基于智能算法的燃煤电站锅炉燃烧优化

余廷芳，　耿　平，　霍二光，　曹孟冰

(南昌大学 机电工程学院，南昌 330031)



基于智能算法的燃煤电站锅炉燃烧优化

余廷芳，耿平，霍二光，曹孟冰

(南昌大学 机电工程学院，南昌 330031)

基于Matlab人工智能工具包对某300 MW燃煤电站锅炉进行了燃烧优化混合建模：利用BP神经网络建立了锅炉燃烧特性的BP神经网络模型，用以预测锅炉热效率和NOx排放质量浓度.基于该模型，以锅炉热效率和NOx排放质量浓度为目标，结合Matlab遗传算法工具包对锅炉进行燃烧优化，并采用权重系数法将多目标优化问题转化为单目标优化问题.结果表明：锅炉热效率和NOx排放质量浓度校验样本的相对误差平均绝对值分别为0.142%和1.790%，该模型具有良好的准确性和泛化能力；权重系数法可根据实际情况，以锅炉热效率或NOx排放质量浓度为优化重点选取相应的权重系数，对燃烧优化具有一定的指导意义.

电站锅炉； 锅炉热效率； NOx排放； 遗传算法； 多目标优化

影响燃煤电站锅炉热效率和NOx排放的因素较复杂，对于既定锅炉，锅炉负荷、炉膛氧量、炉内配风方式和给煤机组合方式等因素都会影响锅炉热效率和NOx排放，并且这些影响因素相互耦合，呈现出复杂的非线性关系，使得锅炉燃烧数据的分析较困难.

目前，智能算法在燃煤电站锅炉热效率和NOx排放建模中被大力推广.尹凌霄等[1-5]基于智能算法，借助BP神经网络和支持向量机建立了NOx排放浓度和锅炉热效率的预测模型；谷丽景等[6-7]基于神经网络建立了锅炉燃烧的混合模型，实现了NOx排放量、飞灰含碳量及锅炉热效率等多种参数的软测量；……