粒子群优化算法在电厂锅炉燃烧控制中的应用
发布时间：2021-06-10 09:47
火力发电厂在发电过程中会燃烧大量的煤炭资源,这些煤炭的燃烧会给环境带来较严重的污染问题,研究表明,我国每年排放的氮氧化合物有60%以上来自于火力发电厂的锅炉燃烧,而这些氮氧化合物除了给环境带来污染以外,它还是一种温室气体,这将对地球环境带来巨大影响。通过对锅炉燃烧过程进行检测和试验,记录燃烧过程中的输入参数和输出参数,研究这些参数之间的相互联系与作用,可以有效降低锅炉燃烧的发电煤耗,较少氮氧化合物的排放。因此,开展火力发电厂锅炉燃烧优化控制研究具有重要的现实意义和应用价值。论文以某大型切向燃煤锅炉为例,采用基于粒子群优化的RBF神经网络算法,对锅炉燃烧的优化控制过程进行了研究。论述了课题的研究背景及意义,锅炉燃烧优化控制的国内外研究现状,以及论文的研究方法与主要内容。在总结分析电厂锅炉燃烧优化调整方法的基础上,分析了锅炉燃烧耗差、NOx排放控制和锅炉燃烧调整与控制,论述了粒子群优化算法的基本理论,研究了粒子群算法基本原理和算法实现过程。构建了基于粒子群优化的RBF神经网络模型,将锅炉燃烧过程中的17个输入变量作为优化变量,7个输出变量为优化目标。通过现场采集的样本数据,并对样本数据进行...
【文章来源】：华北水利水电大学河南省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
飞灰含碳量与预热器进口氧量关系曲线
图 2-2 飞灰含碳量与挥发分含量的相关关系The relationship between fly ash contains carbon and volatile matt发分较低的贫煤容易出现水冷壁的高温腐蚀，主要是因为燃煤的品质不好，发热量较低，就会增加燃烧的用煤量，热量低的燃煤也容易产生过多的灰分，使着火推迟，影响煤燃尽程度较差，并同时带来炉膛和燃烧器结焦问题[47]。直径置的切向燃烧的锅炉中，切圆直径对锅炉的燃烧过程有重大，可以使火焰更接近射流根部，对燃烧火焰有利，同时对于挥发分较低的劣质燃煤，可以适当加大切圆直径，但能会导致煤粉贴墙燃烧，致使燃烧火焰冲刷水冷壁，从而易着火且挥发分较高的燃煤，可以适当减小切圆直径。一要取决于假想切圆直径大小及气流反切效果。细度对锅炉燃烧影响较大，煤粉细度越小，煤粉越容易着火，，燃尽的时间较短，飞灰可燃物含量较小，燃烧比较彻底
图 2-3 飞灰可燃物与煤粉细度关系曲线-3 Relation curve between fly ash fuel and pulverized coal fi过量空气系数来衡量，高氧量可以促进锅炉燃烧，提锅炉空气分级较深，燃烧过程中氧量维持较低的锅炉。氧量对飞灰含碳量影响较大，随着氧量的增加，飞锅炉，氧量低于 2.0 左右时，飞灰含碳量会急剧增加荷过程中，当锅炉负荷较低时，锅炉的燃烧率就会降低火困难。当锅炉负荷低于某一特定值时，为了维持着来讲，燃煤的着火性能、炉膛稳燃性能和燃烧器的稳素。随着锅炉负荷的升高，锅炉燃烧温度会升高，就表明，对于挥发分较高的燃煤，飞灰可燃物较低，锅；对于挥发分较低的燃煤，锅炉负荷对锅炉燃烧损失度的是煤粉与空气的重量之比，一次风中的煤粉浓度对
【参考文献】：
期刊论文
[1]热电厂锅炉燃烧系统建模及优化研究[J]. 荣盘祥,张亮,孙国兵,郭祥迁,王宏源. 青岛理工大学学报. 2018(02)
[2]基于模糊控制策略的锅炉燃烧优化控制系统设计[J]. 应蕾,何星,张卫东,章立宗. 山东工业技术. 2018(03)
