基于专家决策模型的燃烧系统运行优化研究

摘要

随着国民经济的快速发展,能源的节约与有效利用已经成为当务之急。众所周知,电力企业是消耗能源的大户,因此提高机组的经济性,降低成本,实时地监测机组性能并进行运行过程的优化调整意义重大。其中值得注意的是运行优化控制策略的确定,这一步是火电厂运行优化的关键细节,是联系机组性能计算与偏差分析的桥梁和纽带。
　　 当前,控制科学、信息科学和人工智能与认知科学等新兴智能控制算法的结合为处理复杂型、大规模型系统和社会经济中的一些重大课题提供了有价值的科学理论和方法。如何利用新兴智能算法理论和技术进行火电厂燃烧系统的运行优化研究是目前的研究热点与研究导向。
　　 近年来,DCS系统在电力行业的应用越来越广泛。DCS系统对电厂的安全生产来说意义重大,因为其中储存了海量的历史运行数据,而在这些数据背后隐藏了许多对提高电厂的生产效率、安全性、经济环保性等有积极的指导意义的信息。数据挖掘技术对这些潜在的有价值的信息的挖掘起着不可忽视的重要作用,因此当前很多研究中都将数据挖掘技术充分应用到电厂数据分析当中,以便使这些存储在电厂数据库中的海量。DCS数据充分发挥其对电力生产的指导作用。
　　 针对电站锅炉燃烧系统多变量、大惯性、强耦合、非线性的复杂特性,本文提出利用支持向量机算法建立锅炉燃烧模型,以效率最优为目标利用遗传算法对各参数进行优化,最后结合数据挖掘技术建立专家决策模型的复合型研究方法。将上述理论应用于仿真试验中,结果表明,利用这些智能算法建立的燃烧优化系统可以有效提高锅炉效率,并能实现较好的整体优化效果。