亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于神經(jīng)網(wǎng)絡(luò)的鍋爐優(yōu)化燃燒技術(shù)

        2014-03-29 10:23:18楊瓊
        節(jié)能技術(shù) 2014年3期
        關(guān)鍵詞:飛灰人工神經(jīng)網(wǎng)絡(luò)鍋爐

        楊瓊

        (華電湖北發(fā)電有限公司,湖北 武漢 430071)

        0 引言

        在經(jīng)濟(jì)調(diào)度及節(jié)能減排的大環(huán)境下,新能源發(fā)電及核電的發(fā)展越來越成為電力發(fā)展的新趨勢,而傳統(tǒng)的火力發(fā)電企業(yè)的經(jīng)濟(jì)運行面臨的壓力越來越大,而鍋爐效率對機(jī)組的供電煤耗影響很大[1]。提高鍋爐效率雖然可以通過優(yōu)化運行參數(shù),采用新技術(shù)等改進(jìn)[2],然而從威等人認(rèn)為“十二五”時期控制煤炭產(chǎn)量必然受到控制[3],因而非坑口電站已經(jīng)無法獲得機(jī)組燃用的設(shè)計煤種,鍋爐燃煤摻燒是火電企業(yè)的必然選擇,如何讓鍋爐在摻配煤種的條件下,獲得最優(yōu)燃燒效率是一項有巨大經(jīng)濟(jì)效益的工作[4],作為電力系統(tǒng)信息化的眾多技術(shù)中,鍋爐燃燒優(yōu)化技術(shù)必將被采用。

        當(dāng)前火力發(fā)電機(jī)組已基本實現(xiàn)DCS系統(tǒng)控制,機(jī)組的可控性得到大大的提高。鍋爐運行優(yōu)化控制系統(tǒng)作為機(jī)組運行控制的優(yōu)化決策層,而DCS作為機(jī)組運行控制的執(zhí)行層,DCS能夠很好地完成優(yōu)化決策層下達(dá)的控制任務(wù)。目前很多在線分析儀表已經(jīng)進(jìn)入實用階段[5],如飛灰含碳測量,煙氣連續(xù)NOx測量等,為鍋爐運行性能指標(biāo)的在線模型計算提供了精確的反饋量[6]。自動化領(lǐng)域的人工神經(jīng)網(wǎng)絡(luò)建模,多變量預(yù)測控制等的理論與實踐進(jìn)入了實用階段,為鍋爐運行優(yōu)化提供了建模和控制手段[7-8]。

        1 基于神經(jīng)網(wǎng)絡(luò)的鍋爐優(yōu)化燃燒技術(shù)

        1.1 神經(jīng)網(wǎng)絡(luò)的技術(shù)介紹

        人工神經(jīng)網(wǎng)絡(luò) (Artificial Neural Networks,ANN)是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征,進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。人工神經(jīng)網(wǎng)絡(luò)的特點是具有自學(xué)習(xí)和自適應(yīng)的能力,可以通過早前提供的一批具有對應(yīng)關(guān)系的輸入—輸出數(shù)據(jù),自學(xué)習(xí)而掌握兩者之間潛在的規(guī)律,并根據(jù)這些規(guī)律,用新的輸入數(shù)據(jù)來演繹輸出結(jié)果,即通過對模型的“訓(xùn)練”獲得推理數(shù)據(jù)[9]。

        最初提出的神經(jīng)網(wǎng)絡(luò)稱為MP模型。到80年代美國物理學(xué)家J.J.Hopfield提出了Hopfield神經(jīng)網(wǎng)格模型[10],引入了“計算能量”概念和提出了連續(xù)時間Hopfield神經(jīng)網(wǎng)絡(luò)模型,有力推動了神經(jīng)網(wǎng)絡(luò)的研究,隨后又有學(xué)者提出了波耳茲曼模型,提出了并行分布處理的理論。美國、日本非常重視神經(jīng)網(wǎng)絡(luò)研究。目前,已有近40種神經(jīng)網(wǎng)絡(luò)模型[11]。

