基于智能算法的燃煤电站锅炉经济运行与NO_x排放多目标优化研究

发布时间：2017-09-08 07:40

  本文关键词：基于智能算法的燃煤电站锅炉经济运行与NO_x排放多目标优化研究

  更多相关文章： 燃煤锅炉 锅炉热效率 NO_x排放 智能算法 多目标优化

【摘要】：将智能算法应用于锅炉燃烧多目标优化是节能减排的重要措施,本文基于多种智能算法,对锅炉燃烧进行多目标优化。首先,以某660MW燃煤锅炉为研究对象,利用BP人工神经网络建立该锅炉660MW负荷下的燃烧特性预测模型,以23维锅炉燃烧运行参数为输入,锅炉热效率和NO_x排放量为输出。所建模型训练误差在-1.1′10-9~1.33′10-9之间,NO_x排放校验样本的绝对值平均误差为3.0398%,锅炉热效率的校验样本的绝对值平均误差为0.1129%,该预测模型具有较高的精确性和良好的泛化性。基于该燃烧预测模型,建立锅炉燃烧优化模型,优化算法采用遗传算法,其中,利用权重系数法将多目标优化问题转化为单目标优化问题,并且在不同的权重比例系数(0.1-0.9、0.2-0.8、0.3-0.7、0.4-0.6、0.5-0.5、0.6-0.4、0.7-0.3、0.8-0.2)下分别进行优化,不同权重比例下的优化结果不同,随着NO_x排放量与锅炉热效率的权重比例由1-9逐步增加到8-2,NO_x排放量的值由176mg/m3逐步下降到111 mg/m3,锅炉燃烧的热损失由4.24%(锅炉热效率95.76%)逐步上升到6.05%(锅炉热效率93.95%),其所有解集合构成了Pareto解集,并且呈现出凹形Pareto前沿。文章第四章将基于分解的多目标进化算法引进到锅炉燃烧多目标优化中,采用切比雪夫的分解策略进行优化,优化后的NO_x排放量范围为112 mg/m3~183mg/m3,锅炉热损失为4.3%~5.8%,与传统的遗传算法相比,优化效果稍差,两种算法各有优缺点。本文同时采用另外某330MW锅炉为研究对象,首先针对该锅炉满负荷运行工况,对原有遗传算法进行改进,得到了改进的BP-GA优化模型,该模型以在锅炉热效率某个可接受范围内寻求NO_x排放的最优化为目的。取锅炉热效率的量化约束为93.5%、93%、92.5%、92%时,NO_x的值经过优化后分别降低到380mg/m3、350 mg/m3、320mg/m3、310 mg/m3左右,优化效果比较明显。针对该锅炉,基于其300MW和270MW负荷下的运行数据,借助于向量评价的遗传算法建立了两个负荷下的优化模型,300 MW工况下锅炉热效率和NO_x排放优质解集合分别为92.93%~93.64%与367 mg/m3~413 mg/m3,270 MW负荷锅炉热效率和NO_x排放优质解集合的范围分别为92.26%~93.56%和360 mg/m3~416 mg/m3,都取得了较好的优化值集合。
【关键词】：燃煤锅炉 锅炉热效率 NO_x排放 智能算法 多目标优化
【学位授予单位】：南昌大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM621.2;X773
【目录】：

• 摘要3-5
• ABSTRACT5-9
• 第1章 绪论9-17
• 1.1 课题研究的背景及意义9-11
• 1.2 国内外研究现状11-12
• 1.3 NOx生成机理12-16
• 1.4 课题来源16
• 1.5 课题研究内容16-17
• 第2章 锅炉燃烧模型的建立17-28
• 2.1 研究对象介绍17
• 2.2 建模数据处理17-19
• 2.3 基于BP神经网络的锅炉燃烧建模19-23
• 2.3.1 BP人工神经网络19-21
• 2.3.2 锅炉燃烧特性建模21-23
• 2.4 锅炉燃烧模型的建模效果评估23-27
• 2.5 本章小结27-28
• 第3章 基于遗传算法的优化实验分析28-42
• 3.1 锅炉燃烧优化介绍28
• 3.2 基于遗传算法的锅炉燃烧优化模型的建立28-32
• 3.3 基于BP-GA算法的锅炉燃烧优化32-40
• 3.3.1 锅炉燃烧优化模型相关参数的设置32
• 3.3.2 锅炉燃烧优化模型优化结果32-33
• 3.3.3 锅炉燃烧优化分权重比例系数分析33-40
• 3.4 本章小结40-42
• 第4章 基于MOEA/D算法的锅炉燃烧多目标优化分析42-54
• 4.1 多目标优化相关定义42-44
• 4.2 基于分解的多目标进化算法44-46
• 4.3 锅炉燃烧多目标优化建模46-50
• 4.4 锅炉燃烧优化算法对比分析50-52
• 4.5 本章小结52-54
• 第5章 300MW燃煤锅炉的燃烧优化54-69
• 5.1 基于改进BP-GA算法的 300MW负荷燃烧优化54-62
• 5.1.1 研究对象介绍54
• 5.1.2 BP神经网络模型54-57
• 5.1.3 基于改进遗传算法的锅炉燃烧优化模型57-62
• 5.2 基于VEGA算法的 300MW和 270MW负荷下的燃烧优化62-68
• 5.2.1 BP神经网络模型62-65
• 5.2.2 基于BP-VEGA的锅炉燃烧优化模型65-68
• 5.3 本章小结68-69
• 第6章 结论与展望69-71
• 6.1 结论69-70
• 6.2 展望70-71
• 致谢71-72
• 参考文献72-76
• 攻读学位期间的研究成果76

