基于人工智能方法的烟气含氧量软测量及优化配煤研究

大连理工大学硕士学位论文基于人工智能方法的烟气含氧量软测量及优化配煤研究姓名：刘闯申请学位级别：硕士专业：热能工程指导教师：李素芬20071219基于人工智能方法的烟气含氧量软测量及优化配煤研究作者：刘闯学位授予单位：大连理工大学相似文献(2条)1.期刊论文赵绪新.ZHAOXu-xin基于人工智能技术的电站锅炉最优氧量预测-热力发电2006,35(10)用人工神经网络建立了炉膛出口烟气含氧量特性模型,并采用遗传算法进行寻优.针对某电厂200MW燃煤机组锅炉的实际运行情况,进行最优氧量预测,预测结果和基于燃烧机理的定量分析结果一致,相对误差仅为0.033%,表明人工智能技术可有效地预测不同工况下电站锅炉的最优氧量.2.学位论文蔡杰进大型火电机组优化运行与经济调度研究2007目前我国火力发电的平均供电标准煤耗率远高于世界先进水平。随着电力体制改革的实施，厂网分开、竞价上网等政策相继出台，竞争、开放的区域性电力市场格局逐步形成，促使各发电企业为提高自身的竞争力而不断挖掘内部潜力，降低发电成本。因此，大型火电机组优化运行与经济调度的研究有着重要的理论和现实意义。本论文以大型火电机组为研究对象，在广东粤电集团有限公司的科技项目——“沙角A电厂优化调度与辅助决策系统”资助下，以包含3台200MW和2台300MW单元式燃煤机组的广东粤电集团沙角A电厂为实例，以现场热力试验为基础，理论结合实践，研究完成了适合我国火电厂实际情况的优化运行与经济调度技术，并开发了一整套相应的辅助决策系统软件。由于大型火电厂系统运行优化涉及热工、电工、化工、机械、控制、环保等多个不同学科领域的知识，极具复杂性，在遵循系统整体性、相关性、动态性、层次性等原理的前提下，论文将系统论的思想引入到大型火电厂系统运行优化过程中，构建一种以系统论的思想为指导、多学科协同为核心、各领域人员相互沟通为途径的全新的优化运行模式。基于系统论的大型火电厂系统运行优化，强调系统层面上的优化，重视整体性能，可较好地解决复杂电厂系统的优化运行问题，并实现一体化并行协同最优运行，最后达到全电厂系统运行的安全性和经济性俱佳。将支持向量机(SupportVectorMachine，简称SVM)的方法引入火电机组建模过程中，建立基于支持向量机的实时在线机组性能计算模型，便于实现机组在线实时优化。由于支持向量机方法以统计学习理论作为其理论基础，采用结构风险最小化原则，具有精度高、全局最优及泛化性好等特点，所以它能很好地解决建立实时在线机组性能计算模型的两个关键问题：锅炉飞灰含碳量的在线监测和汽轮机排汽焓的实时软测量。在热力试验的基础上，分别提出了基于支持向量机的汽轮机排汽焓在线预测模型以及锅炉飞灰含碳量的响应模型。将SVM汽轮机排汽焓预测方法分别应用于200MW和．300MW火电机组中。对于200MW机组，经过训练后的SVM模型对检验样本排汽焓进行预报，均方根误差ΔRMSE为0.110％，相当于。BP网络模型的38.87％、RBF网络模型的52.38％，平均相对误差ΔMRE为0.101％，相当于BP网络模型的38.11％、RBF网络模型的49.75％；对于300MW机组，经过训练后的SVM模型对检验样本排汽焓进行预报，均方根误差ΔRMSE为0.057％，相当于BP网络模型的29.61％、RBF网络模型的41.57％，平均相对误差△MRE0.069％，相当于BP网络模型的25.45％、R13F网络模型的34.97％。将SVM飞灰含碳量预测方法分另lj应用于200MW和300MW燃煤电站锅炉中，对于200MW机组，经过训练后的SVM模型对检验样本飞灰含碳量进行预报，均方根误差△RMsE为1.59％，相当于BP网络模型的40.66％，平均相对误差△MRE为1.51％，相当于BP网络模型的40.37％；对于300MW机组，经过训练后的SVM模型对检验样本飞灰含碳量进行预报，均方根误差ARISE为1.39％，相当于BP网络模型的22.20％，平均相对误差△MRE为1.30％，相当于B,P网络模型的21.07％。模型计算值和试验值、传统神经网络预测值的实例比较，证实了模型的泛化能力和准确性。建立了火电机组主要性能参数耗差分析数学模型，并对沙角A电厂5台机组的主要性能参数进行了耗差分析研究，得到了各个运行参数耗差的大小及分布情况，通过敏感性分析发现，其中，厂用电率、凝汽器真空、飞灰含碳量以及炉膛出口烟气含氧量等参数对机组性能有很大的影响。