        人工神經(jīng)網(wǎng)絡(luò)模型主要考慮網(wǎng)絡(luò)連接的拓?fù)浣Y(jié)構(gòu)、神經(jīng)元的特征、學(xué)習(xí)規(guī)則等。根據(jù)連接的拓?fù)浣Y(jié)構(gòu),神經(jīng)網(wǎng)絡(luò)模型可以分為:

        (1)前向網(wǎng)絡(luò)。網(wǎng)絡(luò)中各個神經(jīng)元接受前一級的輸入,并輸出到下一級,網(wǎng)絡(luò)中沒有反饋,可以用一個有向無環(huán)路圖表示。這種網(wǎng)絡(luò)實現(xiàn)信號從輸入空間到輸出空間的變換,它的信息處理能力來自于簡單非線性函數(shù)的多次復(fù)合;

        (2)反饋網(wǎng)絡(luò)。網(wǎng)絡(luò)內(nèi)神經(jīng)元之間有反饋,可以用一個無向的完備圖表示。這種神經(jīng)網(wǎng)絡(luò)的信息處理是狀態(tài)的變換,可以用動力學(xué)系統(tǒng)理論處理。系統(tǒng)的穩(wěn)定性與聯(lián)想記憶功能有密切關(guān)系。Hopfield網(wǎng)絡(luò)、波耳茲曼機(jī)均屬于這種類型。

        1.2 BP神經(jīng)網(wǎng)絡(luò)

        BP神經(jīng)網(wǎng)絡(luò)是一種單向傳播的多層前向網(wǎng)絡(luò),一般具有三層或三層以上的神經(jīng)網(wǎng)絡(luò),具體包括輸入層、中間層(隱層)和輸出層。上層和下層之間實現(xiàn)全連接,每層的神經(jīng)元之間沒有任何連接。當(dāng)一對學(xué)習(xí)樣本的數(shù)據(jù)提供給網(wǎng)絡(luò)后,神經(jīng)元的激活值就從輸入層經(jīng)過中間層向輸出層傳播,在輸出層的各神經(jīng)元就獲得了網(wǎng)絡(luò)的輸入響應(yīng)值。隨后按照減少目標(biāo)輸出與實際誤差的方向,從輸出層逐級經(jīng)過各中間層一一修正各層連接權(quán)值,最后回到輸入層,這種算法被稱為“誤差逆?zhèn)鞑ニ惴ā?,簡稱即是BP算法。隨著這種誤差逆向的傳播修正的不斷進(jìn)行,網(wǎng)絡(luò)對輸入模式的響應(yīng)正確率也不斷上升[12]。

        (1)BP神經(jīng)網(wǎng)絡(luò)的設(shè)計方式

        MATLAB是數(shù)學(xué)編程的快捷工具,包含豐富的神經(jīng)網(wǎng)絡(luò)模型可供調(diào)用。通過調(diào)用MATLAB指令: net=newff(PR,[S1 S2 SN],{TF1 TF2 TFN},BTF,BLF,PF)創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)模型。其中PR為輸入量的取值范圍;Si為第i層的神經(jīng)元個數(shù),共n層; TFi為第i層的傳遞函數(shù);BTF為BP網(wǎng)絡(luò)的訓(xùn)練函數(shù);BLF為BP神經(jīng)網(wǎng)絡(luò)中權(quán)值和閾值學(xué)習(xí)函數(shù);PF為性能函數(shù)。對于如何確定BP網(wǎng)絡(luò)中隱含層的神經(jīng)元個數(shù),往往需要根據(jù)多次實驗和設(shè)計者的經(jīng)驗來確定,因而不存在一個理想的解析式可以表示[13]。本研究中,筆者經(jīng)過多次嘗試,最后確定隱層神經(jīng)元數(shù)為9,BP網(wǎng)絡(luò)調(diào)用的各主要函數(shù)如下。

        (2)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和仿真

        BP網(wǎng)絡(luò)生成和初始化后,可以對訓(xùn)練參數(shù)net.trainParam進(jìn)行適當(dāng)設(shè)置,再調(diào)用train函數(shù)來對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。train函數(shù)的常用格式如下。

        式中 Pn——輸入樣本矢量集;

        Tn——對應(yīng)的目標(biāo)樣本矢量集;