[3]基于稀疏最小二乘支持向量机的锅炉燃烧优化研究[J]. 乔侨,吕剑虹. 工业控制计算机. 2017(07)
[4]燃气锅炉燃烧效率优化控制仿真研究[J]. 赵钢,李斌. 计算机仿真. 2017(01)
[5]基于自适应模糊推理辨识方法和果蝇优化算法的CFB锅炉燃烧优化[J]. 张文广,孙亚洲,刘吉臻,高明明,陈峰. 动力工程学报. 2016(02)
[6]基于大数据驱动案例匹配的电站锅炉燃烧优化[J]. 王东风,刘千,韩璞,赵文杰. 仪器仪表学报. 2016(02)
[7]基于优化模糊神经网络的循环流化床锅炉自适应燃烧控制算法[J]. 王耿杰,张雨飞. 工业控制计算机. 2015(11)
[8]1000MW超超临界机组锅炉燃烧优化试验研究[J]. 郭杰,秦希超. 中国电力. 2015(05)
[9]印度嘉佳电厂660MW超临界锅炉燃烧优化试验研究[J]. 张开利,李树海. 锅炉技术. 2015(02)
[10]基于神经网络遗传算法的锅炉燃烧优化系统[J]. 徐齐胜,罗胜琪,陶欣,朱全利. 自动化与仪表. 2014(06)
博士论文
[1]燃煤链条锅炉燃烧的数值建模及配风与炉拱的优化设计[D]. 季俊杰.上海交通大学 2008
硕士论文
[1]热电锅炉燃烧过程建模与运行优化研究[D]. 朱钰森.浙江大学 2017
[2]燃气锅炉燃烧控制系统应用设计[D]. 李斌.天津理工大学 2017
[3]蒸汽锅炉燃烧过程的分段PID控制研究[D]. 孟照阳.内蒙古科技大学 2015
[4]基于粒子群优化BP神经网络在电站锅炉中的应用研究[D]. 吕雪冬.安徽大学 2015
[5]基于智能优化算法的电站锅炉燃烧优化[D]. 张振星.华北电力大学 2015
[6]锅炉燃烧优化控制系统的设计与实现[D]. 刘向英.电子科技大学 2014
[7]基于智能PID控制的燃气锅炉燃烧控制系统研究[D]. 谷洋洋.中国舰船研究院 2014
[8]基于自由搜索算法的电站燃煤锅炉燃烧优化应用研究[D]. 王培坤.燕山大学 2013
[9]电站燃煤锅炉燃烧优化系统研究[D]. 刘海峰.华北电力大学 2013
[10]基于神经网络及粒子群算法的锅炉燃烧过程建模与仿真[D]. 韩冷.哈尔滨理工大学 2012
本文编号：3222151
【文章来源】：华北水利水电大学河南省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
飞灰含碳量与预热器进口氧量关系曲线
图 2-2 飞灰含碳量与挥发分含量的相关关系The relationship between fly ash contains carbon and volatile matt发分较低的贫煤容易出现水冷壁的高温腐蚀，主要是因为燃煤的品质不好，发热量较低，就会增加燃烧的用煤量，热量低的燃煤也容易产生过多的灰分，使着火推迟，影响煤燃尽程度较差，并同时带来炉膛和燃烧器结焦问题[47]。直径置的切向燃烧的锅炉中，切圆直径对锅炉的燃烧过程有重大，可以使火焰更接近射流根部，对燃烧火焰有利，同时对于挥发分较低的劣质燃煤，可以适当加大切圆直径，但能会导致煤粉贴墙燃烧，致使燃烧火焰冲刷水冷壁，从而易着火且挥发分较高的燃煤，可以适当减小切圆直径。一要取决于假想切圆直径大小及气流反切效果。细度对锅炉燃烧影响较大，煤粉细度越小，煤粉越容易着火，，燃尽的时间较短，飞灰可燃物含量较小，燃烧比较彻底
