基于人工智能技术的火电厂锅炉燃烧优化软件的实现

马云鹏 刘诗琳 闫姗姗 王然 唐浩桁 王贺琦

摘 要：针对火电厂锅炉燃烧优化和节能减排的问题，国内外学者多采用神经网络和启发式优化算法解决上述问题并取得良好效果。然而，对锅炉的燃烧优化仅限于方法研究和对历史数据的建模与优化，未真正应用于锅炉燃烧工况的实时优化中。此外，环保部门对火电厂的污染性气体的监测非常严格，节能减排成为火电厂的首要任务。因此，有必要设计一款实时监测和优化NOx排放的软件。本文以样本增量量子神经网络和改进型人工蜂群算法为核心设计开发锅炉智能燃烧优化软件。通过在某火电厂330MW煤粉锅炉上的测试，实验结果表明：该软件可使氮氧化合物排放浓度和锅炉煤耗有效降低，其具有实用价值。

关键词：建模;锅炉燃烧优化;量子神经网络;人工蜂群算法

1 绪论

20世纪70年代，火力发电站开始重视锅炉燃烧优化问题，且侧重于优化组织燃烧，以燃烧调整试验为主[1]。随着人工智能技术的快速发展，国内外研究学者试图采用机器学习和数据挖掘等技术对火电厂锅炉的燃烧过程进行建模，期望获得各运行参数和燃烧特征参数之间的函数关系;基于建立的模型，应用智能优化算法寻找锅炉的最佳运行参数，达到锅炉节能减排的效果[2]。

针对锅炉燃烧优化问题，文献[3]设计了锅炉的两层燃烧优化控制模型，然后优化锅炉的床温和主蒸汽压力，有效地提高了锅炉效率。文献[4]利用改进型最小资源分配神经网络建立锅炉热效率和氮氧化合物排放浓度的综合模型，采用实数编码遗传算法优化锅炉燃烧参数，实现锅炉节能减排的目标。……