        等號左、右兩側(cè)net——用于表示訓(xùn)練前、后的神經(jīng)網(wǎng)絡(luò)對象;

        tr——存儲訓(xùn)練過程中的步數(shù)信息和誤差信息。

        1.3 構(gòu)建鍋爐燃燒優(yōu)化的神經(jīng)網(wǎng)絡(luò)

        鍋爐的燃燒是一個復(fù)雜的過程,影響鍋爐NOx排放、飛灰含碳量的因素有很多,每一個影響因素都表現(xiàn)出明顯的非線性特性。傳統(tǒng)的計算方法難以準(zhǔn)確描述這一潛在規(guī)律。人工神經(jīng)網(wǎng)絡(luò)模型是一種人工智能技術(shù),具有擬合任意非線性函數(shù)的特性和擁有良好的泛化能力,具有對復(fù)雜問題的自適應(yīng)和自學(xué)習(xí)能力,因而在非線性系統(tǒng)辨識方面得到了廣泛的研究和應(yīng)用。

        由于BP神經(jīng)網(wǎng)絡(luò)能夠自適應(yīng)模擬的非線性輸入輸出,利用這一原理把衡量鍋爐氮氧化物排放及燃燒效率的參數(shù)指標(biāo)作為神經(jīng)網(wǎng)絡(luò)的輸出,把參與鍋爐燃燒的相關(guān)參數(shù)作為燃燒模型的輸入?yún)?shù)指標(biāo),從而實現(xiàn)構(gòu)建鍋爐燃燒優(yōu)化模型,并通過輸入鍋爐燃燒的歷史運行數(shù)據(jù)和標(biāo)準(zhǔn)工況下的試驗數(shù)據(jù),對鍋爐燃燒模型進(jìn)行學(xué)習(xí)訓(xùn)練,達(dá)到鍋爐燃燒在不同的干擾量下(如負(fù)荷,環(huán)境溫度等),以及鍋爐的各種可調(diào)量如煙氣含氧量[14]、一次風(fēng)壓、二次風(fēng)壓、不同的二次風(fēng)門開度組合、給粉偏置等,和鍋爐運行性能(NOx和效率)之間的非線性動態(tài)模型;通過BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練,獲取鍋爐的輸入輸出的燃燒特性,根據(jù)不同的輸入?yún)?shù),利用神經(jīng)網(wǎng)絡(luò)尋優(yōu)鍋爐在此條件下可以達(dá)到的最佳性能的各可調(diào)量,指導(dǎo)鍋爐的燃燒的動態(tài)控制,使機(jī)組達(dá)到最佳運行狀態(tài)。采用神經(jīng)網(wǎng)絡(luò)建立鍋爐燃燒的模型如下。

        2 模型設(shè)計

        2.1 常規(guī)機(jī)組控制模型及優(yōu)化設(shè)計

        通常情況下的機(jī)組控制采用的模型如圖1,通過熱力試驗及廠家說明書設(shè)定鍋爐燃燒運行參數(shù),經(jīng)過各級相關(guān)的控制器對機(jī)組運行進(jìn)行調(diào)節(jié),然后采用性能計算得出相關(guān)的參數(shù)指標(biāo)。在火電機(jī)組執(zhí)行機(jī)構(gòu)完成控制器下達(dá)的控制指令后,經(jīng)過安全性閉環(huán)控制進(jìn)行反饋,確保控制安全,而鍋爐優(yōu)化燃燒控制系統(tǒng)則是在傳統(tǒng)的控制系統(tǒng)上增加機(jī)組性能尋優(yōu)反饋環(huán)節(jié),確保機(jī)組運行的經(jīng)濟(jì)性,如圖1。

        圖1 機(jī)組優(yōu)化運行原理圖

        燃燒優(yōu)化控制系統(tǒng)的基礎(chǔ)是DCS控制系統(tǒng),在機(jī)組DCS系統(tǒng)控制基礎(chǔ)之上,建立優(yōu)化運行控制系統(tǒng)對鍋爐進(jìn)行尋優(yōu)控制,其控制系統(tǒng)與原系統(tǒng)接口控制如圖2所示,優(yōu)化指令和其他通訊采用安全的通訊接口,保留異常情況下的運行人員人工干預(yù)接口,確保機(jī)組的安全穩(wěn)定運行。

