电站锅炉烟气含氧量软测量方法研究

摘要

提高电站运行经济性的主要方法是提高锅炉的经济运行，即提高锅炉的燃烧效率。常规的控制方式是按照风煤比来粗调风量，保证燃烧有足够的风量，在稳定的情况下按照烟气含氧量来修正风煤比，对风量进行细调。一般而言，负荷高时含氧量低，负荷低时含氧量高。根据炉膛出口烟气含氧量可以判断燃烧是否充分，使得尾部烟气含氧量及时准确测量具有重要意义。硬件氧化锆分析仪可靠性较低，实时性较差，不能满足控制的要求。软测量技术为烟气含氧量的测量提供了新的手段，不仅对现有的硬件测量提供校正参考，提高测量的准确性和实时性，对锅炉系统的燃烧优化控制也有非常重要的意义。 电站运行优化即要兼顾安全性和一定的经济指标，还要对机组的运行状况进行评估和决策，最终指导运行的调整。电站的实时历史数据库中的有着大量的数据信息，这些都是非常重要现场的运行信息，如果深入分析这些数据一定可以找到机组运行的规律和改善系统的方法。本文在对于氧量软测量进行机理分析的基础上，对影响烟气含氧量的主要因素进行了探讨。利用电站运行数据存在的相关性，保证输入变量数据可靠完整。从某600MW燃煤电站机组中提取历史稳定运行数据，建立烟气含氧量的神经网络软测量模型。

目录

声明

摘要

第1章 绪论

1．1 选题背景及研究意义

1．1．1 选题背景

1．1．2 研究意义

1．2 国内外软测量技术的研究现状

1．3 本文主要内容

第2章 软测量方法

2．1 软测量技术的原理

2．1．1 建模中辅助变量的选择

2．1．2 数据预处理

2．1．3 软测量模型的建立

2．1．4 软测量模型的校正

2．2 软测量建模方法简介

2．2．1 源于机理分析的建模方法

2．2．2 基于数据驱动的建模方法

第3章 基于数据驱动的软测量方法

3．1 统计回归

3．1．1 最小二乘回归

3．1．2 加权最小二乘回归

3．1．3 递推最小二乘回归

3．1．4 广义最小二乘回归

3．1．5 偏最小二乘回归

3．2 支持向量机

3．2．1 支持向量机的表达式

3．2．2 核函数

3．2．3 如何选择支持向量机的模型

3．3 人工神经网络

3．3．1 RBF神经网络

3．3．2 RBF神经网络参数调整

3．3．3 BP神经网络

第4章 软测量技术在火电厂的应用

4．1 基于统计回归的软测量应用

4．1．1 基于偏最小二乘回归的炉膛出口烟温测量

4．1．2 基于统计分析的电站锅炉参数软测量

4．2 基于神经网络的软测量应用

4．2．1 基于神经网络的锅炉飞灰含碳量软测量

4．2．2 基于神经网络的锅炉NOx排放软测量

4．3 基于支持向量机的软测量应用

4．3．1 基于支持向量机的锅炉NOx排放软测量

4．3．2 基于支持向量机的飞灰含碳量软测量

第5章 烟气含氧量软测量建模

5．1 数据的选择和分析

5．1．1 电站历史运行数据的特性

5．1．2 稳定工况的判断与选取

5．1．3 数据相关性分析

5．2 燃烧的基本原理

5．3 烟气含氧量的影响因素

5．3．1 漏风的影响

5．3．2 煤质成分对测量的影响

5．3．3 未完全燃烧的影响

5．4 软测量模型的建立

5．4．1 送风量和给煤量的软测量模型

5．4．2 理论空气量和理论烟气容积的软测量模型

5．4．3 氧量软测量模型

第6章 结论

参考文献

攻读硕士学位期间发表的论文及其它成果