電站鍋爐性能監(jiān)測建模與燃燒優(yōu)化算法研究.pdf

1、受到負荷多變、煤質(zhì)多變、煤價居高不下等多重影響以及人們對環(huán)境保護的日益關注,對火電機組進行節(jié)能減排研究以降低發(fā)電成本和環(huán)境污染是目前發(fā)電企業(yè)面臨的主要任務。鍋爐作為火電機組的主體設備之一,對其實現(xiàn)性能的準確在線監(jiān)測以及合理燃燒優(yōu)化是提高機組經(jīng)濟性和降低污染物排放的重要手段。本文圍繞著鍋爐性能監(jiān)測建模與燃燒優(yōu)化算法兩方面工作開展研究。
　　 在理論分析的基礎上,充分利用火電機組運行數(shù)據(jù)信息資源,基于改進后的智能優(yōu)化算法和聚類分析方

2、法,提出了便于實用的鍋爐性能監(jiān)測建模與燃燒優(yōu)化方法,主要研究成果包括:
　　 (1)鍋爐熱效率及其相關燃煤特性的同步在線監(jiān)測
　　 針對燃燒調(diào)節(jié)與優(yōu)化控制的實際需要,開展了熱效率及其相關燃煤特性在線監(jiān)測的建模研究。改進了簡化反平衡熱效率模型中的水蒸汽量計算模型;提出了干空氣量與煙氣量的簡化計算模型。提出一種能夠反映鍋爐內(nèi)熱平衡效果的熱效率及燃煤熱值、灰分、水分的同步測算模型;分析了影響該同步測算模型精度的主要影響因素和測

3、算誤差,并利用實例分析驗證了上述模型的有效性。
　　 (2)鍋爐特性混合模擬及爐膛出口煙溫預測
　　 提出了一種機理建模與試驗數(shù)據(jù)樣本相結(jié)合的鍋爐特性混合模擬方法,該方法融合了機理建模對特性的趨勢性表達,也能夠反映熱力試驗對特性的個性刻畫;該方法首先以熱力校核計算為基礎,構(gòu)建特性模擬平臺的構(gòu)架,并通過負荷、煤種等外部參數(shù)擾動下的變工況特性模擬驗證其模擬效果;進而利用現(xiàn)場試驗數(shù)據(jù)樣本,替換了相關假定值,修正了輻射放熱系數(shù)等

4、參數(shù),簡化了受熱面的迭代計算過程,實現(xiàn)了鍋爐特性的混合模擬;以此為基礎,建立了基于熱力計算的爐膛出口煙溫測算模型。實例分析驗證了模擬方法的可行性和有效性。
　　 (3)鍋爐熱效率與Nox排放響應特性混合模型
　　 為了解決電站鍋爐高效低NOx的優(yōu)化決策問題,建立了基于核主元分析、支持向量回歸機(KPCA-ε-SVR)與機理模型混合的鍋爐熱效率和NOx排放特性響應模型。在建模的過程中,針對模型輸入變量存在著維數(shù)高、變量之間

5、非線性等特點,采用核主元分析(KPCA)提取輸入變量的主元,去除變量之間的相關性;按照5-fold交叉驗證誤差和最小的原則,優(yōu)化KPCA-ε-SVR模型參數(shù),確定模型的輸入主元個數(shù);實例分析表明:與神經(jīng)網(wǎng)絡(BP)和支持向量機(ε-SVR.)模型相比,KPCA-ε-SVR模型具有良好的泛化能力,且熱效率與NOx排放濃度預測結(jié)果具有較高的精度。
　　 (4)帶有侵入性雜草的改進粒子群優(yōu)化算法(IWPSO)
　　 針對粒子群

6、優(yōu)化(PSO)算法在解決復雜實際優(yōu)化問題時易出現(xiàn)的早熟收斂現(xiàn)象,進行PSO算法的改進研究。在深入分析PSO算法產(chǎn)生早熟收斂的原因之后,提出了一種帶有侵入性雜草的改進粒子群優(yōu)化算法(IWPSO)。該算法通過引入生命力不斷增強且離整個粒子子群距離最遠的雜草Dbest,擬補了群體中信息交流方向單一化的不足,增加粒子群多樣性的同時使其內(nèi)部仍保持著快速的信息交流速度,實現(xiàn)快速收斂:對不同維數(shù)下若干benchmark函數(shù)進行數(shù)值模擬試驗,確定IWP

7、SO算法參數(shù),并驗證了其良好的優(yōu)化性能。
　　 (5)鍋爐高效低污染優(yōu)化模型及其優(yōu)化解
　　 基于KPCA-ε-SVR預測模型,利用IWPSO算法,研究了鍋爐低NOx燃燒優(yōu)化問題,實例分析表明優(yōu)化結(jié)果與抑制NOx生成的低氧燃燒原則具有一致性,同時進一步驗證IWPSO算法的良好優(yōu)化性能;在鍋爐熱效率與NOx排放響應特性模型的基礎上,研究了兩種鍋爐高效低Nox的受限燃燒優(yōu)化問題,并利用IWPSO算法提出了分段變目標值方式處理

8、受限優(yōu)化目標函數(shù)以實現(xiàn)鍋爐高效低NOx燃燒優(yōu)化的方法,實例分析驗證了該方法的有效性和可靠性。
　　 (6)基于運行數(shù)據(jù)的鍋爐監(jiān)控參數(shù)基準值模型
　　 針對鍋爐實際運行數(shù)據(jù)的關聯(lián)特性,利用基于IWPSO算法的改進優(yōu)化模糊C-均值(IWPSO-FCM)聚類算法實現(xiàn)多參量同步聚類,提出了一種確定鍋爐運行優(yōu)化工況的監(jiān)控參數(shù)基準值建模方法。針對FCM聚類算法本身對初始中心的依賴性問題,提出了改進的優(yōu)化模糊C-均值聚類算法;人工、I

9、RIS和經(jīng)典UCI分類數(shù)據(jù)集的模擬試驗驗證了該算法的良好聚類性能;利用IWPSO-FCM聚類算法,在實際運行數(shù)據(jù)中同步挖掘出某典型負荷鄰域區(qū)間對應的排煙氧量、排煙溫度和飛灰可燃物等監(jiān)控參數(shù)基準值;在多參量同步聚類算法中,利用有效性函數(shù)優(yōu)化模糊聚類數(shù),提出運行模式支持度的相關概念及其樣本支持判定的規(guī)則,并對類中心點處ε區(qū)域內(nèi)樣本進行無偏估計;實例分析表明:該方法能夠在兼顧參數(shù)之間耦合關系的基礎上,得到高效工況下對應的各基準值樣本點,并建立