        圖2 鍋爐優(yōu)化燃燒實現(xiàn)方式

        2.2 鍋爐燃燒穩(wěn)態(tài)性能的神經(jīng)網(wǎng)絡(luò)模型

        本文根據(jù)鍋爐穩(wěn)態(tài)試驗的一些數(shù)據(jù),采用BP人工神經(jīng)網(wǎng)絡(luò)方法,構(gòu)建鍋爐效率和NOx排放預(yù)測模型。

        (1)鍋爐燃燒優(yōu)化模型的參數(shù)

        將鍋爐燃燒系統(tǒng)視為黑箱,應(yīng)用人工神經(jīng)網(wǎng)絡(luò)方法對鍋爐燃燒系統(tǒng)進(jìn)行建模,神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)選擇影響鍋爐燃燒的各因素,其輸出參數(shù)選擇排煙溫度、飛灰含碳和NOx排放量。

        通過對鍋爐穩(wěn)態(tài)試驗數(shù)據(jù)和運行狀況的分析發(fā)現(xiàn),影響鍋爐燃燒性能的主要因素為一次風(fēng)壓、二次風(fēng)各層擋板開度等操作量、負(fù)荷及氧量等。由于我國電站鍋爐現(xiàn)階段燃煤相對緊缺,采用摻燒手段導(dǎo)致進(jìn)入鍋爐中的煤質(zhì)變化很大,偏離設(shè)計值較多,這將會導(dǎo)致燃燒性能發(fā)生較大的變化;另外,電網(wǎng)調(diào)度不受電廠制約的因素,導(dǎo)致鍋爐負(fù)荷經(jīng)常出現(xiàn)較大變化,其燃燒性能也會隨著鍋爐負(fù)荷變化呈現(xiàn)出變化,因此將燃煤熱值和機(jī)組負(fù)荷作為模型的干擾量加以考慮。

        (2)鍋爐燃燒系統(tǒng)神經(jīng)網(wǎng)絡(luò)模型

        如圖3所示,預(yù)測鍋爐效率和NOx排放的人工神經(jīng)網(wǎng)絡(luò)模型按下圖模式構(gòu)建。輸入?yún)?shù)選擇一次風(fēng)壓、二次風(fēng)擋板開度和環(huán)境溫度、負(fù)荷、煙氣含氧量、給煤機(jī)總轉(zhuǎn)速等15個變量,輸出參數(shù)選擇鍋爐效率和NOx排放,分別建立人工神經(jīng)網(wǎng)絡(luò)模型。

        鍋爐熱效率按照鍋爐的燃燒特性的機(jī)理分析,主要受飛灰含碳量和排煙溫度兩個變量影響,而這兩個變量受鍋爐的操作參數(shù)如一次風(fēng)、二次風(fēng)、環(huán)境溫度和煙氣含氧量等影響。根據(jù)NOx排放機(jī)理可知,鍋爐NOx排放與爐膛燃燒溫度有著較強(qiáng)的直接聯(lián)系,而爐膛溫度也受到操作量的直接影響。根據(jù)上述機(jī)理,構(gòu)建的鍋爐燃燒系統(tǒng)模型如下

        圖3 鍋爐燃燒性能神經(jīng)網(wǎng)絡(luò)混合模型

        式中 Mv——一次風(fēng)壓、二次風(fēng)等操作量、煙氣含氧量;

        Dv——給煤總轉(zhuǎn)速(表征燃煤熱值),環(huán)境溫度和負(fù)荷等干擾量;

        Tpy——排煙溫度;

        Tf——爐膛溫度;

        f1——排煙溫度計算函數(shù);

        f2——鍋爐爐膛溫度計算函數(shù);

        f3——飛灰含碳計算函數(shù);

        f4——NOx排放計算函數(shù);

        f5——鍋爐效率計算函數(shù);

        Cfh——飛灰含碳量;

        NOx——NOx排放值;

