基于智能算法的燃煤電站鍋爐經濟運行與NOx排放多目標優(yōu)化研究.pdf

1、將智能算法應用于鍋爐燃燒多目標優(yōu)化是節(jié)能減排的重要措施，本文基于多種智能算法，對鍋爐燃燒進行多目標優(yōu)化。首先，以某660MW燃煤鍋爐為研究對象，利用BP人工神經網絡建立該鍋爐660MW負荷下的燃燒特性預測模型，以23維鍋爐燃燒運行參數為輸入，鍋爐熱效率和NOx排放量為輸出。所建模型訓練誤差在-1.1?10-9～1.33?10-9之間，NOx排放校驗樣本的絕對值平均誤差為3.0398％，鍋爐熱效率的校驗樣本的絕對值平均誤差為0.1129%

2、，該預測模型具有較高的精確性和良好的泛化性?；谠撊紵A測模型，建立鍋爐燃燒優(yōu)化模型，優(yōu)化算法采用遺傳算法，其中，利用權重系數法將多目標優(yōu)化問題轉化為單目標優(yōu)化問題，并且在不同的權重比例系數（0.1-0.9、0.2-0.8、0.3-0.7、0.4-0.6、0.5-0.5、0.6-0.4、0.7-0.3、0.8-0.2）下分別進行優(yōu)化，不同權重比例下的優(yōu)化結果不同，隨著NOx排放量與鍋爐熱效率的權重比例由1-9逐步增加到8-2，NOx排放

3、量的值由176mg/m3逐步下降到111 mg/m3，鍋爐燃燒的熱損失由4.24%（鍋爐熱效率95.76%）逐步上升到6.05%（鍋爐熱效率93.95%），其所有解集合構成了Pareto解集，并且呈現(xiàn)出凹形Pareto前沿。文章第四章將基于分解的多目標進化算法引進到鍋爐燃燒多目標優(yōu)化中，采用切比雪夫的分解策略進行優(yōu)化，優(yōu)化后的NOx排放量范圍為112 mg/m3～183mg/m3，鍋爐熱損失為4.3%～5.8%，與傳統(tǒng)的遺傳算法相比，優(yōu)

4、化效果稍差，兩種算法各有優(yōu)缺點。
　　本文同時采用另外某330MW鍋爐為研究對象，首先針對該鍋爐滿負荷運行工況，對原有遺傳算法進行改進，得到了改進的BP-GA優(yōu)化模型，該模型以在鍋爐熱效率某個可接受范圍內尋求NOx排放的最優(yōu)化為目的。取鍋爐熱效率的量化約束為93.5%、93%、92.5%、92%時，NOx的值經過優(yōu)化后分別降低到380 mg/m3、350 mg/m3、320mg/m3、310 mg/m3左右，優(yōu)化效果比較明顯。針對