人工智能技术在电站锅炉运行优化中的应用研究
随着社会和经济的飞速发展，电力工业对自动控制系统的要求也越来越高。仅仅保障安全、稳定的生产已经不能满足各发电企业的需求。节能增效已成为我国电力企业改革的目标取向。然而，目前国内许多火电厂锅炉运行工况复杂多变，实际运行情况与最初设计工况存在很大差别，单纯依靠传统的操作规程和控制手段，无法满足现代化电厂对经济性管理的要求。
本文以电站锅炉为研究对象，探讨研究了锅炉燃烧系统建模及其优化控制与应用。由于电站锅炉设备庞大，过程多变量、大延迟、非线性，炉内煤粉燃烧过程极其复杂，难以用机理方法建立燃烧模型。本文利用锅炉燃烧过程历史数据和人工智能技术(神经网络和最小二乘支持向量机)的非线性动力学特征及自学习功能，建立了燃烧控制系统的模型，并采用混合遗传算法和粒子群算法寻优，获得不同工况下电站锅炉最佳运行方式的调整参数。针对沙角A电厂某300MW四角切圆燃煤锅炉的飞灰含碳量特性，建立起飞灰含碳量的响应模型，并对神经网络模型和支持向量机模型进行比较。分析了二次风配风方式对飞灰含碳量的敏感性影响，同时采用非线性优化技术对飞灰含碳量模型寻优，获得最佳锅炉运行调整参数，以此指导锅炉燃烧调整，降低锅炉飞灰含碳量，提高燃烧经济性。
提出了多目标进化算法在锅炉高效低污染燃烧中的应用，文中以锅炉效率与NO<,x>排放作为锅炉燃烧多目标优化的组合模型，采用最小二乘支持向量机对某600MW燃煤锅炉的NOx排放特性、锅炉效率与锅炉燃用煤种、锅炉运行参数之间的函数关系进行学习建模，在锅炉燃烧特性建模完成的基础上，利用多目标进化算法(精英保留的非劣排序遗传算法NSGA-Ⅱ和强度Pareto进化算法SPEA2)对锅炉的最佳燃烧工况进行寻优，获得了不同煤种的各燃烧参数的最佳设定值，可以直接指导运行人员运行或输入集散控制系统(DCS)参与闭环控制。仿真结果表明，该控制系统可实现低NO<,x>高效燃烧的优化控制，对提高锅炉燃烧优化控制水平，对降低NO<,x>排放和提高锅炉效率具有重要意义。
锅炉的热效率是衡量电站锅炉运行经济性的最重要指标。提高锅炉热效率的一个重要措施是对锅炉的运行工况进行燃烧调整。排烟热损失q<,2>和机械不完全燃烧热损失q <,4>是指导和优化锅炉运行的重要参数，本文构造了以排烟热损失q<,2>和机械不完全燃烧热损失q<,4>为组合的多目标优化模型。确定了相关的决策变量和约束条件，并运用基于Pareto最优概念的多目标进化算法对其进行了求解，得到了Pareto前沿。对得到的Pareto非劣解集进行了分析，并根据模糊集理论在Pareto解集中求得满意解，分析结果与相关的定性分析结论相一致，为电站锅炉热损失
优化调整提供了依据和指导。 论文提出了解决考虑环境因素的锅炉燃料费用优化问题。在考虑SO<,2>和NO<,x>排放后，锅炉燃料费用优化问题(也叫环境经济负荷分配问题)实质上一个既包括等式约束、又包括不等式约束的非线性多目标优化问题，传统方法是把污染物排放指标作为约束条件处理，把问题转换为单目标的优化问题。本文通过对约束限制的处理，利用NSGA-II得到了优化问题的Pareto解集，并与禁忌搜索法和基于约束联赛法NSGA-II比较，仿真结果表明本文方法在Pareto前沿具有更好的多样化，克服了将多目标函数加权求和转化为单目标优化问题只能找到凸Pareto最优域，以及需要多次运行得到Pareto解集的缺陷，得到了满意解，协调了锅炉燃料费用和污染物排放的折衷关系，为电厂确定不同的经济运行方式提供了一种新思路。
人工智能技术;电站锅炉;运行优化;飞灰含碳量;优化问题;锅炉燃烧;多目标进化算法;机械不完全燃烧热损失;锅炉运行;最小二乘支持向量机;模型;控制系统;多目标优化;优化控制;燃料费用;污染物排放;经济性;锅炉效率;非线性;排烟热损失
华南理工大学
硕士
工程热物理
刘定平
2006
中文
TK227.1
83
2007-08-07（万方平台首次上网日期，不代表论文的发表时间）