        η——效率。

        基于試驗數(shù)據(jù),采用人工神經(jīng)網(wǎng)絡(luò)建立上述函數(shù)f1、f2、f3、f4,則可以建立如圖3所示的鍋爐燃燒神經(jīng)網(wǎng)絡(luò)混合模型。其中,ANN1擬合計算函數(shù)f1,是預(yù)測鍋爐排煙溫度的神經(jīng)網(wǎng)絡(luò)模型;ANN2擬合計算函數(shù)f2,是預(yù)測鍋爐爐膛溫度的神經(jīng)網(wǎng)絡(luò)模型; ANN3擬合計算函數(shù)f3,是預(yù)測飛灰含碳的神經(jīng)網(wǎng)絡(luò)模型;ANN4擬合計算函數(shù)f4,是預(yù)測NOx排放的神經(jīng)網(wǎng)絡(luò)模型;f5為鍋爐效率計算函數(shù)。

        飛灰含碳由于受到鍋爐煤質(zhì)和運行參數(shù)的影響非常大,常規(guī)的計算公式很難表達(dá)其相互關(guān)系,因此選取煙氣含氧量、一次風(fēng)壓、二次風(fēng)擋板開度和環(huán)境溫度、負(fù)荷、給煤總轉(zhuǎn)速等15個變量作為神經(jīng)網(wǎng)絡(luò)ANN3的輸入,輸出為鍋爐飛灰含碳。

        3 應(yīng)用實例

        選取某電廠型號為WGZ1004/18.34-1的鍋爐,為四角切圓燃燒方式,中儲式鋼球磨制粉系統(tǒng)。根據(jù)神經(jīng)網(wǎng)絡(luò)建模原理對鍋爐進(jìn)行了正交試驗和分組試驗,并根據(jù)試驗數(shù)據(jù)建立了鍋爐燃燒的穩(wěn)態(tài)模型。由于該機(jī)組采用摻燒模式,其燃用煤質(zhì)變化較大,燃用煤種熱值分布區(qū)域較寬。試驗共獲得227組有效試驗數(shù)據(jù),部分試驗數(shù)據(jù)如表1所示。將試驗數(shù)據(jù)綜合進(jìn)行建模,燃煤高位熱值在14.72 MJ/ kg到23.15 MJ/kg范圍內(nèi)變化,使得模型充分包含了煤質(zhì)變化后燃燒特性的變化信息。

        隨機(jī)選取了136組試驗工況數(shù)據(jù)作為模型的訓(xùn)練樣本,修正飛灰含碳模型的各層參數(shù)值,訓(xùn)練算法采用LM學(xué)習(xí)規(guī)則,訓(xùn)練結(jié)果如圖4所示。

        鍋爐飛灰含碳測試集的預(yù)測結(jié)果如圖5所示。對比測試集的試驗數(shù)據(jù)與網(wǎng)絡(luò)預(yù)測的輸出參數(shù)得出,實測值和預(yù)測值之間的最大絕對誤差為1.724,最大相對誤差27.9%,說明訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型能夠滿足預(yù)測飛灰含碳量的值的要求,達(dá)到鍋爐燃燒優(yōu)化準(zhǔn)確性和實時性的要求。

        表1 鍋爐熱態(tài)試驗工況表

        圖4 飛灰含碳訓(xùn)練集預(yù)測值與實際值的比較

        圖5 飛灰含碳測試集預(yù)測值與實際值的比較

        圖6 排煙溫度訓(xùn)練集預(yù)測值與實際值的比較

        圖7 排煙溫度測試集預(yù)測值與實際值的比較

        同樣,應(yīng)用人工神經(jīng)網(wǎng)絡(luò)方法建立鍋爐排煙溫度的預(yù)測模型ANN1,進(jìn)一步根據(jù)鍋爐排煙溫度、飛灰含碳量和燃煤的熱值、灰分等即可計算得到鍋爐熱效率。