考虑到前人对其他参数的优化研究已较为成熟，本文重点对烟气含氧量和煤粉细度进行了优化研究。首先对广东粤电集团沙角A电厂200MW燃煤机组锅炉在200MW、180MW与160MW运行工况下进行炉膛出口烟气含量的优化研究，得出烟气含氧量对电站锅炉运行性能的影响规律。结果表明，该200MW机组，对应于200MW、180MW、160MW负荷的最优运行氧量分别为3.6％、3.8％、4.5％。同时也对该200MW燃煤机组运行过程中的煤粉细度进行优化分析，得出煤粉细度对机组运行性能的影响规律。结果表明，煤粉细度R90由40.5％调整到25.3％，锅炉效率上升0.31％，排烟中NOx含量降低65mg/m3，机组厂用电率增加0.017％，钢球消耗成本增加36.4元/h，综合供电成本下降0.00041元/(kw·h)。另一方面，锅炉炉膛出口烟温下降40℃左右，改善了锅炉受热面的结渣情况。该机组的煤粉经济细度R90为25.3％。在建立基于支持向量机的实时在线机组性能计算模型的基础上，将模糊遗传算法应用于大型燃煤电站锅炉热效率优化。模糊遗传算法是一种将模糊控制和遗传算法紧密结合的优化数学模型。通过建立模糊推理规则，控制算法的交叉率和变异率，使得算法的收敛速度大为提高，同时有效地避免了未成熟收敛。仿真研究结果表明根据模型推荐的燃烧参数进行调整，可降低飞灰含碳量，提高锅炉热效率；与传统遗传算法相比，用模糊遗传算法求解优化问题更为简便，避免了选择和调整算子参数的烦琐工作；同时能以更快的速度搜索到全局最优解。将该方法应用于沙角A电厂，对于200MW机组，每年可带来约300万元的经济效益；对于300MW机组，每年可带来约97万元的经济效益。结果表明通过锅炉运行优化可带来很大的经济效益，在燃煤电厂高效运行中具有良好的应用前景。论文采用一种先进的混沌蚁群优化算法(ChaoticAntSwarmOptimization，简称CASO)求解电力系统热力机组的负荷经济调度问题。混沌蚁群算法综合考虑了蚂蚁在觅食过程中的混沌和自组织行为，可更好地求解考虑一些如功率平衡约束和发电机上、下限约束等约束条件的火电厂内机组负荷经济调度问题。将混沌蚁群优化算法分别应用于求解三个包含3台、13台以及20台机组的不同系统中，结果表明，混沌蚁群优化算法可有效求解火电机组的负荷经济调度问题，特别是对于具有20台机组的系统，与传统的智能调度方案相比较，基于CASO的经济调度方法求解出的调度方案可使系统总发电成本减少了276.67元/小时左右。并将基于CASO的经济调度方法应用于求解沙角A电厂的负荷经济调度问题。结果表明，混沌蚁群优化算法的优化结果比广义蚁群优化算法、传统的值长制调度方法要好，特别是在全厂总负荷较低时，全厂供电标准煤耗率可降低0.84g/(kWh)。应用结果说明，混沌蚁群优化算法用于求解实际火电机组经济调度问题是有效可行的。最后，结合工程实际，开发了一套适用于大型火电厂的优化运行与经济调度辅助决策系统软件。对辅助决策系统的软件构建、设计和实现进行了深入探讨。该系统基于微软．netFramework解决方案构建，采用C/S和B/S相结合的混合模式。后台程序基于C/S体系，主要进行数据采集与预测验证，机组性能实时计算/耗差分析和全厂负荷的在线优化分配：前台程序基于无刷新AjaX技术和多层B/S模式，显示各种曲线，经济指标计算结果和耗差分析结果，具有很好的实时性能。该辅助决策系统己在电厂投入试运行，效果良好，运行人员可根据当前工况下机组各主要参数偏离目标值后对全厂供电煤耗的影响，合理调整运行参数，降低煤耗；也可根据系统的进行经济调度，使全厂煤耗率最低。与同型号机组平均分配负荷的调度方法比较，通过系统经济调度，全厂节能最高可达2.03g/(kW．h)。本论文运用人工智能技术、系统论的方法，探索火电机组运行智能优化系统的发展方向，促进火电机组节能降耗技术的发展与完善，为这一学科的发展提供新的思路。研究成果有助于火电机组节能降耗，为提高火电厂的经济性、获得更好的经济效益做贡献。本文链接：授权使用：上海海事大学(wflshyxy)，授权号：2cb16612-1419-40ee-86c2-9de200c6b0ef下载时间：2010年8月30日