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_第1頁
已閱讀1頁,還剩75頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論