張 威

(安徽理工大學(xué)， 安徽淮南232001)

火力電廠優(yōu)化配煤系統(tǒng)構(gòu)建及算法研究

張 威

(安徽理工大學(xué)， 安徽淮南232001)

隨著我國(guó)社會(huì)經(jīng)濟(jì)的快速發(fā)展，能源問(wèn)題日益突出,在我國(guó)各種能源資源中，煤炭資源最為豐富，我國(guó)的一次能源消費(fèi)結(jié)構(gòu)中，煤炭占主導(dǎo)地位，因此，在煤炭資源的利用問(wèn)題上，發(fā)展以提高煤炭利用率和減少污染為宗旨的潔凈煤技術(shù)是我們?cè)谕ㄍ磥?lái)能源的過(guò)渡時(shí)期內(nèi)的切實(shí)有效地現(xiàn)實(shí)選擇;動(dòng)力配煤作為我國(guó)電力行業(yè)普遍采用的一種高效凈煤技術(shù)，可以將不同類(lèi)別、品質(zhì)的煤經(jīng)過(guò)篩選、破碎和按比例混合等過(guò)程,改變其物理、化學(xué)和燃煤特性,使之達(dá)到煤質(zhì)互補(bǔ)、優(yōu)化產(chǎn)品結(jié)構(gòu) ,從而達(dá)到了減少污染物排放以及提高煤炭資源利用率的目的;主要研究目的在于以優(yōu)化配煤系統(tǒng)為框架，利用火力電廠優(yōu)化配煤算法對(duì)煤炭資源的使用進(jìn)行最優(yōu)選擇，分析優(yōu)化算法的優(yōu)越性。

算法研究； 動(dòng)力配煤； 神經(jīng)網(wǎng)絡(luò)

1 引言

1.1 課題研究的意義

人類(lèi)社會(huì)經(jīng)歷了近二個(gè)世紀(jì)的高速發(fā)展，主要是依靠了以煤炭等為主的化石燃料為基礎(chǔ)的能源利用。隨著人口爆炸、資源枯竭等問(wèn)題日益嚴(yán)重，人們?cè)絹?lái)越意識(shí)到我們不僅需要一種更為高效、清潔的能源利用方式來(lái)使用不可再生能源，以保證在找尋到新型、穩(wěn)定、高效的可再生能源之前人類(lèi)社會(huì)的能源平衡。

煤炭資源種類(lèi)繁多，品質(zhì)參差不齊。將優(yōu)質(zhì)煤炭作為火力電廠的燃料全部燃燒是一種極大的浪費(fèi)，在滿足電廠鍋爐燃燒要求的前提下，把十?dāng)?shù)甚至是數(shù)十種不同的煤炭資源以合適的比例混配再進(jìn)行燃燒，是對(duì)資源的合理化、最大化利用，符合當(dāng)前社會(huì)對(duì)能源開(kāi)發(fā)利用的宗旨。而對(duì)混配的煤種、數(shù)量、比例等因素考慮，不僅決定了配煤的優(yōu)劣，更關(guān)系到火力電廠的安全運(yùn)行。動(dòng)力配煤技術(shù)作為解決上述問(wèn)題的技術(shù)措施，受到了國(guó)家的廣泛重視。

1.2 課題研究的主要內(nèi)容

本文主要目的在于通過(guò)查閱資料等方式了解火力電廠優(yōu)化配煤系統(tǒng)構(gòu)建及配煤算法，對(duì)優(yōu)化配煤算法的提出、種類(lèi)、實(shí)現(xiàn)方法等進(jìn)行描述，然后選擇一種優(yōu)化配煤算法進(jìn)行實(shí)例分析，說(shuō)明優(yōu)化配煤算法的優(yōu)越性。

