基于模糊神經(jīng)網(wǎng)絡(luò)技術(shù)的鍋爐燃燒優(yōu)化控制.pdf

1、近些年，隨著經(jīng)濟(jì)的飛速發(fā)展，能源的生產(chǎn)供應(yīng)日趨緊張，環(huán)境破壞也日益嚴(yán)重，燃煤電站運(yùn)行面臨著高效低污染的雙重壓力。鍋爐作為燃煤電站的重要設(shè)備之一，其燃燒過(guò)程涉及到多門(mén)學(xué)科交叉，是一個(gè)復(fù)雜且相互耦合的過(guò)程。對(duì)鍋爐燃燒過(guò)程進(jìn)行優(yōu)化調(diào)整，能夠有效提高燃煤電站運(yùn)行的安全性和經(jīng)濟(jì)性。以鍋爐燃燒運(yùn)行數(shù)據(jù)為基礎(chǔ)，通過(guò)人工智能技術(shù)對(duì)鍋爐燃燒過(guò)程進(jìn)行建模、尋優(yōu)并采用先進(jìn)控制技術(shù)對(duì)鍋爐燃燒過(guò)程進(jìn)行控制，已成為現(xiàn)今鍋爐燃燒優(yōu)化控制研究的焦點(diǎn)，針對(duì)這一問(wèn)題，本文

2、主要從以下幾個(gè)方面對(duì)鍋爐燃燒優(yōu)化控制進(jìn)行了研究:
　　對(duì)鍋爐的燃燒特性影響因素進(jìn)行了重點(diǎn)分析，以600MW超臨界直流鍋爐為研究對(duì)象，設(shè)計(jì)鍋爐燃燒優(yōu)化調(diào)整試驗(yàn)方案，并按此方案進(jìn)行了鍋爐燃燒優(yōu)化調(diào)整試驗(yàn)研究，對(duì)試驗(yàn)數(shù)據(jù)結(jié)果進(jìn)行了研究分析。
　　詳細(xì)介紹了模糊神經(jīng)網(wǎng)絡(luò)(FNN)技術(shù)，采用基于實(shí)數(shù)編碼的自適應(yīng)遺傳算法對(duì)模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法進(jìn)行了改進(jìn)，提出了一種改進(jìn)的T-S模糊神經(jīng)網(wǎng)絡(luò)。針對(duì)鍋爐燃燒過(guò)程非線性、強(qiáng)耦合的特征，以大量熱態(tài)

3、運(yùn)行數(shù)據(jù)為基礎(chǔ)，采用該T-S模糊神經(jīng)網(wǎng)絡(luò)建立了鍋爐燃燒特性模型，并運(yùn)用測(cè)試樣本對(duì)模型精度進(jìn)行了檢驗(yàn)，結(jié)果表明本文建立的鍋爐燃燒特性模型具有較高的預(yù)測(cè)精度。
　　以鍋爐熱效率和NOx排放量為優(yōu)化目標(biāo)，根據(jù)優(yōu)化目標(biāo)之間不同的的權(quán)重比，采用遺傳算法(GA)對(duì)鍋爐燃燒工況進(jìn)行優(yōu)化，得到優(yōu)化后各操作變量的推薦值，并對(duì)優(yōu)化結(jié)果進(jìn)行分析。
　　以人工智能建模算法和智能優(yōu)化算法為基礎(chǔ)，設(shè)計(jì)了一套鍋爐燃燒優(yōu)化控制系統(tǒng)，介紹該系統(tǒng)的主要組成構(gòu)架