基于GALM算法的循环流化床锅炉氧量软测量

摘要

在循环流化床锅炉中,烟气含氧量是衡量燃烧效率的重要指标。烟气含氧量一般通过在烟道安装氧化锆传感器来测量,但是这种方式存在滞后性,不能对炉膛内的燃烧状况及时反应,对控制产生一定的影响。而且,氧化锆传感器可能会出现失灵的情况,会影响系统的调整。以白马电厂30MW机组为背景,通过能量平衡方程得到循环流化床锅炉烟气含氧量的机理模型,提出利用遗传算法和神经网络相结合的混合学习方法(GALM算法),利用运行所产生的数据对神经网络进行训练,先通过遗传算法得到一个全局最优近似解,然后交替使用遗传算法和LM算法,最终得到相符合的网络参数。仿真证明最终的网络参数符合我们的要求,可以用来对循环流化床锅炉烟气含氧量进行预测,为控制调整锅炉参数提供及时的信息。