摘要
当前,随着我国社会主义进入新的发展时期,经济发展的同时需要注
重对环保的要求,对于火电行业来说同样如此,即保证电厂经济利益的
同时要做好环保措施。电厂中主要通过对锅炉燃烧系统的控制来实现对
氮氧化物排放的控制,针对该系统的多输入多输出的多变量非线性特点 ,
神经网络对其进行仿真模拟不能很好的针对电厂多变的工况进行模拟,
所以应当建立可对电厂锅炉燃烧系统的动态特征进行仿真模仿的建模方
法。因此,本文研究特采用非线性动态系统来进行建模并完善。
本研究主要包括以下的内容:对华电某 300MW 机组锅炉系统的锅炉参
数与燃烧器布置等指标按照历史经验数据进行稳态建模,经过数据采集 、
数据预处理和指标的优化和筛选,建立神经网络稳态模型,通过对煤耗
与 NOx 排放量这两个指标综合性分析来对不同神经元网络建模训练算法做
出评估,并找到最优算法;针对系统的非线性动态特征,采用数据驱动
原理来进行仿真模拟,提出过程定义、辨识方法与增益计算方法;由于
锅炉燃烧系统的数据具有显著动态性特征,本研究采用了混合模型来进
行仿真模拟,混合模型是基于前向神经网络与一阶自回归两种模型基础
上改进而来,可更好的对系统数据的动态特征进行描述,同时也给出了
训练算法的推导过程与结果;通过遗传算法来对整个模拟过程进行寻优
处理,然后分析出模型基于两个典型负荷情况下的模拟结果,并对其做
出结果分析和对比。
研究结果表明,本文提出的混合模型可以用来评估并优化火电厂锅炉