2 火力電廠優(yōu)化配煤系統(tǒng)構(gòu)建及配煤算法概述

2.1 數(shù)字化煤場(chǎng)系統(tǒng)功能概述

2.1.1 系統(tǒng)構(gòu)建意義

目前電廠普遍存在實(shí)際用煤與設(shè)計(jì)煤點(diǎn)脫節(jié)的現(xiàn)象，有的電廠來(lái)煤的煤點(diǎn)多達(dá)十幾種以上。這一方面導(dǎo)致了煤場(chǎng)煤點(diǎn)多、煤堆擺放混亂、自燃損耗大、管理低效等狀況，另一方面由于不同燃煤來(lái)源的煤質(zhì)特性差別較明顯，這必然對(duì)鍋爐安全運(yùn)行產(chǎn)生一定影響。為了解決以往煤場(chǎng)管理中不直觀、存煤數(shù)據(jù)不準(zhǔn)確、報(bào)表滯后、參燒配煤不科學(xué)等問(wèn)題，采用數(shù)字化煤場(chǎng)管理系統(tǒng)可以針對(duì)煤場(chǎng)自燃損耗大、煤堆擺放混亂、管理低效等狀況進(jìn)行信息化、規(guī)范化處理，對(duì)煤場(chǎng)實(shí)行分區(qū)堆放，并且配合企業(yè)內(nèi)部的輸煤系統(tǒng)，對(duì)煤場(chǎng)實(shí)現(xiàn)數(shù)字化管理。系統(tǒng)實(shí)時(shí)采集煤場(chǎng)相關(guān)數(shù)據(jù)，對(duì)煤場(chǎng)的煤質(zhì)特性和存煤分布通過(guò)立體圖形具體的體現(xiàn)出來(lái)，通過(guò)該系統(tǒng)不僅可以直觀詳細(xì)的掌握煤場(chǎng)狀況，有效的調(diào)度各種煤質(zhì)的存煤，最大限度的降低存煤的揮發(fā)浪費(fèi)、起到節(jié)能降耗的作用。而且在對(duì)實(shí)際來(lái)煤進(jìn)行混合配比摻燒時(shí)，使鍋爐燃燒時(shí)更加穩(wěn)定，且降低燃煤成本。在確定配煤比例時(shí)，如果僅用人工進(jìn)行計(jì)算量太大，很難達(dá)到使配煤成本價(jià)最低的優(yōu)化配方，而采用系統(tǒng)行進(jìn)配煤方案的優(yōu)化能夠充分發(fā)揮計(jì)算速度快的優(yōu)點(diǎn)，在短時(shí)間內(nèi)找到能使電廠配煤成本最低，經(jīng)濟(jì)效益最好的優(yōu)化配方。通過(guò)配煤參燒更可以大幅降低發(fā)電成本。

2.1.2 系統(tǒng)框架

數(shù)字化煤場(chǎng)系統(tǒng)總體框架如圖1所示,數(shù)字化煤場(chǎng)功能體系如圖2所示。

圖1 數(shù)字化煤場(chǎng)系統(tǒng)

圖2 數(shù)字化煤場(chǎng)系統(tǒng)功能體系

2.1.3 系統(tǒng)實(shí)現(xiàn)功能

煤場(chǎng)動(dòng)態(tài)調(diào)度。煤場(chǎng)采用分區(qū)管理的方式對(duì)不同來(lái)煤進(jìn)行管理。遵循煤的分區(qū)堆放原則，即煤的組堆應(yīng)最大限度地減少燃煤在存儲(chǔ)過(guò)程中的損耗。 不同品種的煤要分別組堆； 指標(biāo)相近的煤盡量組堆，進(jìn)廠煤將根據(jù)歷史來(lái)煤預(yù)測(cè)當(dāng)日來(lái)煤的煤質(zhì)情況，分別存放到相應(yīng)的煤區(qū)或直接上倉(cāng)，等煤質(zhì)分析報(bào)告；對(duì)高揮發(fā)份，高含硫煤的組堆，由于這類(lèi)煤最易自燃，建議堆放在單獨(dú)的煤場(chǎng)一角； 對(duì)高灰，高硫，低灰熔融性的特殊煤，由于無(wú)法單獨(dú)燃用，會(huì)選在煤場(chǎng)某一特定區(qū)域單獨(dú)堆放，等待摻燒。

