基于粒子群優(yōu)化BP神經網絡在電站鍋爐中的應用研究.pdf

1、電力能源是人們日常生活中最常用的能源之一。隨著科技的發(fā)展、人類社會文明的進步，小到個人居住環(huán)境，大到工廠企業(yè)都已經離不開電力能源帶來的巨大便捷和利益。電力能源的生產主要有:火力發(fā)電、風力發(fā)電、水利發(fā)電以及核反應堆發(fā)電等。在我國的發(fā)電企業(yè)中，火電廠發(fā)電量約占總發(fā)電量的80％左右，所以火電廠是我國電力能源的主要來源?；痣姀S發(fā)電所用的主要燃料是煤炭，煤炭在高溫燃燒時會產生大量污染物，包括氣體污染物和固體污染物，嚴重影響了生態(tài)環(huán)境。國家頒布的大

2、量文件中也針對火電廠污染物排放的問題做了具體約束。與此同時，由于火電廠鍋爐內部和外部的諸多因素，影響了鍋爐運行的效率，導致發(fā)電成本增加，加重了火電廠的經濟負擔。在發(fā)電企業(yè)競爭日益激烈的情況下，火電廠想要提高自身的競爭實力，就必須很好地解決發(fā)電過程中鍋爐效率以及污染物排放這兩個問題。
　　本設計針對火電廠發(fā)電的高損耗、高污染物排放的不足，采用BP神經網絡對電站鍋爐進行建模，并用粒子群優(yōu)化BP神經網絡的方法，對火電廠鍋爐高效低污染的運

3、行特性展開研究。首先對火電廠燃煤發(fā)電過程中所產生的氣體污染物NOx的生成和破壞機理，以及影響NOx生成的因素作了詳細的分析，為火電廠鍋爐在運行過程中的參數調整提供有效依據。然后，分別介紹了BP神經網絡和粒子群算法的原理和流程，對BP神經網絡的不足作了改進，對選用粒子群算法優(yōu)化BP神經網絡的原因作了簡要分析。粒子群優(yōu)化BP神經網絡的具體過程為:將鍋爐運行參數輸入BP神經網絡對其進行學習訓練，使神經網絡能較好的預測鍋爐在不同工況下的效率以及

4、NOx排放量。接著，用粒子群優(yōu)化算法優(yōu)化BP神經網絡的權值和閾值，使神經網絡的泛化能力在原來的基礎上更進一步的提高。根據上述的方法，采用大唐洛河火電廠的鍋爐運行數據應用到本設計中，將這些采集到的數據進行預處理，再建立三種不同的神經網絡模型，分別為:BP神經網絡、GA-BP神經網絡、PSO-BP神經網絡。把這些處理后的數據用仿真軟件分別輸入到三種網絡模型中，獲得這三種網絡模型的預測輸出。用圖、表法分析所獲得的網絡模型預測輸入與實際輸出之間