發(fā)布時(shí)間：2019-01-19 18:17

【摘要】：隨著我國(guó)日益嚴(yán)峻的能源和環(huán)境形勢(shì),燃煤電廠面臨著越來(lái)越大的節(jié)能和減排壓力。電廠鍋爐作為其主要耗能設(shè)備,也受到越來(lái)越多的關(guān)注。首先是我國(guó)電廠鍋爐的運(yùn)行效率低于國(guó)際先進(jìn)水平,相比于日本等發(fā)達(dá)國(guó)家,我國(guó)火力發(fā)電需要消耗巨大的能源。其次,在電力調(diào)峰的過(guò)程中,鍋爐可能處于低負(fù)荷運(yùn)行,為了保證經(jīng)濟(jì)效益,針對(duì)鍋爐效率的研究是經(jīng)濟(jì)發(fā)展的必然要求。再次,火電鍋爐燃燒產(chǎn)生大量NOx等污染物,造成巨大的環(huán)境負(fù)擔(dān)。在當(dāng)前條件下,鍋爐燃燒控制系統(tǒng)技術(shù)上的不足越來(lái)越突出,難以滿足日益增長(zhǎng)的要求。在這種背景下,效率高,NOx排放低的火電鍋爐燃燒優(yōu)化技術(shù)成為了研究人員關(guān)注的熱點(diǎn)。本文在深入研究現(xiàn)有的燃燒優(yōu)化方法的基礎(chǔ)上,分析了神經(jīng)網(wǎng)絡(luò)在建立熱電鍋爐燃燒模型方面具有的特點(diǎn)并結(jié)合陡河電廠200MW熱電鍋爐工作的實(shí)際情況,研究了運(yùn)用遺傳算法尋優(yōu)熱電鍋爐燃燒參數(shù)的問(wèn)題,主要研究?jī)?nèi)容如下：(1)對(duì)鍋爐結(jié)構(gòu)和燃燒工藝進(jìn)行了詳細(xì)的分析,在原有經(jīng)驗(yàn)方法的基礎(chǔ)上,深入理解燃燒工藝過(guò)程和電廠鍋爐控制關(guān)鍵因素及其對(duì)鍋爐燃燒性能影響方式。并從設(shè)備層面上確定了研究?jī)?nèi)容,為后續(xù)的理論分析奠定了基礎(chǔ)。(2)利用神經(jīng)網(wǎng)絡(luò)建模和遺傳算法進(jìn)行模型求解,并得到優(yōu)化結(jié)果。介紹了神經(jīng)網(wǎng)絡(luò)模型工作的基本原理及其工作方式,在著重介紹BP神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)及其算法流程的基礎(chǔ)上,利用BP網(wǎng)絡(luò)和徑向基神經(jīng)網(wǎng)絡(luò)對(duì)鍋爐燃燒系統(tǒng)建立模型并對(duì)仿真結(jié)果進(jìn)行了分析和比較,并最終確定了基于徑向基網(wǎng)絡(luò)的建模方法描述鍋爐燃燒模型。利用交叉試驗(yàn)確定了模型的輸入和輸出參數(shù)。并利用遺傳算法對(duì)鍋爐的燃燒模型進(jìn)行求解。在模型建立與尋優(yōu)的章節(jié)中,總結(jié)了各個(gè)神經(jīng)網(wǎng)絡(luò)模型具有的特點(diǎn)及其應(yīng)用場(chǎng)景。并利用遺傳算法對(duì)燃燒系統(tǒng)的控制參數(shù)進(jìn)行尋優(yōu),得到了提高燃燒系統(tǒng)熱效率并降低氮氧化物排放量的參數(shù)優(yōu)化值。(3)使用MFC開(kāi)發(fā)了鍋爐燃燒控制參數(shù)優(yōu)化軟件,介紹了主要界面和詳細(xì)使用流程及注意要點(diǎn)。并將開(kāi)發(fā)的計(jì)算系統(tǒng)應(yīng)用于鍋爐的實(shí)時(shí)控制。實(shí)際結(jié)果表明利用基于神經(jīng)網(wǎng)絡(luò)模型和遺傳算法優(yōu)化的算法在實(shí)際應(yīng)用中有巨大作用,鍋爐系統(tǒng)熱效率和NOx排放量均得到優(yōu)化,帶來(lái)了巨大的經(jīng)濟(jì)效益和環(huán)境效益。最后對(duì)本文研究的不足之處做了總結(jié)并提出了展望。
[Abstract]:With the increasingly severe energy and environmental situation in China, coal-fired power plants are facing more and more pressure of energy saving and emission reduction. As the main energy consuming equipment, power plant boiler is paid more and more attention. First of all, the operating efficiency of power plant boilers in China is lower than the advanced level in the world. Compared with the developed countries such as Japan, the thermal power generation in our country needs a huge amount of energy consumption. Secondly, in the process of power peak shaving, the boiler may be in low load operation. In order to ensure economic benefit, the research on boiler efficiency is the inevitable requirement of economic development. Thirdly, the combustion of thermal power boiler produces a large amount of pollutants, such as NOx, resulting in a huge environmental burden. Under the present condition, the technical deficiency of boiler combustion control system is more and more prominent, and it is difficult to meet the increasing demand. In this context, high efficiency and low NOx emissions of thermal power boiler combustion optimization technology has become the focus of attention. On the basis of deeply studying the existing combustion optimization methods, this paper analyzes the characteristics of the neural network in establishing the combustion model of the thermoelectric boiler and combines the actual situation of the work of the 200MW thermoelectric boiler in Douhe Power Plant. The problem of optimizing combustion parameters of thermoelectric boiler by genetic algorithm is studied. The main contents are as follows: (1) the boiler structure and combustion technology are analyzed in detail. Deeply understand the combustion process and the key factors of boiler control in power plant and its influence on boiler combustion performance. The research content is determined from the equipment level, which lays a foundation for the subsequent theoretical analysis. (2) the neural network modeling and genetic algorithm are used to solve the model, and the optimization results are obtained. In this paper, the basic principle and working mode of neural network model are introduced. On the basis of introducing BP neural network, radial basis function neural network and its algorithm flow, BP neural network and radial basis function neural network are used to model the boiler combustion system, and the simulation results are analyzed and compared. Finally, the modeling method based on radial basis function network is determined to describe the boiler combustion model. The input and output parameters of the model are determined by cross test. The combustion model of boiler is solved by genetic algorithm. In the chapter of model establishment and optimization, the characteristics and application scenarios of each neural network model are summarized. The optimized parameters of combustion system are obtained by genetic algorithm. (3) the optimization software of boiler combustion control parameters is developed by using MFC, which can improve the thermal efficiency of combustion system and reduce the emission of nitrogen oxide. This paper introduces the main interface and detailed usage flow and points for attention. The developed computing system is applied to the real-time control of boiler. The practical results show that the optimization algorithm based on neural network model and genetic algorithm plays an important role in practical application, and the thermal efficiency and NOx emission of boiler system are optimized, which brings great economic and environmental benefits. At last, the deficiency of this paper is summarized and the prospect is put forward.
【學(xué)位授予單位】：華北電力大學(xué)(北京)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TM621.2;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉建峰;;鍋爐燃燒和環(huán)境保護(hù)[J];機(jī)械管理開(kāi)發(fā);2006年05期