煤場(chǎng)數(shù)據(jù)計(jì)量管理。本模塊通過(guò)燃運(yùn)部門(mén)錄入的煤炭到達(dá)信息、以及系統(tǒng)獲取的入廠煤翻車(chē)機(jī)衡數(shù)據(jù)和入爐煤皮帶秤數(shù)據(jù)，以圖形和表格的形式動(dòng)態(tài)反映煤場(chǎng)進(jìn)出煤和存煤的實(shí)際情況，并對(duì)煤場(chǎng)存煤數(shù)據(jù)進(jìn)行校核。系統(tǒng)包含以下功能：煤炭到達(dá)數(shù)據(jù)錄入：由燃運(yùn)部門(mén)將來(lái)煤的車(chē)次、煤點(diǎn)等相關(guān)數(shù)據(jù)錄入系統(tǒng)；入廠煤翻車(chē)機(jī)衡數(shù)據(jù)導(dǎo)入: 系統(tǒng)自動(dòng)調(diào)用翻車(chē)機(jī)衡工作站中入廠翻車(chē)機(jī)衡數(shù)據(jù)，經(jīng)轉(zhuǎn)換后導(dǎo)入本系統(tǒng)數(shù)據(jù)庫(kù)中；入爐煤皮帶秤數(shù)據(jù)導(dǎo)入: 系統(tǒng)自動(dòng)調(diào)用皮帶秤工作站中入爐煤皮帶秤數(shù)據(jù)，經(jīng)轉(zhuǎn)換后倒入本系統(tǒng)數(shù)據(jù)庫(kù)中；煤場(chǎng)存煤量數(shù)據(jù)校核：根據(jù)入廠煤、入爐煤實(shí)際數(shù)據(jù)間接校核煤場(chǎng)存煤量；煤場(chǎng)存煤預(yù)警：通過(guò)實(shí)時(shí)計(jì)算煤場(chǎng)存煤的煤質(zhì)和煤量，實(shí)時(shí)進(jìn)行煤場(chǎng)存煤預(yù)警。

綜合管理。入廠煤綜合查詢：以圖表形式綜合顯示入廠煤的煤點(diǎn)、存量、存放天數(shù)、煤質(zhì)等數(shù)據(jù)；入爐煤綜合查詢：以圖表形式綜合顯示入爐煤的煤點(diǎn)、使用量、使用時(shí)間、煤質(zhì)、與入廠煤關(guān)聯(lián)數(shù)據(jù)等數(shù)據(jù)；報(bào)表數(shù)據(jù)查詢和報(bào)表生成：根據(jù)用戶要求查詢制作報(bào)表所需相關(guān)數(shù)據(jù)，并自動(dòng)生成報(bào)表；煤場(chǎng)管理經(jīng)濟(jì)數(shù)據(jù)查詢：根據(jù)用戶要求，制作查詢報(bào)表，顯示煤場(chǎng)存煤價(jià)值、盈噸情況、月度虧噸虧卡情況等數(shù)據(jù)；盤(pán)點(diǎn)報(bào)告：根據(jù)實(shí)測(cè)比重、實(shí)測(cè)體積，以及月底的暫存煤量，損耗煤量，水分差調(diào)整煤量，計(jì)算自動(dòng)生成月末煤場(chǎng)盤(pán)點(diǎn)報(bào)告。

3 火力電廠優(yōu)化配煤算法實(shí)例分析

在火力電廠優(yōu)化配煤系統(tǒng)構(gòu)建的過(guò)程中，最重要的是火力電廠優(yōu)化配煤算法的使用，靈活運(yùn)用優(yōu)化算法以實(shí)現(xiàn)整個(gè)系統(tǒng)的最優(yōu)化是每個(gè)火力電廠優(yōu)化系統(tǒng)的主要任務(wù)，下面本文將對(duì)火力電廠優(yōu)化配煤算法進(jìn)行研究分析。通過(guò)閱讀資料易知，研究?jī)?yōu)化配煤算法之前必須了解算法的因子，即煤種的性質(zhì)。

