x排放的最优化运行专家系统Р 测试不同运行方式(过量空气系数、配风方式(风门开度)、燃烧器倾角、燃烧器/磨煤机投入方式)对热效率、NOx排放浓度、结渣情况的影响,建立单变量的数据库;用神经网络专家系统关联锅炉运行方式和热效率、NOx排放浓度、结渣情况等参数;专家系统开发和测试后,用一个优化算法来决定基于优化目标和强加的约束条件的优化方案。Р (1)人工神经网络在NOx控制中的应用Р 8Р (2)人工神经网络与遗传算法相结合的低NOx燃烧优化技术Р 燃煤锅炉氮氧化物的排放特性非常复杂,很难采用简单的公式进行估算,往往需采用实炉测试方法加以确定,但现场实炉测试工作量大,测试工况往往有限,各参数对锅炉NOx排放特性都存在影响,且互相叠加,导致数据分析困难。由于无法根据测试结果获得估算公式和具体的计算模型,不能将试验结果进一步推广。而锅炉燃用煤种和操作参数千变万化,不可能保证在试验工况下运行,从而无法根据试验工况预测拟操作工况下的NOx排放特性,不利于大型燃煤锅炉通过燃烧调整降低NOx排放。Р 采用神经网络技术进行NOx排放特性建模,三层BP网络,利用DCS采集到的锅炉的锅炉运行参数作为网络输入。NOx作为输出。Р Input layerHidden layerР Output layer9Р 采用遗传算法进行锅炉燃烧优化。遗传算法是受生物进化学说和遗传学说启发而发展起来的基于适者生存思想的一种较通用的问题求解方法,作为一种随机优化技术在解优化难题中显示了优于传统优化算法的性能,可归纳为:①遗传算法运算的是解集的编码,而不是解集本身;②遗传算法的搜索始于解的一个种群,而不是单个解;③遗传算法只使用报酬信息(适值函数),而不使用导数或其他辅助知识;④遗传算法只采用概率的,而不是确定的状态转移规则。遗传算法目前在优化领域得到了广泛的应用,显示了其在优化方面的巨大能力。通过寻优调整燃烧,
全文预览
