本文關(guān)鍵詞：基于智能技術(shù)的混煤特性預(yù)測(cè)及配煤優(yōu)化模型研究，由筆耕文化傳播整理發(fā)布。

【摘要】： 由于近年來(lái)火電用煤日趨緊張,煤價(jià)上漲、煤源復(fù)雜多變等因素造成大部分火力發(fā)電廠不得不采用混煤摻燒的燃煤方式。燃用煤偏離鍋爐設(shè)計(jì)煤種的現(xiàn)象普遍存在,鍋爐煤質(zhì)不穩(wěn)造成鍋爐效率降低、燃用設(shè)備安全可靠性降低和燃煤污染物排放加重。因此研究混配煤煤質(zhì)特性和著火特性對(duì)充分利用地方劣質(zhì)煤和實(shí)現(xiàn)鍋爐的混煤優(yōu)化摻燒具有重要的意義。 針對(duì)湖南本地煤煤質(zhì)差的特點(diǎn),選用了多種湖南地方煤和外省煤進(jìn)行動(dòng)力配煤研究,對(duì)選用單煤和混煤進(jìn)行了低位發(fā)熱量測(cè)定、元素分析、工業(yè)分析和熱重實(shí)驗(yàn),掌握了單煤種的煤質(zhì)特性和著火特性。通過(guò)混煤煤質(zhì)線性加權(quán)值與實(shí)驗(yàn)值相比較,發(fā)現(xiàn)混煤煤質(zhì)與單煤煤質(zhì)之間不是簡(jiǎn)單的線性加權(quán)關(guān)系,而是呈現(xiàn)非線性的規(guī)律。 根據(jù)煤質(zhì)實(shí)驗(yàn)數(shù)據(jù),利用GRNN神經(jīng)網(wǎng)絡(luò)建立了混煤的煤質(zhì)特性、著火溫度和著火穩(wěn)燃特性指數(shù)預(yù)測(cè)模型,并分別對(duì)各預(yù)測(cè)模型的預(yù)測(cè)性能進(jìn)行了研究,確立了網(wǎng)絡(luò)參數(shù)和模型結(jié)構(gòu)。最后對(duì)混煤煤質(zhì)特性、著火溫度和著火穩(wěn)燃特性指數(shù)進(jìn)行預(yù)測(cè),預(yù)測(cè)的平均相對(duì)誤差均在5%以內(nèi)。 在此基礎(chǔ)上,針對(duì)本文研究的煤質(zhì)數(shù)據(jù)庫(kù)建立了動(dòng)力配煤優(yōu)化模型,采用遺傳算法對(duì)模型進(jìn)行求解,在優(yōu)化模型約束條件中應(yīng)用了混煤煤質(zhì)預(yù)測(cè)模型求得混配煤煤質(zhì),得到煤價(jià)最低符合約束條件的優(yōu)化配煤方案,并結(jié)合實(shí)驗(yàn)研究和模型預(yù)測(cè)驗(yàn)證了優(yōu)化混煤在煤質(zhì)特性、著火特性、煤價(jià)等方面較單煤都有了很大改善,能夠?qū)崿F(xiàn)混煤摻燒的優(yōu)化目的。
【關(guān)鍵詞】：混煤 GRNN神經(jīng)網(wǎng)絡(luò) 預(yù)測(cè) 遺傳算法 優(yōu)化
【學(xué)位授予單位】：中南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2009
【分類(lèi)號(hào)】：TK227.1
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 國(guó)內(nèi)煤炭資源及動(dòng)力配煤技術(shù)綜述9-19
• 1.1 引言9
• 1.2 國(guó)內(nèi)煤炭資源及其在能源消費(fèi)結(jié)構(gòu)中的地位9-12
• 1.2.1 國(guó)內(nèi)煤炭資源概況9-10
• 1.2.2 湖南省煤炭資源概述10-12
• 1.3 動(dòng)力配煤的意義及發(fā)展現(xiàn)狀12-17
• 1.3.1 動(dòng)力配煤的意義12-14
• 1.3.2 國(guó)外動(dòng)力配煤技術(shù)發(fā)展及相關(guān)研究現(xiàn)狀14-15
• 1.3.3 國(guó)內(nèi)動(dòng)力配煤技術(shù)發(fā)展及相關(guān)研究現(xiàn)狀15-17
• 1.4 本文主要研究?jī)?nèi)容17-19
• 第二章 混煤煤質(zhì)特性和著火燃燒特性實(shí)驗(yàn)研究19-36
• 2.1 單煤煤質(zhì)特性及混煤方案19-23
• 2.1.1 單煤的元素分析19-20
• 2.1.2 單煤的發(fā)熱量和工業(yè)分析20-22
• 2.1.3 配煤的混煤方案22-23
• 2.2 混煤煤質(zhì)特性23-26
• 2.3 煤的燃燒特性研究26-35
• 2.3.1 熱重分析儀及實(shí)驗(yàn)方法27-31
• 2.3.2 著火特性和燃燒特性判別指數(shù)31-32
• 2.3.3 實(shí)驗(yàn)結(jié)果32-35
• 2.4 本章小結(jié)35-36
• 第三章 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)混煤煤質(zhì)特性研究36-51
• 3.1 廣義回歸神經(jīng)網(wǎng)絡(luò)原理36-39
• 3.1.1 GRNN網(wǎng)絡(luò)結(jié)構(gòu)36-37
• 3.1.2 GRNN預(yù)測(cè)算法37-39
• 3.2 GRNN網(wǎng)絡(luò)性能影響39-40
• 3.3 GRNN網(wǎng)絡(luò)在煤質(zhì)預(yù)測(cè)中的應(yīng)用40-42
• 3.3.1 混煤煤質(zhì)預(yù)測(cè)模型描述40-41
• 3.3.2 數(shù)據(jù)的歸一化處理41
• 3.3.3 預(yù)測(cè)模型應(yīng)用41-42
• 3.4 混煤煤質(zhì)預(yù)測(cè)結(jié)果42-49
• 3.4.1 混煤發(fā)熱量預(yù)測(cè)及其性能分析42-45
• 3.4.2 混煤工業(yè)分析和元素分析預(yù)測(cè)45-49
• 3.5 本章小結(jié)49-51
• 第四章 混煤著火溫度和著火穩(wěn)燃特性指數(shù)預(yù)測(cè)研究51-58
• 4.1 煤的著火燃燒51-52
• 4.2 影響煤著火的因素52-54
• 4.2.1 發(fā)熱量的影響52
• 4.2.2 揮發(fā)分的影響52-53
• 4.2.3 灰分的影響53
• 4.2.4 水分的影響53-54
• 4.3 GRNN在預(yù)測(cè)混煤著火溫度及著火穩(wěn)燃特性指數(shù)上的應(yīng)用54-57
• 4.3.1 混煤著火溫度預(yù)測(cè)54-56
• 4.3.2 混煤著火穩(wěn)燃特性指數(shù)預(yù)測(cè)56-57
• 4.4 本章小結(jié)57-58
• 第五章 遺傳算法在動(dòng)力配煤優(yōu)化模型中的應(yīng)用58-68
• 5.1 遺傳算法理論58-61
• 5.1.1 遺傳算法介紹58-59
• 5.1.2 遺傳算法設(shè)計(jì)的基本步驟59-61
• 5.2 遺傳算法在動(dòng)力配煤優(yōu)化模型中的應(yīng)用61-66
• 5.2.1 配煤實(shí)際問(wèn)題編碼及初始群體生成61-62
• 5.2.2 適應(yīng)度對(duì)群體的評(píng)價(jià)62-64
• 5.2.3 遺傳算子的確定64-65
• 5.2.4 算法終止條件65-66
• 5.3 模型優(yōu)化結(jié)果66-67
• 5.4 本章小結(jié)67-68
• 第六章 結(jié)論與建議68-70
• 參考文獻(xiàn)70-74
• 致謝74-75
• 發(fā)表論文和參加科研情況75