3.1 混煤煤質(zhì)特性介紹

首先需要對(duì)15種實(shí)驗(yàn)單煤做發(fā)熱量測(cè)定和工業(yè)分析，所得數(shù)據(jù)見(jiàn)表1。

然后對(duì)15種煤種進(jìn)行混合實(shí)驗(yàn)，在單煤種中取3種單煤，按不同的比例混合配成45種混煤，并對(duì)45種混煤進(jìn)行編號(hào)，混配方案見(jiàn)表2。

由表2、表3易知， Mad、 Oad、Sad、Cad等參數(shù)通過(guò)線性加權(quán)獲得的誤差均較大，Cad的線性加權(quán)誤差較小而Mad、Vad的線性加權(quán)的平均誤差最大。與混煤的實(shí)際參數(shù)相比誤差過(guò)大。若火力電廠的混煤方案采用該線性加權(quán)法進(jìn)行，有可能對(duì)電廠的熱力生產(chǎn)產(chǎn)生較大的擾動(dòng)，影響其安全穩(wěn)定。故而我們需要采用其他的數(shù)學(xué)方法決定混煤方案。

表2 混煤煤樣的發(fā)熱量、揮發(fā)分、水分、灰分預(yù)測(cè)與實(shí)測(cè)簡(jiǎn)表

表3 混煤煤樣的Cad、Sad、Nad、Oad預(yù)測(cè)與實(shí)測(cè)簡(jiǎn)表

3.2 GRNN及其預(yù)測(cè)算法在煤質(zhì)預(yù)測(cè)中的應(yīng)用

3.2.1 基于GRNN的混煤煤質(zhì)預(yù)測(cè)模型描述

混煤煤質(zhì)預(yù)測(cè)模型是一個(gè)包括四層神經(jīng)元(模式層、輸入層、輸出層與求和層)的GRNN網(wǎng)絡(luò)模型，如下圖所示。為簡(jiǎn)單介紹以輸入輸出均是單維列的向量來(lái)說(shuō)明模型的作用。令網(wǎng)絡(luò)的輸入變量為X=[x1,…,xm]T，則輸出變量為Y=[y1，…ym]T。

圖3

其中：m為輸入層的維數(shù)，n為模式層神經(jīng)元數(shù)，傳遞函數(shù)：

式中X為輸出變量，Xi為樣本，神經(jīng)元i的輸出為X預(yù)期對(duì)應(yīng)的樣本Xi之間的Euclid距離平方的指數(shù)形式：

進(jìn)行計(jì)算求和時(shí)，在求和層中任一神經(jīng)元對(duì)模式層輸出進(jìn)行求和時(shí)的連接權(quán)值為1，傳遞函數(shù)為

進(jìn)行加權(quán)求和時(shí)，求和層的第j個(gè)神經(jīng)元與模式層的第i個(gè)神經(jīng)元的連接權(quán)值為Yi中的第j個(gè)元素 yij，傳遞函數(shù)為：(L是輸出向量維數(shù))。

每個(gè)輸出層的神經(jīng)元講求和層的輸出相除，可得：

利用GRNN理論知識(shí)，建立了混煤的煤質(zhì)預(yù)測(cè)模型，本文研究的模型以上述45種單煤的任意3種單煤及其2種單煤的對(duì)應(yīng)比例為輸入，模型可預(yù)測(cè)該混煤的煤質(zhì)特性(化學(xué)參數(shù)等)。

3.3 混煤煤質(zhì)預(yù)測(cè)結(jié)果

3.3.1 混煤煤質(zhì)預(yù)測(cè)模型性能分析及發(fā)熱量預(yù)測(cè)結(jié)果

諸多因素都可以影響我們根據(jù)GRNN網(wǎng)絡(luò)原理建立的混煤煤質(zhì)預(yù)測(cè)模型的最終預(yù)測(cè)性能，針對(duì)上述情況，我們以低位發(fā)熱量為例子說(shuō)明預(yù)測(cè)模型的性能。

