基于现场数据的飞灰含碳量分析及建模

摘要

随着能源问题和雾霾等环境问题的日益凸显，国家对工业领域的节能减排、绿色生产的要求越来越高。火电厂作为能源消耗和废气废料制造巨头，提高生产效率、降低污染排放量成为其发展的重要任务。飞灰含碳量作为火电厂锅炉安全经济运行的重要指标之一，对其及时准确地监测，有利于提升锅炉燃烧控制水平，减少资源消耗，降低污染物的排放。此外，还可以提高煤灰品质，促进电厂煤灰商品化，增加运行效益。 实际生产过程中，飞灰含碳量特性十分复杂，受锅炉负荷、省煤器出口烟温、烟气含氧量等多种因素的影响。而且各因素的数据量庞大，各变量间存在多重相关关系，使得数据分析十分困难。因此，有必要建立基于现场数据的飞灰含碳量预测模型。 本文首先对飞灰含碳量的影响因素进行机理分析，确定其主要影响因素。其次，研究了偏最小二乘回归算法和人工神经网络算法，并对偏最小二乘回归进行简化，提出了O_PLSR算法。然后，结合两种算法提出基于O_PLSR的BP神经网络的耦合模型。最后，以火电厂现场数据为基础，利用小波变换进行数据预处理后建立了飞灰含碳量的预测模型，比较并验证了耦合模型的准确性与优越性。实验结果表明，基于O_PLSR的BP神经网络预测模型具有很好地泛化能力，计算速度快，预测精度高，能够较好解决非线性问题，可用来指导火电厂锅炉的优化运行。

目录

第一个书签之前

摘要

Abstract

第1章 绪论

1.1 引言

1.1.1 课题研究背景

1.1.2 国内外发展现状

1.2 课题研究意义

1.3 论文主要内容

第2章 飞灰含碳量的影响因素

2.1 飞灰的形成与特点

2.2 飞灰含碳量的影响因素分析

2.2.1 煤质特性

2.2.2 总给煤量

2.2.3 锅炉负荷

2.2.4 过量空气系数

2.2.5 一、二次风总风压

2.2.6 炉膛与风箱差压

2.2.7 燃烧器摆角

2.2.8 燃尽风、燃料风挡板开度

2.3 本章小结

第3章 偏最小二乘回归法预测模型

3.1 偏最小二乘回归法的研究现状

3.2 偏最小二乘回归法的特点

3.3 偏最小二乘回归

3.3.1 偏最小二乘回归基本思想

3.3.2 偏最小二乘回归算法推导

3.3.3 模型成分个数的确定

3.4 偏最小二乘回归简化及改进

3.4.1 偏最小二乘回归简化

3.4.2 偏最小二乘回归改进

3.5 本章小结

第4章 神经网络模型

4.1 神经网络简介

4.1.1 神经网络的发展

4.1.2 神经网络模型

4.1.3 神经网络的特点及应用

4.2 BP神经网络

4.2.1 BP神经网络概述

4.2.2 BP神经网络算法

4.3 BP神经网络的局限性及算法改进

4.3.1 BP神经网络的局限性

4.3.2 BP神经网络的改进

4.4 本章小结

第5章 飞灰含碳量预测模型

5.1 数据采集和预处理

5.1.1 数据采集

5.1.2 数据预处理

5.2 PLSR预测模型

5.3 BP神经网络预测模型

5.4 基于改进PLSR的BP神经网络预测模型

5.5 本章小结

第6章 总结与展望

6.1 总结

6.2 展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