图 2-3 飞灰可燃物与煤粉细度关系曲线-3 Relation curve between fly ash fuel and pulverized coal fi过量空气系数来衡量，高氧量可以促进锅炉燃烧，提锅炉空气分级较深，燃烧过程中氧量维持较低的锅炉。氧量对飞灰含碳量影响较大，随着氧量的增加，飞锅炉，氧量低于 2.0 左右时，飞灰含碳量会急剧增加荷过程中，当锅炉负荷较低时，锅炉的燃烧率就会降低火困难。当锅炉负荷低于某一特定值时，为了维持着来讲，燃煤的着火性能、炉膛稳燃性能和燃烧器的稳素。随着锅炉负荷的升高，锅炉燃烧温度会升高，就表明，对于挥发分较高的燃煤，飞灰可燃物较低，锅；对于挥发分较低的燃煤，锅炉负荷对锅炉燃烧损失度的是煤粉与空气的重量之比，一次风中的煤粉浓度对
【参考文献】：
期刊论文
[1]热电厂锅炉燃烧系统建模及优化研究[J]. 荣盘祥,张亮,孙国兵,郭祥迁,王宏源. 青岛理工大学学报. 2018(02)
[2]基于模糊控制策略的锅炉燃烧优化控制系统设计[J]. 应蕾,何星,张卫东,章立宗. 山东工业技术. 2018(03)
[3]基于稀疏最小二乘支持向量机的锅炉燃烧优化研究[J]. 乔侨,吕剑虹. 工业控制计算机. 2017(07)
[4]燃气锅炉燃烧效率优化控制仿真研究[J]. 赵钢,李斌. 计算机仿真. 2017(01)
[5]基于自适应模糊推理辨识方法和果蝇优化算法的CFB锅炉燃烧优化[J]. 张文广,孙亚洲,刘吉臻,高明明,陈峰. 动力工程学报. 2016(02)
[6]基于大数据驱动案例匹配的电站锅炉燃烧优化[J]. 王东风,刘千,韩璞,赵文杰. 仪器仪表学报. 2016(02)
[7]基于优化模糊神经网络的循环流化床锅炉自适应燃烧控制算法[J]. 王耿杰,张雨飞. 工业控制计算机. 2015(11)
[8]1000MW超超临界机组锅炉燃烧优化试验研究[J]. 郭杰,秦希超. 中国电力. 2015(05)
[9]印度嘉佳电厂660MW超临界锅炉燃烧优化试验研究[J]. 张开利,李树海. 锅炉技术. 2015(02)
[10]基于神经网络遗传算法的锅炉燃烧优化系统[J]. 徐齐胜,罗胜琪,陶欣,朱全利. 自动化与仪表. 2014(06)
博士论文
[1]燃煤链条锅炉燃烧的数值建模及配风与炉拱的优化设计[D]. 季俊杰.上海交通大学 2008
硕士论文
[1]热电锅炉燃烧过程建模与运行优化研究[D]. 朱钰森.浙江大学 2017
[2]燃气锅炉燃烧控制系统应用设计[D]. 李斌.天津理工大学 2017
[3]蒸汽锅炉燃烧过程的分段PID控制研究[D]. 孟照阳.内蒙古科技大学 2015
[4]基于粒子群优化BP神经网络在电站锅炉中的应用研究[D]. 吕雪冬.安徽大学 2015
[5]基于智能优化算法的电站锅炉燃烧优化[D]. 张振星.华北电力大学 2015
[6]锅炉燃烧优化控制系统的设计与实现[D]. 刘向英.电子科技大学 2014
[7]基于智能PID控制的燃气锅炉燃烧控制系统研究[D]. 谷洋洋.中国舰船研究院 2014
[8]基于自由搜索算法的电站燃煤锅炉燃烧优化应用研究[D]. 王培坤.燕山大学 2013
[9]电站燃煤锅炉燃烧优化系统研究[D]. 刘海峰.华北电力大学 2013
[10]基于神经网络及粒子群算法的锅炉燃烧过程建模与仿真[D]. 韩冷.哈尔滨理工大学 2012
本文编号：3222151
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3222151.html
教材专著
