動(dòng)力配煤預(yù)測(cè)方法和配煤優(yōu)化模型研究.pdf

1、動(dòng)力配煤是提高煤炭燃燒效率、減少污染物排放、充分利用劣質(zhì)煤種的重要方法，對(duì)于火力發(fā)電廠應(yīng)對(duì)煤種多變難題、穩(wěn)定混煤質(zhì)量、緩解電煤緊缺壓力、降低燃料成本具有重要意義。本文通過(guò)對(duì)一些單煤及混煤的煤質(zhì)特性進(jìn)行分析，建立了動(dòng)力配煤煤質(zhì)特性預(yù)測(cè)模型，分析了混煤煤質(zhì)特性與對(duì)應(yīng)單煤煤質(zhì)特性的線性與非線性關(guān)系，在此基礎(chǔ)上建立了動(dòng)力配煤優(yōu)化模型，最終得到優(yōu)化配煤方案。具體研究?jī)?nèi)容和結(jié)論如下:
　　 選取湖南益陽(yáng)發(fā)電有限公司常用的15種單煤，按照使混

2、煤煤質(zhì)特性具有最大代表性的原則，將15種單煤摻配成38種混煤。對(duì)15種單煤和38種混煤進(jìn)行煤質(zhì)特性分析。
　　 分別采用線性加權(quán)平均方法、線性擬合方法、BP神經(jīng)網(wǎng)絡(luò)方法和Elman神經(jīng)網(wǎng)絡(luò)方法建立煤質(zhì)特性預(yù)測(cè)模型，對(duì)混煤煤質(zhì)特性進(jìn)行預(yù)測(cè)。線性方法中，線性擬合方法優(yōu)于線性加權(quán)平均方法;非線性方法中，Elman神經(jīng)網(wǎng)絡(luò)方法優(yōu)于BP神經(jīng)網(wǎng)絡(luò)方法?？偟膩?lái)說(shuō)，線性擬合方法在預(yù)測(cè)誤差和計(jì)算時(shí)間方面均優(yōu)于Elman神經(jīng)網(wǎng)絡(luò)方法。選用其他研究者

3、的實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證，得到相同結(jié)論。
　　 根據(jù)生產(chǎn)現(xiàn)場(chǎng)鍋爐對(duì)煤質(zhì)的要求及鍋爐的設(shè)計(jì)煤種煤質(zhì)要求，結(jié)合益陽(yáng)發(fā)電有限公司常用煤種煤質(zhì)特性數(shù)據(jù)庫(kù)，確定了動(dòng)力配煤數(shù)學(xué)模型的約束條件，選取混煤價(jià)格最低和單位發(fā)熱量?jī)r(jià)格最低分別作為目標(biāo)函數(shù)，基于線性擬合方法預(yù)測(cè)煤質(zhì)特性，分別建立了遺傳算法和窮舉法動(dòng)力配煤優(yōu)化模型。在遺傳算法中，對(duì)群體大小和遺傳代數(shù)進(jìn)行了優(yōu)化，最終選取群體大小90個(gè)，遺傳代數(shù)400代進(jìn)行計(jì)算。遺傳算法和窮舉法優(yōu)化結(jié)果表明:窮舉法優(yōu)