燃煤電站鍋爐經(jīng)濟(jì)運(yùn)行與污染排放多目標(biāo)優(yōu)化研究

本項(xiàng)目實(shí)施期間，項(xiàng)目組按照國家基金管理規(guī)定及時(shí)提交項(xiàng)目進(jìn)展報(bào)告，匯報(bào)項(xiàng)目研究進(jìn)展情況。 在燃煤電站鍋爐燃燒特性模型開發(fā)、多目標(biāo)優(yōu)化算法、數(shù)學(xué)建模與模擬、理論研究等方面取得預(yù)期成果，基本完成了項(xiàng)目計(jì)劃任務(wù)書中的內(nèi)容:本項(xiàng)目在燃煤鍋爐燃燒效率及NOx排放特性預(yù)測模型的建立中，嘗試比較了基于分別采用BP神經(jīng)網(wǎng)絡(luò)方法、徑向基（RBF）神經(jīng)網(wǎng)絡(luò)方法、Elman神經(jīng)網(wǎng)絡(luò)方法和支持向量機(jī)（SVM）的預(yù)測模型，其中BP神經(jīng)網(wǎng)絡(luò)模型及支持向量機(jī)（SVM）的預(yù)測模型效果較為穩(wěn)定，鍋爐熱效率的訓(xùn)練的最大相對誤差小于0.176%，NOx排放量的訓(xùn)練的最大相對誤差小于3.312%。在前面的鍋爐燃燒特性預(yù)測模型基礎(chǔ)上，結(jié)合不同的多目標(biāo)優(yōu)化算法上，建立了基于權(quán)重分配的GA多目標(biāo)優(yōu)化模型，基于改進(jìn)的NSGA-II算法的鍋爐燃燒多目標(biāo)優(yōu)化模型，基于BP-VEGA模型的燃煤電站鍋爐燃燒多目標(biāo)優(yōu)化模型，基于分解的多目標(biāo)進(jìn)化算法（MOEA/D）燃煤電站鍋爐多目標(biāo)優(yōu)化模型。針對NSGA-II在燃煤鍋爐燃燒多目標(biāo)優(yōu)化問題應(yīng)用中Pareto解集分布不理想、易早熟收斂的問題，在擁擠算子及交叉算子上進(jìn)行了相應(yīng)改進(jìn)，優(yōu)化結(jié)果表明，改進(jìn)NSGA-II方法與BP神經(jīng)網(wǎng)絡(luò)模型結(jié)合可以對鍋爐燃燒實(shí)現(xiàn)有效的多目標(biāo)尋優(yōu)、得到理想的Pareto解集，是對鍋爐燃燒進(jìn)行多目標(biāo)優(yōu)化的有效工具，同改進(jìn)前的NSGA-II優(yōu)化結(jié)果比較，其Pareto優(yōu)化結(jié)果集分布更好、解的質(zhì)量更優(yōu)。通過計(jì)算機(jī)在線指導(dǎo)鍋爐配風(fēng)、配煤等燃燒運(yùn)行調(diào)整，達(dá)到提高鍋爐運(yùn)行效率的同時(shí)減小NOx排放的目的。 2100433B

燃煤電站鍋爐經(jīng)濟(jì)運(yùn)行及污染排放控制是火電企業(yè)的兩大主題，燃煤電站鍋爐經(jīng)濟(jì)高效運(yùn)行是企業(yè)效益的要求，而污染排放控制是社會(huì)效益的要求，兩者有統(tǒng)一的一面又有矛盾的一面，如何達(dá)到燃煤電站鍋爐經(jīng)濟(jì)運(yùn)行與排放污染的綜合優(yōu)化是火電企業(yè)目前面臨的一大難題。.本研究項(xiàng)目擬在燃煤電站鍋爐現(xiàn)場冷熱態(tài)試驗(yàn)數(shù)據(jù)與歷史運(yùn)行數(shù)據(jù)庫數(shù)據(jù)的基礎(chǔ)上，結(jié)合及鍋爐自身結(jié)構(gòu)及燃燒機(jī)理，引入人工智能神經(jīng)網(wǎng)絡(luò)方法建立電站燃煤鍋爐的熱效率及污染物排放的灰箱模型，進(jìn)而建立燃煤電站經(jīng)濟(jì)運(yùn)行與污染排放的綜合多目標(biāo)優(yōu)化模型，利用進(jìn)化多目標(biāo)算法對燃煤電站鍋爐進(jìn)行多目標(biāo)整體優(yōu)化，并對優(yōu)化算法應(yīng)用于鍋爐燃燒多目標(biāo)優(yōu)化中存在的問題進(jìn)行針對性的改進(jìn)，為燃煤電站鍋爐經(jīng)濟(jì)運(yùn)行與污染排放綜合決策提供參考依據(jù)，達(dá)到火電企業(yè)既節(jié)能又減排的綜合優(yōu)化目的。本項(xiàng)目將在神經(jīng)網(wǎng)絡(luò)建模、進(jìn)化多目標(biāo)優(yōu)化算法等人工智能方法應(yīng)用于燃煤電站鍋爐進(jìn)行系統(tǒng)的研究。

