基于BP神经网络的锅炉效率在线测量

许乐飞，李少华，孟立新

(1．东北电力大学能源与动力工程学院，吉林 吉林132012;2．同煤大唐热电有限公司，山西大同037003)

0 引言

目前，我国比较常用的锅炉试验规程如国标GB标准和美国ASME标准都有对锅炉效率计算的数学模型。但是无论哪种计算模型，都需要入炉煤的分析数据、环境参数、运行参数等，而且测点多且有些测点对测量技术要求高，使整个锅炉效率计算过程繁琐，用于现场实时在线监测具有一定的难度。然而，神经网络中单个神经元具有反映非线性本质特征的能力，将这些简单的神经元进行任意组合，可使神经网络建立任意的非线性连续函数。通过神经网络的训练和学习，使神经网络可以获取数据之间内在的规律，从而对未来进行预测。因此，本文以电厂锅炉实际运行数据为依据，通过分析选取与锅炉效率密切相关的且易于测量的参数作为输入变量，利用BP神经网络来预测锅炉效率。

1 简化的国标锅炉效率计算模型

锅炉效率反平衡计算公式如式(1)所示，q2～q6分别为排烟热损失、气体未完全燃烧热损失、固体未完全燃烧热损失、散热损失和灰渣物理显热损失。对于煤粉炉，式(2)－式(6)已按照国标规定对其进行了简化［1］。

从式(1)－式(6)可以看出，国标中规定的锅炉热损失项目不多，但是每一项的影响因素较多，数据测量计算量大，实时在线计算锅炉效率比较困难，归结原因如下:

1)排烟热损失q2项中需计算出干烟气容积和烟气中水蒸气容积，因此需知道入炉煤的各项元素分析，但是一般电厂只能进行煤的工业分析。……