        結(jié)合兩個神經(jīng)網(wǎng)絡(luò)模型,得到鍋爐效率在測試集上的平均相對誤差為0.63%。

        根據(jù)對穩(wěn)態(tài)試驗數(shù)據(jù)的分析和鍋爐NOx生成的機(jī)理的分析,選取爐膛溫度作為NOx排放模型的中間變量。由于爐膛溫度是受操作量控制而需要預(yù)測的未知變量之一,所以預(yù)測NOx排放需首先預(yù)測爐膛溫度,ANN2即為爐膛溫度的預(yù)測模型。在NOx排放模型訓(xùn)練階段,為提高模型預(yù)測精度,采用實際測量的爐膛溫度作為NOx排放模型的輸入,選取環(huán)境溫度、負(fù)荷、給煤總轉(zhuǎn)速,煙氣含氧量、一次風(fēng)壓、二次風(fēng)擋板開度、爐膛溫度等作為神經(jīng)網(wǎng)絡(luò)ANN4的輸入,煙氣NOx排放作為輸出參數(shù);而在鍋爐燃燒優(yōu)化過程模型應(yīng)用階段則使用爐膛溫度的預(yù)測值。

        任意選取機(jī)組熱態(tài)試驗數(shù)據(jù)中的79組數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集,用來進(jìn)行網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練,其余作為測試集用來測試網(wǎng)絡(luò)的泛化能力。神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用LM算法,通過多次訓(xùn)練后發(fā)現(xiàn),網(wǎng)絡(luò)的隱層、輸出層均采用sigmoid激勵函數(shù),隱層節(jié)點數(shù)為8時神經(jīng)網(wǎng)絡(luò)的泛化能力最強(qiáng)。圖8為NOx模型訓(xùn)練集預(yù)測值與實際值的比較。

        圖8 NOx訓(xùn)練集預(yù)測值與實際值的比較

        泛化能力是衡量人工神經(jīng)網(wǎng)絡(luò)模型的性能的主要指標(biāo),泛化能力表征網(wǎng)絡(luò)通過訓(xùn)練能否找出蘊含在樣本數(shù)據(jù)中輸入與輸出之間的本質(zhì)聯(lián)系。為了驗證NOx排放模型的泛化能力,采用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對未參加訓(xùn)練的54個工況進(jìn)行測試,預(yù)測結(jié)果如圖9所示。

        圖9 NOx測試集預(yù)測值與實際值的比較

        由測試集數(shù)據(jù)分析得出:NOx排放的預(yù)測值和實際值之間的平均相對誤差為5.7%,說明訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型能夠滿足預(yù)測NOx排放值的要求。

        4 試驗結(jié)果

        鍋爐負(fù)荷為100%負(fù)荷工況時,選擇在鍋爐燃燒優(yōu)化裝置投運前(即切除動態(tài)燃燒優(yōu)化裝置效率優(yōu)化功能),運用ASME PTC4.1的方法,采用低位發(fā)熱量測試鍋爐的熱效率,作為工況1予以定義。定義工況2為在動態(tài)燃燒優(yōu)化裝置效率優(yōu)化功能投運后的運行工況。

        鍋爐負(fù)荷為100%負(fù)荷工況時,在動態(tài)燃燒優(yōu)化裝置NOx優(yōu)化功能投運前,測試空預(yù)器出口煙氣中NOx排放量,并換算到O2=6%情況下的NOx值,定義為工況3。工況4則定義為在動態(tài)燃燒優(yōu)化裝置NOx優(yōu)化功能投運后的工況。

        4.1 鍋爐效率的計算

        在測試鍋爐效率時,工況1和工況2采用煤質(zhì)連續(xù)取樣,樣品按標(biāo)準(zhǔn)混合縮分后進(jìn)行化驗,鍋爐熱效率的計算結(jié)果見表2。

        在300 MW情況下,工況1和工況2實測鍋爐效率分別為88.68%和89.86%,修正后的鍋爐效率分別為88.36%和89.52%。燃燒優(yōu)化裝置效率優(yōu)化功能投運后,鍋爐實測效率和修正效率分別提高了1.18和1.17個百分點,鍋爐燃燒效率的優(yōu)化作用非常顯著。