燃煤鍋爐燃燒優(yōu)化技術(shù)是提高鍋爐燃燒效率、降低NOx排放量的有效手段，是一種多目標(biāo)非線性復(fù)雜優(yōu)化問題。目前研究學(xué)者常采用遺傳算法求解此類燃燒優(yōu)化問題。但遺傳算法易陷入局部最優(yōu)解，導(dǎo)致所建模型精度降低，影響燃燒優(yōu)化效果。與遺傳算法相比，DNA遺傳算法可以顯著提高算法搜索成功率和搜索精度。但是現(xiàn)有的DNA遺傳算法針對多目標(biāo)處理機(jī)制的研究成果較少，處理多目標(biāo)問題時(shí)存在局限性。為了提高燃煤鍋爐系統(tǒng)模型的準(zhǔn)確性，達(dá)到鍋爐燃燒效率和NOx排放量的優(yōu)化目標(biāo)，本項(xiàng)目針對DNA遺傳算法的編碼方法、遺傳算子、多目標(biāo)處理機(jī)制進(jìn)行研究，提出多目標(biāo)DNA遺傳算法，借助算法的全局搜索性能和有效的多目標(biāo)處理機(jī)制，與建模工具結(jié)合建立燃煤鍋爐系統(tǒng)非線性混合模型，并基于所建模型，利用多目標(biāo)DNA遺傳算法對鍋爐的運(yùn)行參數(shù)進(jìn)行優(yōu)化。通過本項(xiàng)目的研究，可以有效提高電力企業(yè)的經(jīng)濟(jì)效益和運(yùn)行水平，減少污染物排放，具有理論意義和應(yīng)用價(jià)值。

