燃煤锅炉Nox排放的数值模拟与神经网络预测研究

摘要

煤炭占我国一次能源的70％以上，并且这种形势在未来相当长的时间里不会有太大的变化。燃煤机组每年排放的污染物占总污染物排放量的67%左右，研究燃煤机组污染物的排放问题非常重要。
　　 论文采用数值模拟的方法研究了不同燃烧方式对煤粉锅炉NOx排放量的影响，并采用神经网络对NOx的排放量进行预测，主要内容包括三大部分：
　　 第一部分建立了煤粉燃烧及NOx生成数值模拟的物理模型和数学模型。首先利用网格生成软件Gambit来建立锅炉的物理模型并对其划分网格。其次分析了FLUENT进行煤粉燃烧及NOx生成的相关模型以及边界条件的选取问题。最后针对实际工况进行了数值模拟，并将模拟结果与实际测量结果进行了比较。
　　 第二部分采用单因素法和正交实验法分析了煤粉炉中氮氧化物的排放特性。首先通过单因素法研究不同煤种、不同一次风速、不同二次风配风方式、不同氧量以及不同的配粉方式下NOx的排放特性。其次是建立正交表，通过正交实验来研究不同煤种、不同负荷下煤粉炉内氮氧化物的排放特性，并通过对正交试验数据的极差分析法来找出影响氮氧化物排放的主、次要因素，找出低NOx优化运行工况。
　　 第三部分采用BP网络模型和RBF网络模型预测煤粉锅炉NOx排放量。以正交实验数据作为BP神经网络和RBF神经网络的训练样本，建立煤粉锅炉NOx排放量的神经网络模型，用单因数实验法的实验数据作为BP神经网络和RBF神经网络的测试样本，对BP神经网络和RBF神经网络的泛化能力进行了分析。