燃煤工業(yè)鍋爐熱負(fù)荷預(yù)測(cè)的研究.pdf

1、我國(guó)工業(yè)鍋爐的設(shè)計(jì)熱平衡效率一般都達(dá)到80％，與發(fā)達(dá)國(guó)家相差無(wú)幾。然而我國(guó)大部分工業(yè)鍋爐的實(shí)際運(yùn)行效率仍然徘徊在65%左右。實(shí)際運(yùn)行中，對(duì)工業(yè)鍋爐熱效率起主導(dǎo)作用的是工業(yè)鍋爐自身的運(yùn)行情況。工業(yè)鍋爐的實(shí)際運(yùn)行受到很多因素的影響，例如天氣、節(jié)假日等，其負(fù)荷變化大、運(yùn)行管理水平較低、工作環(huán)境惡劣，總體運(yùn)行效率不高。導(dǎo)致工業(yè)鍋爐熱效率較低最主要的原因是其負(fù)荷波動(dòng)的幅度和頻率都比較大，不同負(fù)荷工況下，運(yùn)行參數(shù)也不一樣，在變負(fù)荷運(yùn)行時(shí)，司爐工往往

2、難以得知負(fù)荷變化的規(guī)律，在頻繁的操作過(guò)程中，常常因運(yùn)行參數(shù)不匹配，造成能源浪費(fèi)嚴(yán)重。為此，準(zhǔn)確預(yù)測(cè)工業(yè)鍋爐的負(fù)荷變化曲線，是實(shí)現(xiàn)工業(yè)鍋爐優(yōu)化運(yùn)行的前提，這是本文要研究的重點(diǎn)。
　　為了證明負(fù)荷變化對(duì)運(yùn)行參數(shù)的影響，本文選擇一臺(tái)負(fù)荷波動(dòng)頻繁的20t/h鏈條爐排鍋爐作為研究對(duì)象，對(duì)負(fù)荷變化時(shí)的爐排轉(zhuǎn)速、鼓引風(fēng)量、配風(fēng)方式、煤層厚度和床層表面燃燒氣氛進(jìn)行了實(shí)爐試驗(yàn)研究。
　　本文在分析短期負(fù)荷預(yù)測(cè)技術(shù)研究現(xiàn)狀的基礎(chǔ)上，選擇具有全局

3、最優(yōu)、結(jié)構(gòu)簡(jiǎn)單、推廣能力強(qiáng)等優(yōu)點(diǎn)的支持向量機(jī)方法進(jìn)行負(fù)荷預(yù)測(cè)。而使用SVM進(jìn)行負(fù)荷預(yù)測(cè)，輸入樣本對(duì)預(yù)測(cè)結(jié)果影響非常大，為了找到比較合適的輸入，首先要對(duì)樣本進(jìn)行聚類(lèi)分析。在聚類(lèi)分析中對(duì)SOM神經(jīng)網(wǎng)絡(luò)和K-MEANS算法各自的優(yōu)缺點(diǎn)比較如下：SOM網(wǎng)絡(luò)可以在無(wú)監(jiān)督的情況下進(jìn)行聚類(lèi)，但算法收斂時(shí)間長(zhǎng)，當(dāng)網(wǎng)格不收斂時(shí)只能得到粗略的聚類(lèi)結(jié)果；而K-MEANS算法不同的初始聚類(lèi)中心會(huì)產(chǎn)生不同的聚類(lèi)結(jié)果，但在已知聚類(lèi)中心和聚類(lèi)數(shù)目時(shí)有較高的精度。因此