论文部分内容阅读
摘要：本文采用了人工神经网络对锅炉的飞灰含碳量特性进行了建模，并利用实炉测试试验数据对模型进行了校验，结果表明，人工神经网络能很好反映大型电厂锅炉各运行参数与飞灰含碳量特性之间的关系。
关键词：优化锅炉；热能；
【中图分类号】TK227
一、引言
目前锅炉运行往往根据试验调试人员针对锅炉的常用煤种进行燃烧调整，以获得最佳的各种锅炉运行参数供运行人员参考，从而实现锅炉的最大热效率。但这种方法会带来如下问题：①由于锅炉燃煤的多变性，针对某一煤种进行调整试验获得的最佳操作工况可能与目前燃用煤种的所需的最佳工况偏离；②由于调试试验进行的工况有限，试验获得的最佳工况可能并非全局最优值，即可能存在比试验最佳值更好的运行工况。
二 遗传算法和神经网络结合的锅炉热效率寻优算法
利用一个21 个输入节点，1 个输出节点，24 个隐节点的 BP 网络来模拟锅炉飞灰含碳量与锅炉运行参数和燃用煤种之间的关系，获得了良好的效果，并证明了采用人工神经网络对锅炉这种黑箱对象建模的有效性。人工神经网络的输入采用锅炉负荷、省煤器出口氧量、各二次风挡板开度、燃尽风挡板开度、燃料风挡板开度、各磨煤机给煤量、炉膛与风箱差压、一次风总风压、燃烧器摆角和煤种特性，除煤种特性这一不可调节因素外，基本上包括了运行人员可以通过DCS 进行调整的所有影响锅炉燃烧的所有参数。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。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。遗传算法的一个显著优势是不需要目标函数明确的数学方程和导数表达式，同时又是一种全局寻优算法，不会象某些传统算法易于陷入局部最优解。遗传算法寻优的效率较高，搜索速度快。
根据遗传算法的要求，确定锅炉热效率 η 为遗传算法的目标函数，用式（1）计算。对该 300MW 锅炉，利用 DCS 与厂内 MIS 网的接口按每 6s 下载各运行参数，包括排烟氧量、排烟温度、锅炉负荷、各二次风挡板开度、燃尽风挡板开度、燃料风挡板开度、各磨煤机给煤量、炉膛与风箱差压、一次风总风压、燃烧器摆角等。锅炉飞灰含碳量可由飞灰含碳量监测仪在线监测或人工取样分析，燃用煤种由人工输入。这样锅炉的各项损失即可在线获得，并进而计算出各运行工况下的锅炉实时热效率。将排烟氧量和煤种特性等影响锅炉排烟热损失 q2 的参数按热效率计算，标准化为计算公式代入式（1），而影响q4 的各参数采用人工神经网络模型代入式（1），其中炉渣含碳量对热效率影响由人工测试后输入。具体计算公式可参见锅炉热效率计算标准。
由以上步骤建立了锅炉热效率和锅炉各运行参数及煤种的函数关系，即锅炉热效率作为因变量，而锅炉的各操作参数和煤质特性作为自变量，這样就可以利用遗传算法进行寻优计算，获得最佳的锅炉运行条件，实现锅炉热效率的最大化。
三、 燃煤锅炉热效率的优化效果
对图 2 的寻优过程进行分析，发现飞灰含碳量曲线具有震荡，这是因为氧量同时影响到排烟热损失和飞灰含碳量，优化过程初期氧量较高，飞灰含碳量相应可以搜索到较低值，但由于排烟热损失比机械不完全燃烧损失数值更大，迫使优化过程向氧量较低的方向寻优，而氧量较低又导致飞灰含碳量有所增加，这种相互反作用的机理使飞灰含碳量曲线呈现震荡性，这种震荡性也是由遗传算法的寻优本质所决定的。
由于遗传算法可以对多个自变量同时进行寻优，如果有需要，可以对任何需要的参数进行寻优，甚至对所有影响因素进行寻优，在软件编程上实现也很方便，这为遗传算法在锅炉优化运行中的应用提供了便利。
参考文献：
[1] 周昊，朱洪波，曾庭华等.基于遗传算法的燃煤锅炉热效率优化[J].中国电机工程学报，2002，22（7）：125-128.
