火电机组锅炉烟气含氧量预测

耿铭垚， 胡 锐， 李 凌

（1. 上海理工大学 能源与动力工程学院，上海 200093；2. 杭州华源前线能源设备有限公司，杭州 311106）

火电厂经济运行主要是锅炉经济运行，即提高锅炉的热效率。目前，国内火电机组锅炉热效率一般可以达到92%左右，在锅炉的各项热损失中排烟损失和未完全燃烧损失是占比最大的两项，分别在4%和2%左右，而影响这两项损失的主要因素就是烟气含氧量。在优化锅炉燃烧系统时，若要更好地了解锅炉的运行状态，则需要准确测量锅炉的重要运行参数。因此，烟气含氧量是反映锅炉燃烧状况的一个重要参数[1]，烟气含氧量的及时、准确测量变得非常重要。目前，我国火电厂大多使用氧化锆传感器和磁式氧气传感器对氧气进行测量，但这些方法普遍存在滞后大、精度低、硬件成本高、稳定性差等缺点，难以满足电厂长期实时监控的要求[2]。近年来，随着机器学习和深度学习技术的发展，神经网络被广泛应用于工业过程监控。在烟气含氧量方面，国内已有学者提出将反馈BP（back propagation）神经网络应用到烟气含氧量预测中，并取得了理想的结果[3]。但单一的BP网络模型收敛速度慢，容易陷入局部最优。而遗传算法GA（genetic algorithm）能够求出优化问题的全局最优解，且算法独立于求解域。使用遗传算法对BP神经网络的初始权值和阈值进行优化，相比于随机的初始权值和阈值将会有效提高BP神经网络的收敛速度和准确性。本文以某350 MW超临界中间再热间接空冷抽汽凝汽式机组为例，提出了一种GA-BP模型用于预测电厂的烟气含氧量。……