參考數(shù)據(jù)的影響。預(yù)測(cè)模型可以選取多種參考數(shù)據(jù)，能量函數(shù)越高模型的預(yù)測(cè)偏差越大。GRNN預(yù)測(cè)的能量函數(shù)E取平均相對(duì)誤差，即：

其中yi為實(shí)驗(yàn)值，n為訓(xùn)練樣本數(shù)，outi為網(wǎng)絡(luò)預(yù)測(cè)值。模型參考數(shù)據(jù)不同時(shí)混煤Q.net.ar預(yù)測(cè)結(jié)果見(jiàn)表4。

表4 不同輸入時(shí)混煤的低位發(fā)熱量預(yù)測(cè)結(jié)果

由表4易知，采用GRNN預(yù)測(cè)所得的能量函數(shù)均很低，性能較好。

訓(xùn)練樣本數(shù)量的影響。由表5可知，增大GRNN模型輸入的訓(xùn)練樣本數(shù)量對(duì)模型的預(yù)測(cè)性能改變不是單純的線性關(guān)系。它既導(dǎo)致了訓(xùn)練樣本能量函數(shù)的增加，又導(dǎo)致了檢驗(yàn)樣本能量函數(shù)的下降。根據(jù)GRNN預(yù)測(cè)理論，訓(xùn)練樣本數(shù)據(jù)的增多可以改善模型的預(yù)測(cè)性能。根據(jù)本文采集的混煤數(shù)據(jù)，該模型采用的訓(xùn)練樣本數(shù)量可定為40。

表5 訓(xùn)練樣本數(shù)量不同時(shí)混煤低位發(fā)熱量的預(yù)測(cè)結(jié)果

σ的影響。對(duì)網(wǎng)絡(luò)的影響是多方面的，它既影響網(wǎng)絡(luò)預(yù)測(cè)與實(shí)際值得偏差?yuàn)A逼速度，又影響整個(gè)模型的物理預(yù)測(cè)誤差。在不同的訓(xùn)練樣本及檢驗(yàn)樣本數(shù)的情況下，平滑因子的逼近能力與物理減少誤差的能力存在完全不同的變化方式，如下圖4、圖5所示。

圖4 GRNN網(wǎng)絡(luò)的逼近誤差圖

圖5 GRNN網(wǎng)絡(luò)的預(yù)測(cè)誤差圖

σ取不同的值時(shí)樣本的能量函數(shù)存在一定的線性變化規(guī)律見(jiàn)表5。根據(jù)神經(jīng)網(wǎng)絡(luò)理論綜合考慮模型的平滑性與逼近性能，本文確定模型中的平滑因子為0.2。

表5 網(wǎng)絡(luò)選用不同的平滑因子時(shí)混煤的Q.net.ar預(yù)測(cè)結(jié)果

平滑因子訓(xùn)練樣本能量函數(shù)檢驗(yàn)樣本能量函數(shù)0.050.00740.03030.10.00350.02540.20.01030.02520.30.02050.02770.40.03420.0389

在確定了模型的平滑因子與輸入?yún)?shù)后進(jìn)行的低位發(fā)熱量預(yù)測(cè)值如見(jiàn)表6。

表6 Q.net.ar的檢驗(yàn)樣本預(yù)測(cè)

混煤的低位發(fā)熱量由GRNN模型預(yù)測(cè)的平均相對(duì)誤差僅為2.52 %，而線型加權(quán)方法獲得的數(shù)據(jù)平均相對(duì)誤差與之相較偏大了2.61 %，兩者相較，GRNN的預(yù)測(cè)準(zhǔn)確度得到了很大的改善。

4 結(jié)論與建議

當(dāng)今社會(huì)，環(huán)境問(wèn)題愈發(fā)嚴(yán)苛，低碳生產(chǎn)、清潔能源的開(kāi)發(fā)利用是我國(guó)能源高效利用、保證社會(huì)可持續(xù)發(fā)展的重要手段。煤炭一直是我國(guó)乃至人類(lèi)社會(huì)發(fā)展進(jìn)步的重要能源，作為潔凈煤技術(shù)重要分支的動(dòng)力配煤技術(shù)，既滿足中國(guó)當(dāng)前的國(guó)情需要，又為環(huán)保交出了一份社會(huì)滿意的答卷。