        表2 鍋爐熱效率計算

        熱損失及鍋爐效率鍋爐效率修正煙氣溫度 tG″/℃ 134.4 131.2未燃碳熱損失 Luc/[%] 2.71 1.84干煙氣熱損失 LG/[%] 7.62 7.40其他熱損失 Lmf/[%] 0.09 0.9熱損失總和 L/[%] 11.32 10.14鍋爐效率 η/[%] 88.68 89.86空預(yù)器入口煙溫 tG'/℃ 379.01 378保證進(jìn)風(fēng)溫度 tD/℃ 20 20修正后的排煙溫度 tG/℃ 128.47 125.33低位發(fā)熱量 LHV/kJ·kg-1 19854 19854修正后排煙溫度對應(yīng)水蒸氣焓 h″c/kJ·kg-1 2717.83 2713.50保證進(jìn)風(fēng)溫度對應(yīng)飽和蒸汽焓 hRV'/kJ·kg-12538.19 2538.19實際燒掉的碳 Cb'/[%] 0.5224 0.5276修正后干空氣量 WA″c/kg·kg-1 10.59 10.45修正后干煙氣量 WG″c/kg·kg-1 10.82 10.67修正后干煙氣熱損失 LG'/[%] 8.04 7.76修正后燃料水分熱損失 Lmf'/[%] 0.08 0.07修正后氫生成的水的熱損失 LH'/[%] 0.16 0.16修正后空氣中的水分熱損失 LmA'/[%] 0.19 0.18修正后熱損失總和 L/[%] 11.64 10.48修正后的鍋爐效率 η'/[%]88.36 89.52

        4.2 鍋爐NOx排放的計算

        在工況3和工況4情況下,測試鍋爐NOx排放量時,煤質(zhì)采取連續(xù)取樣,樣品混合縮分后進(jìn)行化驗,鍋爐的NOx排放量的計算結(jié)果及測試結(jié)果見表3。

        在300 MW的負(fù)荷下,工況3和工況4測得的NOx分別為692.02 mg/m3和616.13 mg/m3,投運燃燒優(yōu)化裝置NOx優(yōu)化功能后,鍋爐的NOx降低了75.92 mg/m3,降幅為10.97%,鍋爐NOx排放功能的優(yōu)化作用比較顯著。

        5 結(jié)論

        通過測試的鍋爐效率可以得出如下結(jié)論,在300 MW情況下,燃燒優(yōu)化裝置投運前實測的鍋爐效率為88.68%,修正后為88.36%,而投運后實測值為89.86%,修正后為89.52%。分別提高了1.18和1.17個百分點,鍋爐效率優(yōu)化的作用非常顯著。同時根據(jù)測試鍋爐NOx排放量的情況看,在300 MW的運行負(fù)荷下,鍋爐燃燒優(yōu)化裝置NOx優(yōu)化功能投運前測得的NOx為692.02 mg/m3,投運后為616.13 mg/m3,說明投運鍋爐燃燒優(yōu)化裝置NOx優(yōu)化功能后降低了 75.92 mg/m3,降低幅度達(dá)10.97%,鍋爐NOx優(yōu)化排放功能表現(xiàn)非常突出。由于采用該技術(shù)不需要對現(xiàn)有設(shè)備進(jìn)行比較大的改動,改造成本很低,該技術(shù)性價比高值得在火電廠廣泛推廣。

        [1]王強(qiáng),夏成軍,唐智文.分布式能源在數(shù)據(jù)中心應(yīng)用的可行性探析[J].電網(wǎng)與清潔能源,2013,29(9):87-92.

        [2]陳祿,杜和沖,田樺.超臨界機(jī)組鍋爐試運期間的節(jié)能措施與技術(shù)[J].節(jié)能技術(shù),2011,29(6):544-547.

        [3]叢威,孫清磊.“十二五”時期控制煤炭產(chǎn)量的必要性及對策[J].節(jié)能技術(shù),2011.29(3):281-284.

        [4]時元田,亓磊,孫建軍.提高鍋爐效率的適應(yīng)性改造[J].中國設(shè)備工程,2006(1):31.

        [5]周昊.大型電站鍋爐氮氧化物控制和燃燒優(yōu)化中若干關(guān)鍵性問題的研究[D].杭州:浙江大學(xué),2004.

        [6]閻維平,梁秀俊,陳寶康,等.基于在線監(jiān)測數(shù)據(jù)的電站鍋爐效率實時計算方法的研究[J].熱能動力工程,2001 (3):189-191.

