火电机组锅炉燃烧系统建模与优化研究

《火电机组锅炉燃烧系统建模与优化研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、劣参未交万方数据硕士学位论文火电机组锅炉燃烧系统建模与优化研究ResearchonModelingandOptimizationfortheCoal-firedPowerPlantsBoilerCombustionSystem作者：潘锐导师：李平康北京交通大学2014年6月万方数据学位论文版权使用授权书㈣洲㈣㈣川㈣删Ⅲ洲Y2734011本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和

2、借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名：潘铌签字日期：加，铲年6月甥日导师签名：卜＼“丧游一签字日期：伽，铲年占Hz8日万方数据学校代码：10004北京交通大学硕士学位论文火电机组锅炉燃烧系统建模与优化研究密级：公开ResearchonModelingandOptimizationfortheCoal—firedPowerPlantsBoilerCombustionSystem作者姓名：潘锐导师姓名：李平康学号：11121420职称：教授学位类别：工学硕士学位

3、级别：硕士学科专业：机械电子工程研究方向：机电系统控制及自动化北京交通大学2014年6月万方数据致谢本论文的工作是在我的导师李平康教授的悉心指导下完成的，李平康教授严谨的治学态度给了我极大的帮助和影响。在此衷心感谢三年来李平康老师对我的关心和指导。李平康教授在学习上和生活上都给予了我很大的关心和帮助，在此向李平康老师表示衷心的谢意。李平康教授对于我的科研工作提出了许多的宝贵意见，在此表示衷心的感谢。在撰写论文期间，陈晨、王鹏、金涛涛博士、李文广、平先登等同学对我论文中的研究工作给予了帮助，在此向他们表达我的感激之情。也感谢母亲、父亲和

4、同学朋友们，他(她)们的多方面的帮助使我能够在学校完成学业。同时对该研究领域做出显著贡献的国内外研究鄯-】致以敬意。万方数据中文摘要摘要随着“节能减排”政策要求加强，在保证安全生产和满足负荷需求前提下，应努力提高火电厂运行效率、降低煤耗，控制并减少污染排放。本文针对火电厂锅炉燃烧系统进行了基于数据驱动的建模和优化研究。本文以中国华电一300MW机组为研究对象，给出了电厂锅炉的数据采集、预处理、优化指标选取的步骤和神经网络稳态建模过程及其评价。以降低单位相对煤耗和降低氮氧化物(NOx)排放量两者兼顾做为锅炉优化运行的评价指标。在两个典型

5、负荷处分负荷点建模。比较了不同的神经网络建模训练算法的异同并对其泛化能力进行了评价。对电厂锅炉运行这一非线性动态工业过程，讨论和研究了在离散状态下一种基于数据驱动的建模方式，通过对锅炉燃烧过程的稳态建模和动态建模区别对待，给出了稳态和动态相结合的建模思想。给出了稳态过程和动态过程的定义、辨识方法、增益计算方法。在前向神经网络只能构建稳态模型和现场采集得到的数据存在动态特性的情况下，给出一种前向神经网络和一阶自回归模型相结合的混合模型。一阶自回归模型的存在使该混合模型能够描述动态特性，并推导出了其训练算法。将该模型运用到了火电厂的氮氧化

6、物排放量建模中并对其建模能力进行了评价。结果表明加入的一阶自回归模型能够使混合模型提高拟合精度，说明在氮氧化物的形成过程中存在动态特性。最后采用遗传算法得到了两个典型负荷下的以降低煤耗和降低氮氧化物为目标的优化结果，基于神经网络模型得到了优化结果。并在滤除氮氧化物排放量数据中存在的扰动后得到了新的优化结果。对基于不同的模型得至Ⅱ的优化结果进行了比较和分析。结合现场数据给出了氮氧化物排放量相对增益计算的分析结果。利用数据库和动态网页技术制作了优化结果发布的动态网页，用以指导电厂机组人员对机组进行优化运行。关键词：神经网络；锅炉燃烧优化；

7、动态特性；建模；氮氧化物分类号：TP27万方数据ABSTRACTWiththeeverincreasing&mndingof“energysavingandemissionreduction'’，thehighefficiencyandlowpollutionoftheboileroperationisattractingmoreandmoreattention．Thisthesisstudiedthedatadrivenbasedmodelingtechniqueandoptimizationforthethermalpowerpl

8、antboilercombustionsystem．Thisthesisgavetheoveralldescriptionofthe300MWboiler,fielddatacollection,datapre—proc