基于智能优化算法的电站锅炉燃烧优化

摘要

燃煤电站锅炉不仅消耗大量的煤炭资源，也排放出了大量的大气污染物。在提高锅炉效率降低煤耗和控制污染物排放来缓解高耗能和重污染的突出问题上，基于智能算法的锅炉燃烧优化方法相比传统方法有其独特优势，可以为电站锅炉高效率低污染运行提供有效的指导。
　　通过分析300MW锅炉和1000MW锅炉的运行数据，利用支持向量回归机建立了NOx排放SVM模型和锅炉热效率SVM模型，比较了基于RBF核函数和Sigmoid核函数的模型性能;分别采用自适应遗传算法(GA)和果蝇优化算法(FOA)对模型参数进行优化，并比较了各自模型的泛化能力和预测精度性能，结果表明FOA优化的SVM模型更具有优势。
　　以建立好的锅炉Nc排放和锅炉热效率的SVM模型为基础，结合自适应遗传算法，在不考虑对效率影响的情况下，单一对NOx排放进行优化时，NOx排放水平在优化后能够得到大幅降低，但是与此同时也会造成锅炉热效率的下降;在不考虑对NOx排放影响的情况下，单一对锅炉热效率进行优化时，锅炉热效率在优化后能有较大的增幅，但是同时会导致NOx排放量有所上升。
　　文中以1000MW机组锅炉为对象，在建立NOx生成量和锅炉热效率SVM模型的基础上提出了一种运用改进的多目标遗传算法（改进型NSGA-Ⅱ）进行多目标燃烧优化的方法，同时考虑锅炉热效率和NOx生成这两个目标，对锅炉运行参数进行优化，得出了由一系列可行解组成的Pareto最优解集，其中有很多可行解同时满足锅炉效率的提高和NQx生成的降低这两个目标，为机组运行人员提供参考，达到高效率且低NOx生成的锅炉燃烧优化目的。

目录

声明

摘要

第1章 绪论

1．1 课题的背景和意义

1．2 国内外的研究现状

1．3 本文的主要研究内容

第2章 电站锅炉燃烧优化相关问题

2．1 电站锅炉燃烧时NOx的生成机理

2．1．1 燃料型NOx

2．1．2 热力型NOx

2．1．3 快速型NOx

2．2 电站锅炉热效率

2．2．1 锅炉热效率的定义

2．2．2 锅炉热效率的计算

2．3 本章小结

第3章 支持向量机理论与智能优化算法原理

3．1 机器学习理论概述

3．2 统计学理论

3．3 支持向量机理论

3．3．1 支持向量机的背景

3．3．2 支持向量机分类

3．3．3 支持向量机回归

3．3．4 支持向量机模型参数的影响

3．4 遗传算法

3．4．1 遗传算法的基本概念

3．4．2 遗传算法的流程

3．4．3 多目标遗传算法

3．5 本章小结

第4章 NOx和效率的建模与单目标优化

4．1 300MW机组的NOx建模与优化

4．1．1 实验设备简介

4．1．2 实验数据来源

4．1．3 NOx的SVM模型结构

4．1．4 模型的建立与验证

4．1．5 优化目标和约束条件

4．1．6 优化结果与分析

4．2 1000MW机组的NOx和效率建模与单目标优化

4．2．1 实验设备简介

4．2．2 实验数据来源

4．2．3 NOx和热效率SVM模型结构

4．2．4 模型的建立与验证

4．2．5 优化目标和约束条件

4，2．6 优化结果与分析

4．3 本章小结

第5章 1000MW机组NOx和效率的多目标优化

5．1 多目标优化的数学描述

5．2 1000MW机组多目标优化的模型

5．3 优化结果分析

5．4 本章小结

第6章 结论与展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