超低负荷循环流化床机组NO_(x)超低排放的GA-BP算法优化模型

摘要

针对可再生能源并网后,大型循环流化床(CFB)机组在超低负荷下实现NO_(x)超低排放的需求,利用BP神经网络算法构建了NO_(x)排放质量浓度预测模型,并采用遗传算法优化了BP神经网络的权值和阈值。综合考虑机组负荷、给煤量、一次风量、二次风量、床层温度、旋风分离器入口温度、锅炉省煤器出口氧体积分数、尿素溶液母管流量和炉膛床层平均压力9个运行参数对350 MW机组CFB锅炉NO_(x)排放质量浓度的影响行为,获得了机组100 MW超低负荷下的主要优化参数,即质量百分浓度为20%的尿素溶液流量为0.5 m^(3)/h,总一次风量和总二次风量优化比值为2.8,CFB锅炉床层操作温度为855℃,旋风分离器入口运行温度为778℃。