        [7]張智煥,王樹青,王讓定.非線性多模型控制及仿真研究[J].系統(tǒng)仿真學(xué)報,2003(7):919-921.

        [8]盧勇.數(shù)據(jù)信息采掘與熱工過程控制優(yōu)化[D].北京:清華大學(xué),2003.

        [9]韓力群.人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計及應(yīng)用[M].北京:化學(xué)工業(yè)出版社,2002.

        [10]周昊,朱洪波,岑可法.基于人工神經(jīng)網(wǎng)絡(luò)和遺傳算法的火電廠鍋爐實時燃燒優(yōu)化系統(tǒng)[J].動力工程,2003 (5):2665-2669.

        [11]Booth R C,Roland J W.Neural network-based combustion optimization reduces NOx emissions while improving performance.,Chicago,IL,USA,1998,Illinois Inst of Technology,1998:667-672.

        [12]飛思科技產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡(luò)理論與MATLAB7實現(xiàn)[M].北京:電子工業(yè)出版社,2005:101-105.

        [13]WANG Fang CHENG Shui-yuan LI Ming-jun.Optimizing neural networks by genetic algorithms for predicting particulate matter concentration in summer in Beijing.《Journal of Chongqing University》[J].2010(3):117-123.

        [14]楊洪澤,王鵬,游本虎.鍋爐煙氣參數(shù)在負(fù)荷率及相關(guān)熱損失計算中的應(yīng)用[J].節(jié)能技術(shù),2012,30(2):182-185

        猜你喜歡
        飛灰人工神經(jīng)網(wǎng)絡(luò)鍋爐
        生活垃圾焚燒飛灰濕法預(yù)處理研究
        上海建材(2022年2期)2022-07-28 03:15:58
        碳化對飛灰穩(wěn)定化加藥量測評的影響
        摻加解毒飛灰的路基材料重金屬浸出特征與潛在風(fēng)險
        酸洗預(yù)處理對飛灰中氯和重金屬脫除的影響規(guī)律
        利用人工神經(jīng)網(wǎng)絡(luò)快速計算木星系磁坐標(biāo)
        對干熄焦余熱鍋爐運行爆管的幾點探討
        昆鋼科技(2020年6期)2020-03-29 06:39:50
        人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)簡單字母的識別
        電子制作(2019年10期)2019-06-17 11:45:10
        12CrlMoV鍋爐吊桿用鋼的開發(fā)生產(chǎn)實踐
        山東冶金(2018年5期)2018-11-22 05:12:06
        關(guān)于鍋爐檢驗的探討
        基于聲發(fā)射和人工神經(jīng)網(wǎng)絡(luò)的混凝土損傷程度識別
        国产成人亚洲精品2020| 成人影院yy111111在线| 天堂aⅴ无码一区二区三区 | 亚洲人av毛片一区二区| 国产亚洲成人精品久久久| 亚洲一区二区三区色偷偷| 亚洲av综合色一区二区| 天堂视频在线观看一二区| 久久精品国产亚洲av电影网 | 富婆如狼似虎找黑人老外| 国产成人丝袜在线无码| 日本岛国视频在线观看一区二区 | 777米奇色8888狠狠俺去啦| 美女胸又www又黄的网站| 亚洲黄片高清在线观看| 国产大屁股白浆一区二区三区| 亚洲国产中文字幕视频| 中年熟妇的大黑p| 秒播无码国产在线观看| 久久视频在线视频精品| 我要看免费久久99片黄色| 50岁退休熟女露脸高潮| 国产欧美久久久另类精品| 一区二区三区夜夜久久| 亚洲午夜久久久精品影院| 久久中文字幕无码专区| 国产自在自线午夜精品视频在| 日本国产一区二区在线| 中国无码人妻丰满熟妇啪啪软件| 欧美国产成人精品一区二区三区| 国产亚洲曝欧美不卡精品| 性感的小蜜桃在线观看| 免费国产黄网站在线观看视频| 免费a级毛片无码| 曰韩精品无码一区二区三区| aⅴ色综合久久天堂av色综合| 日本乱码一区二区三区在线观看| 一本色道无码道dvd在线观看| 欧美成人在线A免费观看| 精品人妻av区二区三区| 亚洲中文字幕在线一区|