神经网络在风烟系统含氧量软测量中的应用

摘要

风烟系统烟气含氧量是影响锅炉效率的一个重要因素,其测量结果对评价燃烧经济性指标有重要作用.由于炉内燃烧过程复杂且烟气含氧量影响因素多,现场含氧量的直接测量往往存在滞后且精度较差.近年来,基于相关参数建模的软测量方法在电厂逐渐得以应用.为此,针对某1000 MW锅炉机组,考虑风烟系统的结构及影响锅炉含氧量的因素,以电厂采集的历史运行数据作为神经网络模型的训练样本和测试样本,建立了基于神经网络的风烟系统含氧量软测量模型.与基于梯度下降法的神经网络相比,采用性能更好的L-M算法作为神经网络训练算法.试验结果表明:基于L-M算法的神经网络模型能够更准确地预测烟气含氧量,为实现锅炉的燃烧优化调整、节煤降耗奠定基础.