[6] 夏燕萍，吕泽华，赵士杭等.热电厂锅炉汽轮机的优化调度[J].清华大学学报（自然科学版），2000，40（11）
关键词：优化锅炉；热能；
【中图分类号】TK227
一、引言
目前锅炉运行往往根据试验调试人员针对锅炉的常用煤种进行燃烧调整，以获得最佳的各种锅炉运行参数供运行人员参考，从而实现锅炉的最大热效率。但这种方法会带来如下问题：①由于锅炉燃煤的多变性，针对某一煤种进行调整试验获得的最佳操作工况可能与目前燃用煤种的所需的最佳工况偏离；②由于调试试验进行的工况有限，试验获得的最佳工况可能并非全局最优值，即可能存在比试验最佳值更好的运行工况。
二 遗传算法和神经网络结合的锅炉热效率寻优算法
利用一个21 个输入节点，1 个输出节点，24 个隐节点的 BP 网络来模拟锅炉飞灰含碳量与锅炉运行参数和燃用煤种之间的关系，获得了良好的效果，并证明了采用人工神经网络对锅炉这种黑箱对象建模的有效性。人工神经网络的输入采用锅炉负荷、省煤器出口氧量、各二次风挡板开度、燃尽风挡板开度、燃料风挡板开度、各磨煤机给煤量、炉膛与风箱差压、一次风总风压、燃烧器摆角和煤种特性，除煤种特性这一不可调节因素外，基本上包括了运行人员可以通过DCS 进行调整的所有影响锅炉燃烧的所有参数。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。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。遗传算法的一个显著优势是不需要目标函数明确的数学方程和导数表达式，同时又是一种全局寻优算法，不会象某些传统算法易于陷入局部最优解。遗传算法寻优的效率较高，搜索速度快。
根据遗传算法的要求，确定锅炉热效率 η 为遗传算法的目标函数，用式（1）计算。对该 300MW 锅炉，利用 DCS 与厂内 MIS 网的接口按每 6s 下载各运行参数，包括排烟氧量、排烟温度、锅炉负荷、各二次风挡板开度、燃尽风挡板开度、燃料风挡板开度、各磨煤机给煤量、炉膛与风箱差压、一次风总风压、燃烧器摆角等。锅炉飞灰含碳量可由飞灰含碳量监测仪在线监测或人工取样分析，燃用煤种由人工输入。这样锅炉的各项损失即可在线获得，并进而计算出各运行工况下的锅炉实时热效率。将排烟氧量和煤种特性等影响锅炉排烟热损失 q2 的参数按热效率计算，标准化为计算公式代入式（1），而影响q4 的各参数采用人工神经网络模型代入式（1），其中炉渣含碳量对热效率影响由人工测试后输入。具体计算公式可参见锅炉热效率计算标准。
由以上步骤建立了锅炉热效率和锅炉各运行参数及煤种的函数关系，即锅炉热效率作为因变量，而锅炉的各操作参数和煤质特性作为自变量，這样就可以利用遗传算法进行寻优计算，获得最佳的锅炉运行条件，实现锅炉热效率的最大化。
三、 燃煤锅炉热效率的优化效果
对图 2 的寻优过程进行分析，发现飞灰含碳量曲线具有震荡，这是因为氧量同时影响到排烟热损失和飞灰含碳量，优化过程初期氧量较高，飞灰含碳量相应可以搜索到较低值，但由于排烟热损失比机械不完全燃烧损失数值更大，迫使优化过程向氧量较低的方向寻优，而氧量较低又导致飞灰含碳量有所增加，这种相互反作用的机理使飞灰含碳量曲线呈现震荡性，这种震荡性也是由遗传算法的寻优本质所决定的。
由于遗传算法可以对多个自变量同时进行寻优，如果有需要，可以对任何需要的参数进行寻优，甚至对所有影响因素进行寻优，在软件编程上实现也很方便，这为遗传算法在锅炉优化运行中的应用提供了便利。
参考文献：
[1] 周昊，朱洪波，曾庭华等.基于遗传算法的燃煤锅炉热效率优化[J].中国电机工程学报，2002，22（7）：125-128.
[6] 夏燕萍，吕泽华，赵士杭等.热电厂锅炉汽轮机的优化调度[J].清华大学学报（自然科学版），2000，40（11）