本文采用了15個(gè)單煤種和45種混煤的低位發(fā)熱量數(shù)據(jù)，在基本數(shù)據(jù)獲取的基礎(chǔ)上建立了混煤煤質(zhì)預(yù)測(cè)模型，利用了GRNN理論對(duì)模型進(jìn)行設(shè)計(jì)、求解、優(yōu)化，對(duì)混煤的煤質(zhì)進(jìn)行了較為準(zhǔn)確的預(yù)測(cè)。本文的研究結(jié)論如下：

通過(guò)采集的單煤煤質(zhì)數(shù)據(jù)與混煤煤質(zhì)數(shù)據(jù)可知，單煤摻混燃用時(shí)化學(xué)性質(zhì)的改變不是簡(jiǎn)單的線性關(guān)系，需要建立更精密的模型進(jìn)行預(yù)測(cè)。

建立了混煤預(yù)測(cè)模型，并對(duì)混煤的低位發(fā)熱量進(jìn)行了相關(guān)的預(yù)測(cè)，其預(yù)測(cè)結(jié)果的誤差與線性加權(quán)比較有了明顯降低，成功的解決了混煤煤質(zhì)特性采用線性加權(quán)方法預(yù)測(cè)結(jié)果偏差大的問(wèn)題。

本文所涉及到的混煤煤質(zhì)特性的預(yù)測(cè)模型建立、預(yù)測(cè)等研究只是動(dòng)力配煤研究的一小方面，想要在實(shí)際生產(chǎn)中靈活運(yùn)用動(dòng)力配煤技術(shù)，我們還需要進(jìn)行更多的理論研究與實(shí)地實(shí)踐。結(jié)合本文得出的部分結(jié)論，對(duì)今后開(kāi)展有關(guān)動(dòng)力配煤技術(shù)的研究提出以下建議：

單煤的數(shù)量限制了本文基于GRNN建立的配煤模型預(yù)測(cè)的精度，建議在實(shí)驗(yàn)條件允許的前提下，盡量增加單煤的數(shù)量，以期得到更為準(zhǔn)確的預(yù)測(cè)模型，同樣更有力的證明神經(jīng)網(wǎng)絡(luò)等優(yōu)化算法的優(yōu)越性。

在根據(jù)所采集單煤以及混煤數(shù)據(jù)獲得優(yōu)化后的混煤配比模型后，可以根據(jù)該模型在電廠進(jìn)行實(shí)際混燒，實(shí)踐證明優(yōu)化算法確實(shí)提高了入爐煤炭的熱效率，有效的提高了火力電廠的資源利用率。

[1] 桂祥友,馬云東.非線性優(yōu)化理論在動(dòng)力配煤中的應(yīng)用[J].中國(guó)礦業(yè), 2005, 14 (6): 49-51.

[2] Jhih Shyang Shih,H.Christopher Frey.Coal blending optimization under uncertainty [J].European Journal of Operational Research,1995(83): 452-465.

[3] M Chakraborty,M K Chandra. Multicriteria decision making for optimal blending for beneficiation of coal:a fuzzy programming approach[J].The international Journal of Management Science,2005(33):413-418.

[4] Huang G H,Baetz B W,Patry G G,et al.A grey dynamic programming for waste management planning under uncertainty [J].Journal of Urban Planning and Development,1994(9):132-156.

[5] 董平,陳彥杰,王鵬.基于Elman網(wǎng)絡(luò)的動(dòng)力配煤煤質(zhì)預(yù)測(cè)模型的研究[J].潔凈煤技術(shù), 2006, 12(4) : 55-58.

[6] 范杜平,薛永飛,周英彪.動(dòng)力配煤概況分析及預(yù)測(cè)[J].電站系統(tǒng)工程, 2006, 22(4) : 13-14.