2 劉國(guó)偉,符九龍;重氮廢水的鍋爐燃燒處理[J];煤礦環(huán)境保護(hù);1997年04期

3 閆順林,李永華,張恩先;670t/h鍋爐燃燒狀態(tài)綜合評(píng)價(jià)的研究[J];河北電力技術(shù);2000年06期

4 雷如意;韓城電廠1號(hào)鍋爐燃燒問(wèn)題及解決措施[J];熱力發(fā)電;2001年03期

5 李福祥,馮德全;鍋爐燃燒優(yōu)化指導(dǎo)系統(tǒng)在濰坊發(fā)電廠的開(kāi)發(fā)應(yīng)用[J];山東電力高等專(zhuān)科學(xué)校學(xué)報(bào);2004年04期

6 張魯峻,項(xiàng)勇;2~#鍋爐燃燒不穩(wěn)定原因分析[J];冶金動(dòng)力;2005年04期

7 馬增輝;羅毅;;基于灰色系統(tǒng)理論的鍋爐燃燒方案決策[J];儀器儀表用戶;2006年06期

8 范慧義;;鍋爐燃燒可燃廢氣的安全技術(shù)[J];林業(yè)勞動(dòng)安全;2007年01期

9 蘭安兵;;寶二電廠鍋爐燃燒實(shí)施效果及存在問(wèn)題[J];中國(guó)電力教育;2007年S3期

10 趙西民;;鍋爐燃燒新技術(shù)的應(yīng)用研究[J];中國(guó)高新技術(shù)企業(yè);2011年10期

相關(guān)會(huì)議論文 前10條

1 李廣建;鮑學(xué)根;;淺議鍋爐燃燒運(yùn)行調(diào)整的方法和措施[A];科技、工程與經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展——河南省第四屆青年學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2004年

2 馬暉;王飛;崔巍;嚴(yán)建華;馬增益;沈佩華;岑可法;;300MW電站鍋爐燃燒診斷和運(yùn)行指導(dǎo)系統(tǒng)[A];首屆長(zhǎng)三角科技論壇——能源科技分論壇論文集[C];2004年

3 朱玉璧;程相利;陶新建;李琢;王志軍;;智能控制在鍋爐燃燒優(yōu)化中的應(yīng)用[A];全國(guó)火電大機(jī)組（600MW級(jí)）競(jìng)賽第十二屆年會(huì)論文集（下冊(cè)）[C];2008年

4 鄭安平;;淺析間斷撈渣方式對(duì)穩(wěn)定鍋爐燃燒的作用[A];全國(guó)火電100MW級(jí)機(jī)組技術(shù)交流協(xié)作網(wǎng)第一屆年會(huì)論文集[C];2002年

