基于自適應模糊方法的電站鍋爐燃燒優(yōu)化研究.pdf

1、電站鍋爐燃燒優(yōu)化技術(shù)是一種能提高機組能源利用率和降低污染物排放的有效方法和途徑，在節(jié)能減排要求嚴格的當下，備受火電廠青睞。本文針對國內(nèi)燃煤機組的運行特點，主要研究了該技術(shù)中燃燒模型的建立和優(yōu)化等關(guān)鍵部分。論文研究內(nèi)容和研究成果概括為以下幾個方面:
　　(1)分析了現(xiàn)在已有的建模方法，針對算法在建模過程中的不足，介紹了一種新的高效的建模方法，即基于樹結(jié)構(gòu)的自適應模糊方法，簡稱模糊樹(FT)，進而介紹了魯棒性較強的ε-模糊樹（εFT）

2、方法。
　　(2)針對熱工過程變量之間的強相關(guān)性和強耦合性，采用偏最小二乘法(PLS)對燃燒模型的輸入變量進行重要信息提取和變量選擇，將得到的最優(yōu)變量子集作為ε-FT模型的輸入，建立了燃燒系統(tǒng)的PLS-ε-FT模型，并與其他方法進行了對比。仿真結(jié)果表明，該模型通過PLS進行變量選擇，消除了變量的相關(guān)性，降低了模型的維數(shù)和復雜程度，提高了模型的預測精度和泛化能力。
　　(3)針對電站鍋爐現(xiàn)場采集數(shù)據(jù)常帶有噪聲而FT又對噪聲特別

3、敏感的問題，提出了基于局部異常因子(LOF)的加權(quán)模糊樹(W-FT)算法，并采用兩個典型的非線性例子驗證了算法的魯棒性。進而，基于W-FT建立了魯棒性較強的電站鍋爐燃燒系統(tǒng)模型，并與其他方法所建立的模型進行了對比。仿真結(jié)果表明，所提的W-FT方法能有效地辨識噪聲和異常值，具有較強的魯棒性;所建立的模型預測精度較高，泛化能力較強。
　　(4)為了提高機組能源利用率和降低污染物排放，基于ε-FT建立了排煙溫度和NOx排放特性模型，提出