350MW電站鍋爐燃燒優(yōu)化技術(shù)研究.pdf

1、電站鍋爐燃燒優(yōu)化技術(shù)是實現(xiàn)低污染物排放與高效燃燒技術(shù)的最有效、最經(jīng)濟的方法之一。氮氧化物(NOx)作為電站鍋爐排放的一種主要污染物,其影響因素眾多,并且各種因素之間相互耦合、相互影響,本文通過人工智能算法對電站鍋爐的燃燒過程進行了非線性建模和燃燒優(yōu)化研究。 1.利用現(xiàn)場采集到的350MW電站鍋爐燃燒試驗數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡和支持向量機(SVM)的樣本數(shù)據(jù),將鍋爐負荷、總煤量、煤種特性、配煤方式、各層一次風和二次風等23個因素作為

2、輸入量,建立了NOx排放的預測函數(shù),檢驗樣本的最大誤差分別為±3.94％和±0.11％,表明了神經(jīng)網(wǎng)絡和SVM具有極強的非線性建模能力。 2.運用BP網(wǎng)絡模型對二次風風門開度與NOx排放的關(guān)系進行了模擬,隨著K層風門開度的增加NOx排放濃度增加,KK層隨著開度的增加而NOx排放濃度減小,即從二次風風門開度變化來看,其調(diào)節(jié)趨勢成的“谷峰交替”的形式可以減小NOx排放濃度。 3.采用支持向量機NOx模型，預測了電站鍋爐空氣分

3、級和燃料分級NOx排放情況。對于三種倒寶塔配風方式的空氣分級,隨著梯度的增大,NOx排放濃度比均勻配風分別降低1.03％、2.47％和5.56％；對于三種正寶塔配煤方式的燃料分級,隨著梯度的增大,NOx排放濃度比均勻配煤分別降低1.07％、4.81％和8.75％。這與文獻CFD數(shù)值模擬的計算結(jié)果基本一致。 4.用BP神經(jīng)網(wǎng)絡遺傳算法，對全負荷純?nèi)济汗r(350Mw,O2=5％)和混燒工況(350MW,O2=5％,摻混BFG 15

4、％)進行單目標優(yōu)化,得到了從GG至KK層二次風最佳配比。分別為：70％：48％：72％：98％：67％：97％和72％、60％、63％、89％、56％、100％,使得NOx排放由534ppm、441.6ppm降低到449.7ppm、397.8ppm,分別降低了NOx排放濃度15.8％、12.3％；采用支持向量機模型對全負荷純?nèi)济汗r(350MW,O2=5％)和混燒工況(350MW,O2=4％,摻混BFG 15％)進行單目標優(yōu)化,得到了從

5、GG至KK層二次風最佳配比,分別為：87％：42％：99％：96％：65％：92％和81％：55％：44％：89％：72％：93％,使得NOx排放由534ppm、441.6ppm降低到449.7ppm、397.8ppm,分別降低了NOx排放濃度15.8％、12.3％。以上結(jié)果說明優(yōu)化操作參數(shù)可以降低NOx排放濃度。 5.多目標燃燒優(yōu)化采取權(quán)重系數(shù)法，將多目標問題轉(zhuǎn)化為單目標問題處理。采用并列選擇法，利用支持向量機遺傳算法，對全負