5 陳紅焰;;燃料經(jīng)濟(jì)區(qū)與火力發(fā)電廠鍋爐燃燒的動(dòng)力性和經(jīng)濟(jì)性的探討[A];“建設(shè)資源節(jié)約型、環(huán)境友好型社會(huì)——節(jié)能、環(huán)保、可持續(xù)發(fā)展”研討會(huì)論文集[C];2006年

6 張海鵬;李永維;;1025t/h鍋爐燃燒切圓反轉(zhuǎn)原因探析及解決辦法[A];山東省石油學(xué)會(huì)油田電力、通信及自動(dòng)化技術(shù)研討會(huì)優(yōu)秀工程技術(shù)論文集[C];2009年

7 王智全;殷修平;賈青;;把握劣質(zhì)煤特性增強(qiáng)鍋爐燃燒穩(wěn)定性[A];全國(guó)火電100-200MW級(jí)機(jī)組技術(shù)協(xié)作會(huì)2009年年會(huì)論文集[C];2009年

8 周利慶;黃玉軒;金炎華;葛建忠;郁浩;;降低鍋爐燃燒中NO_x生成探討[A];中國(guó)動(dòng)力工程學(xué)會(huì)第三屆青年學(xué)術(shù)年會(huì)論文集[C];2005年

9 梁光山;;熱介質(zhì)鍋爐燃燒分析與配風(fēng)比控制[A];第八屆全國(guó)設(shè)備與維修工程學(xué)術(shù)會(huì)議、第十三屆全國(guó)設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2008年

10 徐剛;;鍋爐燃燒不穩(wěn)定原因分析及燃燒器穩(wěn)燃改造[A];全國(guó)火電大機(jī)組（300MW級(jí)）競(jìng)賽第33屆年會(huì)論文集[C];2004年

相關(guān)重要報(bào)紙文章 前5條

1 王顯祿;迎難而上的求索[N];西南電力報(bào);2005年

2 張妍　記者 趙宇清;哈工大一鍋爐燃燒技術(shù)填補(bǔ)國(guó)內(nèi)空白[N];黑龍江日?qǐng)?bào);2011年

3 通訊員 張曉楠　郭蕊;菏澤發(fā)電廠全力以赴保煤保電[N];菏澤日?qǐng)?bào);2010年

4 胡勇;鄂肥動(dòng)力廠一季度降本1400萬(wàn)[N];中國(guó)石化報(bào);2002年

5 王希財(cái)邋玉月;永榮電廠環(huán)保受獎(jiǎng)[N];經(jīng)理日?qǐng)?bào);2007年

相關(guān)博士學(xué)位論文 前4條

1 郝祖龍;電站鍋爐燃燒狀態(tài)識(shí)別與診斷研究[D];華北電力大學(xué)（北京）;2010年

2 李勤道;基于爐內(nèi)參數(shù)測(cè)量的燃燒系統(tǒng)優(yōu)化運(yùn)行理論與技術(shù)的研究[D];華北電力大學(xué);2013年

3 劉煥章;基于排放物分析的電站鍋爐燃燒狀態(tài)評(píng)估的研究[D];華北電力大學(xué)（北京）;2008年

4 李國(guó)強(qiáng);新型人工智能技術(shù)研究及其在鍋爐燃燒優(yōu)化中的應(yīng)用[D];燕山大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 林祥;融合溫度場(chǎng)信息的鍋爐燃燒優(yōu)化專(zhuān)家系統(tǒng)研究[D];東南大學(xué);2016年

2 王天放;陡河發(fā)電廠200MW鍋爐燃燒優(yōu)化神經(jīng)網(wǎng)絡(luò)建模[D];華北電力大學(xué)(北京);2016年

3 盧博倫;基于煤質(zhì)在線檢測(cè)的鍋爐燃燒模型研究[D];華北電力大學(xué);2012年

4 王廣慧;670t/h鍋爐燃燒穩(wěn)定性在線評(píng)判系統(tǒng)的研究[D];華北電力大學(xué)（河北）;2007年

5 溫志強(qiáng);670T/h鍋爐燃燒故障的在線分析[D];華北電力大學(xué)（河北）;2007年

6 王祿偉;鍋爐燃燒穩(wěn)定性評(píng)判系統(tǒng)研究[D];華北電力大學(xué)（河北）;2004年

7 遲曉林;基于知識(shí)的鍋爐燃燒智能控制系統(tǒng)[D];哈爾濱理工大學(xué);2013年

8 劉小軍;基于灰色關(guān)聯(lián)分析法的電站鍋爐燃燒綜合評(píng)價(jià)[D];華北電力大學(xué);2013年

9 丁元國(guó);鍋爐燃燒的在線智能監(jiān)測(cè)與優(yōu)化研究[D];東北電力大學(xué);2007年

10 陳華桂;鍋爐燃燒故障在線診斷及其可視化系統(tǒng)的研究[D];華北電力大學(xué)（河北）;2003年

，

本文編號(hào)：2411623