【相似文献】

中国期刊全文数据库 前10条

1 姜斌;梁士锋;冯佳佳;;催化吸收稳定系统的多目标优化[J];计算机与应用化学;2008年01期

2 刘扬;模糊优化与多目标优化的类同性[J];大庆石油学院学报;1990年01期

3 覃孟扬;刘大维;罗永顺;李玉忠;;基于灰色系统理论的车削参数多目标优化(英文)[J];机床与液压;2013年24期

4 厉小军,俞欢军,李绍军,胡上序;进化多智能体技术在多目标优化中的应用[J];化工学报;2004年03期

5 韩方煜,贾小平;环境友好过程的建模和多目标优化[J];计算机与应用化学;2004年01期

6 吴华武;胡鑫尧;;锆铪萃取分离系统参数的多目标优化决策[J];计算机与应用化学;1991年04期

7 江沛;曹柳林;;聚酯工业生产缩聚过程的多目标优化[J];计算机与应用化学;2007年11期

8 岳金彩;程华农;杨霞;郑世清;韩方煜;;连续过程的多目标优化[J];计算机与应用化学;2009年11期

9 邵辉;李晶;杨丽丹;;基于多目标优化的危险化学品运输模式探讨[J];中国安全生产科学技术;2010年02期

10 李云玲;;提升运输多目标优化控制系统设计[J];科技经济市场;2013年03期

中国重要会议论文全文数据库 前10条

1 张翔;;一种无歧义性的多目标优化数值解法[A];中国农业机械学会成立40周年庆典暨2003年学术年会论文集[C];2003年

2 罗亚中;;航天器轨迹多目标优化研究评述[A];The 5th 全国动力学与控制青年学者研讨会论文摘要集[C];2011年

3 耿玉磊;张翔;;多目标优化的求解方法与发展[A];福建省科协第四届学术年会——提升福建制造业竞争力的战略思考专题学术年会论文集[C];2004年

4 耿玉磊;张翔;;多目标优化的求解方法与发展[A];福建省科协第四届学术年会提升福建制造业竞争力的战略思考专题学术年会论文集[C];2004年

5 程鹏;唐雁;邹显春;;约束多目标优化试验函数产生器[A];2008年计算机应用技术交流会论文集[C];2008年

6 贾小平;韩方煜;;多目标优化及其在过程工程中的应用[A];过程系统工程2001年会论文集[C];2001年

7 邢志祥;;灭火救援力量调集的多目标优化[A];第一届全国安全科学理论研讨会论文集[C];2007年

8 孙力;樊希山;姚平经;;化工过程多目标优化适宜解的模糊确定[A];第二届全国传递过程学术研讨会论文集[C];2003年

9 李颖t;昝建明;周建文;;多目标形貌优化方法研究[A];结构及多学科优化工程应用与理论研讨会’2009（CSMO-2009）论文集[C];2009年

10 许碧霞;李兆江;;基于循环经济的城市污水多目标优化配置分析[A];中国地理学会2007年学术年会论文摘要集[C];2007年

中国博士学位论文全文数据库 前10条

1 王晗丁;复杂问题的多目标进化优化算法研究[D];西安电子科技大学;2015年

2 董宁;求解约束优化和多目标优化问题的进化算法研究[D];西安电子科技大学;2015年

3 邹娟;高维多目标进化优化及降维评价的方法研究[D];湘潭大学;2014年

4 杨光;求解多目标优化问题的NWSA研究及其工程应用[D];吉林大学;2015年

5 王超;装载与车辆路径联合多目标优化问题研究[D];大连理工大学;2016年

6 叶承晋;计算智能在电力系统多目标优化中的应用研究[D];浙江大学;2015年

7 过晓芳;超多目标优化问题的几种进化算法研究[D];西安电子科技大学;2015年

8 左益;基于全局优化和局部学习的进化多目标优化算法[D];西安电子科技大学;2016年

9 卢芳;多目标优化及随机变分不等式问题的若干研究[D];重庆大学;2016年

10 徐志丹;基于生物地理算法的多目标优化理论与应用研究[D];哈尔滨工程大学;2013年

中国硕士学位论文全文数据库 前10条

1 何素素;基于改进的粒子群算法的钻进参数多目标优化研究[D];西安石油大学;2015年

2 黄怡;基于药效综合评价的中药组分配伍优化方法研究[D];浙江大学;2015年

3 韩伟;基于混合智能算法在造纸废水厌氧消化处理过程多目标优化中的研究[D];华南理工大学;2015年

4 彭清风;基于鲁棒性的船体中横剖面多目标优化[D];上海交通大学;2015年

5 崔华;面向个性化需求的服务组合优化方法[D];哈尔滨工业大学;2015年

6 章姗捷;基于遗传算法的电力工程多目标优化研究[D];华北电力大学;2015年

7 高敏;基于协同论的风电建设项目多目标优化模型研究[D];华北电力大学;2015年

8 刘培根;基于多目标优化和压缩感知的航拍目标检测[D];电子科技大学;2015年

9 杨凯;基于多目标优化的贵州工业结构调整研究[D];贵州师范大学;2015年

10 陈振兴;基于空间拥挤控制策略的进化多目标优化[D];福建师范大学;2015年

，

本文编号：812741