基于神經(jīng)網(wǎng)絡和遺傳算法的鍋爐燃燒優(yōu)化.pdf

1、提高鍋爐運行效率，降低煙氣NOX的排放是電站鍋爐燃燒優(yōu)化的主要目標，而燃燒特性模型是燃燒優(yōu)化的核心。通過對BP神經(jīng)網(wǎng)絡的發(fā)展、特點、結構，以及神經(jīng)網(wǎng)絡模型的原理，結構和學習規(guī)則的分析，人工神經(jīng)網(wǎng)絡模型能夠擬合任意非線性函數(shù)并具有良好的泛化能力，對復雜問題具有自適應和自學習能力，在非線性系統(tǒng)辨識方面得到了廣泛地研究和應用。基于某電站鍋爐燃燒系統(tǒng)的穩(wěn)態(tài)試驗數(shù)據(jù)，通過對鍋爐系統(tǒng)模型結構的分析，應用人工神經(jīng)網(wǎng)絡建立了Nox排放量和鍋爐效率的預測

2、模型，實現(xiàn)了其飛灰含碳量、排煙溫度、爐膛溫度、Nox排放量等參數(shù)的軟測量和鍋爐效率的預測，為鍋爐燃燒優(yōu)化奠定了基礎。遺傳算法具有隱含并行性、全局解空間搜索和不受問題形式約束等特點，本文介紹了遺傳算法的基本原理和操作，比較了二進制編碼和實數(shù)編碼的區(qū)別，對遺傳算法的交叉、變異操作和初始種群的選取作了改進，以所建立的鍋爐燃燒特性模型為基礎，采用遺傳算法，對鍋爐燃燒運行工況進行優(yōu)化。根據(jù)優(yōu)化目標的不同，對鍋爐穩(wěn)態(tài)燃燒優(yōu)化進行了效率約束下Nox低