为1.63%，这说明了GPR模型对混煤灰熔点的预测能力比SVR模型更好，再者从图4.4可以看出高斯过程回归模型的整体效果比支持向量机回归模型要好的很多，两种模型对于灰熔点被人为的设定为（ST>1500℃）1500℃的预测结果和其它数据点相比误差略大一点。除此之外，其它的数据点高斯过程回归比支持向量机更加精准，进一步说明了高斯过程回归模型的泛化能力较好。通过混煤的验证说明了高斯过程回归灰熔点预测模型的建立是可靠的。

杭州电子科技大学硕士学位论文38·图4.417条样本混煤灰熔点的实测值、GPR预测值、SVR预测值对比图4.7配煤模型的建立4.7.1配煤的约束条件本文从经济、安全以及锅炉的设计指标方面建立了配煤的约束条件，经济方面指的是锅炉的热效率，能够最大化锅炉热效率，可以节约成本，提高收益，使得企业更加具有竞争力。安全方面指的是锅炉的结渣问题，约束条件如下：发热量()<AQiiBQfx,QQ(4.2)挥发分(,)AViiBVfxVV(4.3)硫分(,)SiiBfxSS(4.4)水分(,)AMiiBMfxMM(4.5)灰分(,)AAiiBAfxAA(4.6)灰熔点


本文编号：2997822