煤粉锅炉燃烧过程优化控制研究

煤粉锅炉燃烧过程优化控制研究

ID:30850020

大小:112.14 KB

页数:6页

时间:2019-01-04

煤粉锅炉燃烧过程优化控制研究_第1页
煤粉锅炉燃烧过程优化控制研究_第2页
煤粉锅炉燃烧过程优化控制研究_第3页
煤粉锅炉燃烧过程优化控制研究_第4页
煤粉锅炉燃烧过程优化控制研究_第5页
资源描述:

《煤粉锅炉燃烧过程优化控制研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、煤粉锅炉燃烧过程优化控制研究张靖控制与计算机工程学院,华北电力大学,北京,102206,中国摘要:目前火力发电在我国占主导地位,电站对煤的需求量持续增加,燃煤排放的污染物也在不断增加,因此电站锅炉燃烧优化成为一项重要的研究课题。电站锅炉燃烧优化主要分为两部分:电站锅炉燃烧系统模型是锅炉燃烧优化的基础,优化控制算法是锅炉燃烧优化的核心。锅炉燃烧系统机理复杂,利川燃烧机理建立的数值模拟模型运算速度十分缓慢,无法直接丿应用到锅炉燃烧优化屮。机器学习建模运算速度较快,但是无法反应锅炉内部机理,而且模型受训练

2、样木数据影响较大。结合机理建模与机器学习建模的优缺点,提出了一种以数值机理模型提供数据,并结合机组试验数据以及实时运行数据建立LS-SVM模型的复合建模方法。针对LS-SVM依赖建模样本数据的特性,数值机理模型提供的数据能够丰富LS-SVM模型的初始样木的多样性,提高模型精度。LS-SVM的快速性能够很好地满足燃烧优化控制的需求。关键词:电站锅炉;最小二乘支持向量机;燃烧优化0引言我国是以煤为主的一次能源国家,煤炭资源丰富,种类较多,根据我国经济技术发展水平以及能源结构特点,在未来的30~50年内,

3、我国能源结构主体依然是煤。众所周知,煤炭在燃烧过程川会伴随着大量污染物和粉尘。国民经济的发展离不开电力行业,我国对电力的需求量随着我国经济的发展和人民住活水平的提髙而不断扩人。据2010统计,我国发电设备总装机容量达到96641万kW,其中火电70967万kW。作为煤炭的消耗大户,火力发电厂较高的供电煤耗造成我国主要能源的巨人浪费,不利于能源的可持续发展,所以,不管是从能源的可持续发展和提高生活环境质量,还是在政治上保证国家的长久稳定发展,都要求火力发电机组提高能源利用率,降低供电煤耗,减少污染物排

4、放[1]。锅炉是火力发电机组的三大核心设备之一,它的主要作用是通过燃料的燃烧释放的热能传递给蒸汽。锅炉效率是其能量转换的重要经济性指标。锅炉效率和炉内的燃烧工况密切相关,组织好炉内的燃烧,可以冇效地捉高锅炉效率,实现机组的高效运行。电站锅炉燃烧过程是一个涉及多学科多领域的复杂的物理化学过程。市丁电站锅炉燃烧过程的复杂性,使得锅炉燃烧优化技术一直是一个研究的难点和热点[2]。国内外学者□经针对锅炉燃烧优化提出了众多的方法,锅炉燃烧技术主要分为以下几类:笫一类是通过分析锅炉燃烧热态调整试验结果或者一些在

5、线测量结果,计算合理的风煤配比,确定锅炉燃烧的最佳运行参数,用以操作人员进行参考[3]。笫二类是通过对锅炉设备的改造或增加设备来达到提高锅炉效率和减少污染物排放的冃的。比如改造锅炉受热面、增加脱硫脱硝设备、采用低氮氧化物燃烧器等功能[4]。第三类是通过对燃烧理论建模和求解方法的深入研究,对炉内燃烧过程进行数值模拟。第四类是采用先进控制算法和人工智能技术,实现实时优化锅炉燃烧系统各调节参数,而达到优化的冃的[5]。木文结合机理建模与机器学习建模的优缺点,提岀了一种以数值机理模型提供数据,并结合机组试验

6、数据以及实吋运行数据建立LS-SVM模型的复合建模方法。针对LS-SVM依赖建模样木数据的特性,数值机理模型提供的数据能够丰富LS-SVM模型的初始样木的多样性,提高模型精度。LS-SVM的快速性能够很好地满足燃烧优化控制的需求。1电站锅炉燃烧过程复合建模机理建模是利用基本物理和化学定律,以及系统(设备)的结构推导出模型。通过机理建模得出的数学模型称之为机理模型ofluent软件属于计算流体软件(CFD),用于流体传热、燃烧过程的数值模拟。利用该软件可以模拟炉膛内完整的煤粉燃烧过程,生成炉膛的流场和

7、温度场,以及02、NOx等分布,进而根据计算得出锅炉效率⑹。但是这种数值模拟模型计算速度很慢,无法直接应用到锅炉燃烧优化中去。目前用于电厂锅炉燃烧优化的模型大多是神经网络、支持向量机等机器学习模型。但是用于建模的数据只是锅炉试验数据,数据来源过于单一,并fl•试验数据无法涉及所冇工况,这样会极大影响机器学习模型的精度。1.1LS-SVM模型更新算法对于电站锅炉燃烧系统,随着时间推移,设备会发生老化与改变、受热面会出现积灰与积渣现彖,锅炉燃烧系统的特性也会随Z发生改变。所以,依据历史运行数据所建立的L

8、S-SVM锅炉燃烧模型无法长久准确地反应锅炉燃烧系统的特性。那么就需要利用锅炉实时运行出的数据对LS-SVM模型进行更新,以确保模型能够跟踪当前系统的特性。对于LS-SVM建模,随着训练集规模的增人,建模计算最会增人。对于输入X,模型的输出受训练样本集中与x距离最近的样本影响最大,也就是说,当模型学习完成后,每个样木带着不同区域的特性。由于实验建模数据有限,初始样木集无法覆盖所有系统特性。当锅炉燃烧系统的特性发生变化,LS-SVM无法跟踪新的对象特性时,匝新训练模型将

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。