電站燃煤鍋爐燃燒優(yōu)化的智能技術(shù)研究.pdf

1、研究鍋爐的燃燒優(yōu)化對(duì)火電廠實(shí)現(xiàn)節(jié)能減排目標(biāo)有著非常重要的價(jià)值，它是實(shí)現(xiàn)電廠高效低排放的有效手段之一。然而燃煤鍋爐是一個(gè)復(fù)雜的系統(tǒng)，如何建立能夠反映鍋爐燃燒特性的響應(yīng)模型是燃燒優(yōu)化研究的問題之一。智能技術(shù)的快速發(fā)展和廣泛應(yīng)用，為解決這一問題提供了可能。本文圍繞燃燒優(yōu)化的智能技術(shù)展開研究，由于模型是優(yōu)化的基礎(chǔ)，所以本文的主要研究?jī)?nèi)容包括智能建模方法和智能優(yōu)化算法。主要的研究工作如下:
　　1.在熱態(tài)試驗(yàn)數(shù)據(jù)的基礎(chǔ)上，建立了基于人工神經(jīng)

2、網(wǎng)絡(luò)（BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)）的350MW機(jī)組的NOx排放濃度響應(yīng)模型和600MW機(jī)組的多輸出預(yù)測(cè)模型，并通過檢驗(yàn)樣本檢驗(yàn)了模型的響應(yīng)能力。研究結(jié)果表明:神經(jīng)網(wǎng)絡(luò)算法是實(shí)現(xiàn)智能建模的有效方法之一，可以實(shí)現(xiàn)較好精度的智能預(yù)報(bào)。相比而言，BP模型建立較為復(fù)雜，而且耗時(shí)較長(zhǎng)，適合離線應(yīng)用;RBF模型建立較為簡(jiǎn)單，而且耗時(shí)較短，適合在線應(yīng)用。
　　2.對(duì)統(tǒng)計(jì)學(xué)理論和支持向量機(jī)展開了介紹，從理論上區(qū)別了支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)方法的不同，

3、解釋了神經(jīng)網(wǎng)絡(luò)出現(xiàn)過學(xué)習(xí)、低泛化現(xiàn)象的原因。同時(shí)，建立了基于支持向量機(jī)的350MW機(jī)組的NOx排放濃度響應(yīng)模型和600MW機(jī)組的多輸出預(yù)測(cè)模型，模型的參數(shù)選取以交叉驗(yàn)證誤差最小和關(guān)聯(lián)系數(shù)最大為目標(biāo)通過網(wǎng)格搜索法確定。實(shí)例分析結(jié)果表明:以網(wǎng)格搜索法確定的參數(shù)組合為基礎(chǔ)，可以建立精度較好的支持向量機(jī)智能預(yù)測(cè)模型，模型的精度較高于神經(jīng)網(wǎng)絡(luò)模型，而且建模方法簡(jiǎn)單，不依賴于使用者經(jīng)驗(yàn)，非常適合在線應(yīng)用，是建立智能模型的優(yōu)選方法之一。
　　3

4、.以支持向量機(jī)的參數(shù)優(yōu)化為例，使用粒子群算法對(duì)參數(shù)的最佳組合進(jìn)行了尋優(yōu)。優(yōu)化以參數(shù)組合建立的預(yù)測(cè)模型交叉驗(yàn)證誤差最小為目標(biāo)。優(yōu)化結(jié)果表明:粒子群算法可以尋找到使交叉驗(yàn)證誤差更小、關(guān)聯(lián)系數(shù)更大的參數(shù)組合，較好于網(wǎng)格搜索法確定的參數(shù)組合。而且粒子群算法的收斂速度快，無需依賴于經(jīng)驗(yàn)進(jìn)行初選和精選操作，是支持向量機(jī)參數(shù)優(yōu)化的有效手段之一。
　　4.以350MW RBF模型為基礎(chǔ)，以NOx排放濃度最低為目標(biāo)，使用粒子群算法進(jìn)行了目標(biāo)優(yōu)化，優(yōu)