【引證文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 陳棟楠;歐儉平;馬愛(ài)純;周成建;廖文高;;動(dòng)力配煤線性預(yù)測(cè)與非線性預(yù)測(cè)方法研究[J];金屬材料與冶金工程;2012年02期

2 彭皓;袁益超;王波;;GA-BP神經(jīng)網(wǎng)絡(luò)在動(dòng)力配煤煤質(zhì)和燃燒特性預(yù)測(cè)中的應(yīng)用[J];能源研究與信息;2011年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 朱再興;鍋爐動(dòng)力配煤優(yōu)化模型和專家系統(tǒng)研發(fā)及爐內(nèi)燃燒仿真優(yōu)化研究[D];中南大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 劉艷軍;電廠動(dòng)力配煤煤質(zhì)預(yù)測(cè)模型與優(yōu)化模型研究[D];中南大學(xué);2011年

2 單文娣;基于車(chē)輛軌道動(dòng)力特性的軌道基礎(chǔ)沉降智能識(shí)別方法[D];北京交通大學(xué);2012年

3 文旭林;基于神經(jīng)網(wǎng)絡(luò)的水平光管內(nèi)有機(jī)工質(zhì)流動(dòng)沸騰換熱研究[D];昆明理工大學(xué);2012年

4 郝敬亞;群體智能算法在電廠燃料管理系統(tǒng)中的應(yīng)用研究[D];華北電力大學(xué);2012年

  本文關(guān)鍵詞：基于智能技術(shù)的混煤特性預(yù)測(cè)及配煤優(yōu)化模型研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：255921