燃煤鍋爐是燃煤發(fā)電企業(yè)最重要的設(shè)備之一，它的燃燒優(yōu)化對于我國電力行業(yè)具有重要意義。通過燃燒優(yōu)化技術(shù)提高燃煤鍋爐燃燒效率，可以降低煤耗率，從而降低生產(chǎn)成本，提升發(fā)電企業(yè)競爭力。同時(shí)，通過燃燒優(yōu)化技術(shù)可以降低NOx排放量，保護(hù)環(huán)境。因此，燃煤鍋爐燃燒優(yōu)化控制的研究，可以有效提高電力企業(yè)的經(jīng)濟(jì)效益和運(yùn)行水平，減少污染物排放。解決燃煤鍋爐燃燒優(yōu)化問題關(guān)鍵在于所建燃燒過程模型的準(zhǔn)確性，而由于燃燒過程的復(fù)雜性，難以根據(jù)燃燒過程的物理化學(xué)機(jī)理，建立準(zhǔn)確的過程數(shù)學(xué)模型。本項(xiàng)目采用人工神經(jīng)網(wǎng)絡(luò)來建立燃煤鍋爐燃燒過程模型。由于建立的神經(jīng)網(wǎng)絡(luò)模型中含有大量的未知參數(shù)，如網(wǎng)絡(luò)模型結(jié)構(gòu)和網(wǎng)絡(luò)參數(shù)等，因此，燃煤鍋爐的燃燒優(yōu)化過程建模問題可以認(rèn)為是一個(gè)多目標(biāo)非線性復(fù)雜優(yōu)化問題，具有大量局部最優(yōu)解，因此可以采用多目標(biāo)優(yōu)化方法來解決。DNA遺傳算法是一種將生物DNA分子的生物特性及相應(yīng)的分子操作引入遺傳算法中，建立新的個(gè)體編碼方式，并在此基礎(chǔ)上開發(fā)新的操作算子，與傳統(tǒng)遺傳算法相比，具有更好的全局搜索能力。 本項(xiàng)目在三年的研究過程中，致力于多目標(biāo)DNA遺傳算法的研究，主要包括以下內(nèi)容：一、個(gè)體編碼方式。該部分研究內(nèi)容主要包括普通優(yōu)化問題的個(gè)體編碼方式及基于網(wǎng)絡(luò)模型的個(gè)體編碼方式這兩部分的研究內(nèi)容。二、操作算子。該部分研究內(nèi)容主要包括交叉算子、變異算子、普通選擇算子和適用于多目標(biāo)問題的選擇算子。三、仿真測試。該部分研究內(nèi)容主要包括選擇具有代表性的測試函數(shù)，對提出的各種算子的性能進(jìn)行測試，并做出相應(yīng)的改進(jìn)。四、基于神經(jīng)網(wǎng)絡(luò)的建模。該部分研究內(nèi)容為將多目標(biāo)DNA遺傳算法與人工神經(jīng)網(wǎng)絡(luò)結(jié)合，建立各種復(fù)雜過程的人工神經(jīng)網(wǎng)絡(luò)模型，并對所建立的網(wǎng)絡(luò)模型進(jìn)行測試比較。五、基于神經(jīng)網(wǎng)絡(luò)模型的預(yù)測控制優(yōu)化 該部分研究內(nèi)容為利用基于多目標(biāo)DNA遺傳算法的人工神經(jīng)網(wǎng)絡(luò)對復(fù)雜過程建模，并在所建模型的基礎(chǔ)上，利用預(yù)測控制方法，對過程進(jìn)行控制，達(dá)到期望的控制目標(biāo)。

《電站鍋爐燃煤結(jié)渣預(yù)測模型及診斷軟件的研究》以電站鍋爐燃煤結(jié)渣為主題，主要研究電站鍋爐的結(jié)渣機(jī)理及結(jié)渣過程。從煤質(zhì)的單項(xiàng)指標(biāo)入手，建立煤種在電站鍋爐結(jié)渣的靜態(tài)預(yù)測模型，分析鍋爐運(yùn)行過程中的動(dòng)態(tài)結(jié)渣判斷方法，討論運(yùn)行鍋爐防止結(jié)渣的措施，建立鍋爐動(dòng)態(tài)結(jié)渣預(yù)測模型。鍋爐吹灰是防止結(jié)渣的重要手段，《電站鍋爐燃煤結(jié)渣預(yù)測模型及診斷軟件的研究》推導(dǎo)并建立了受熱面最佳吹灰周期模型。

《電站鍋爐燃煤結(jié)渣預(yù)測模型及診斷軟件的研究》還研究了利用多種因素建立鍋爐結(jié)渣的綜合預(yù)測模型。根據(jù)模糊數(shù)學(xué)理論，建立了幾個(gè)綜合預(yù)測模型：單一煤種的結(jié)渣預(yù)測模型CSMI，該模型可為現(xiàn)場購煤提供參考；混煤結(jié)渣判斷模型CBM2，該模型可為現(xiàn)場配煤、鍋爐混煤優(yōu)化燃燒提供依據(jù)；運(yùn)行鍋爐結(jié)渣判斷模型BMM3，利用該模型可為現(xiàn)場優(yōu)化運(yùn)行提供幫助。隨后利用編程工具將各種模型用計(jì)算機(jī)來實(shí)現(xiàn)，為生產(chǎn)現(xiàn)場提供燃煤鍋爐預(yù)測軟件。最后，《電站鍋爐燃煤結(jié)渣預(yù)測模型及診斷軟件的研究》還對鍋爐結(jié)渣的研究方向進(jìn)行了展望。

《電站鍋爐燃煤結(jié)渣預(yù)測模型及診斷軟件的研究》可以供動(dòng)力類科技工作者參考，尤其是供電廠運(yùn)行人員參考借鑒，也可作為大中專院校能源類專業(yè)學(xué)生的參考用書。