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

1、提高鍋爐運(yùn)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(biāo)，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(luò)的發(fā)展、特點(diǎn)、結(jié)構(gòu)，以及神經(jīng)網(wǎng)絡(luò)模型的原理，結(jié)構(gòu)和學(xué)習(xí)規(guī)則的分析，人工神經(jīng)網(wǎng)絡(luò)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(fù)雜問題具有自適應(yīng)和自學(xué)習(xí)能力，在非線性系統(tǒng)辨識方面得到了廣泛地研究和應(yīng)用?；谀畴娬惧仩t燃燒系統(tǒng)的穩(wěn)態(tài)試驗(yàn)數(shù)據(jù)，通過對鍋爐系統(tǒng)模型結(jié)構(gòu)的分析，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)建立了Nox排放量和鍋爐效率的預(yù)測

2、模型，實(shí)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(yù)測，為鍋爐燃燒優(yōu)化奠定了基礎(chǔ)。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(diǎn)，本文介紹了遺傳算法的基本原理和操作，比較了二進(jìn)制編碼和實(shí)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(jìn)，以所建立的鍋爐燃燒特性模型為基礎(chǔ)，采用遺傳算法，對鍋爐燃燒運(yùn)行工況進(jìn)行優(yōu)化。根據(jù)優(yōu)化目標(biāo)的不同，對鍋爐穩(wěn)態(tài)燃燒優(yōu)化進(jìn)行了效率約束下Nox低