[7] 許建豪,張忠孝,潘金榮.動(dòng)力配煤的研究與計(jì)算[J].選煤技術(shù), 2005(3):5-8.

[8] 郎小燕,王默玉,劉林,等.基于ORACLE 的入爐配煤優(yōu)化問(wèn)題的實(shí)現(xiàn)[J].現(xiàn)代電力,2005,22(5):66-69.

[9] 范華挺.電廠配煤技術(shù)原則及煤質(zhì)特性參數(shù)的計(jì)算[J].煤質(zhì)技術(shù),2006( 5):15-17.

[10]LIUS1 A Modified Low speed Balancing Method for Flexible Rotors Based on Holospectrum[J].Mechanical Systems and Signal Processing,2007(21):348-364.

[11]曲景魁,何京東,何志強(qiáng).動(dòng)力配煤主要煤質(zhì)指標(biāo)可加性的研究[J].黑龍江礦業(yè)學(xué)院學(xué)報(bào),2000(3): 17-19.

[12]張?jiān)鰪?qiáng),谷會(huì)東.Delphi 6.0實(shí)用開(kāi)發(fā)指南[M].北京:電子工業(yè)出版社,2001.

[13]彭樹(shù)婷.沙角A電廠煤場(chǎng)動(dòng)態(tài)查詢系統(tǒng)的開(kāi)發(fā)應(yīng)用[J].廣東電力,2008,21(7):42-46.

[14]胡宏偉,楊建國(guó).電廠燃料管理及煤質(zhì)優(yōu)化系統(tǒng)的開(kāi)發(fā)及應(yīng)用[J].熱力發(fā)電,2004(4):70-72.

[15]曾暢,余為澤,張振勝,等.沙角C電廠燃料部點(diǎn)檢系統(tǒng)的開(kāi)發(fā)與應(yīng)用[J].中國(guó)電力,2009 ,54 (1):85-88.

[16]劉澤常,盧宗華,陳懷珍,等.動(dòng)力配煤的煤質(zhì)指標(biāo)與各單煤配比的結(jié)構(gòu)關(guān)系[J].煤炭科學(xué)技術(shù),2004,32( 7):62-64.

[17]候靜,趙益坤.動(dòng)力配煤的數(shù)學(xué)模型及優(yōu)化解[J].太原理工大學(xué)學(xué)報(bào),2006,37(4):486-488.

[18]韓力群.人工神經(jīng)網(wǎng)絡(luò)教程[M].北京:北京郵電大學(xué)出版社,2006.

[19]周開(kāi)利,康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計(jì)[M].北京:清華大學(xué)出版社,2005.

[20]阮偉,張偉寧,周俊虎,等.電廠優(yōu)化配煤多目標(biāo)機(jī)會(huì)約束數(shù)學(xué)模型的建立[J].動(dòng)力工程,2001,21 (1):1090-1092.

[21]曾琴琴.火電廠配煤優(yōu)化方法研究[M].哈爾濱：哈爾濱工業(yè)大學(xué)，2006.

Construction and Algorithm of Coal Blending Optimization System in Coal-fired Power Plant

ZHANG Wei

(Anhui University of Science & Technology, HuainanAnhui 232001)

With the rapid development of China's economy, energy issues have become increasingly prominent. Coal is the most abundant resource in our country and plays the primary role in our energy consumption structure. Thus, the development of clean coal technology which aims at increasing utilization of coal resources and reducing pollution is an effective and practical choice in the transitional period to the future energy.The main purpose of this paper is to optimize coal blending system, choose the coal resource optimally by using coal blending optimization algorithm of the coal-fired power plant, and analyze the advantages of optimization algorithm.

System Construction; Algorithm; Power Coal Blending; Simulated Annealing; Neural network

2016-11-01

張威(1990-)，男，安徽淮南人，碩士研究生，研究方向?yàn)橛?jì)算機(jī)應(yīng)用技術(shù)，電話：18755465353。

TM621.6;TD94

A

1671-4733(2016)06-0014-06

10.3969/j.issn.1671-4733.2016.06.005