中文名 | 燃煤鍋爐燃燒優(yōu)化的多目標(biāo)DNA遺傳算法研究 | 項(xiàng)目類別 | 青年科學(xué)基金項(xiàng)目 |
---|---|---|---|
項(xiàng)目負(fù)責(zé)人 | 陳霄 | 依托單位 | 杭州電子科技大學(xué) |
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(duì)于我國(guó)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(jìng)爭(zhēng)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?jī)?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?jī)?nèi)容。二、操作算子。該部分研究?jī)?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(cè)試。該部分研究?jī)?nèi)容主要包括選擇具有代表性的測(cè)試函數(shù),對(duì)提出的各種算子的性能進(jìn)行測(cè)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?jī)?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(duì)所建立的網(wǎng)絡(luò)模型進(jìn)行測(cè)試比較。五、基于神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)控制優(yōu)化 該部分研究?jī)?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(duì)復(fù)雜過程建模,并在所建模型的基礎(chǔ)上,利用預(yù)測(cè)控制方法,對(duì)過程進(jìn)行控制,達(dá)到期望的控制目標(biāo)。
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(duì)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(duì)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(duì)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。
目前使用最廣泛,效果比較好的電除塵器和布袋除塵器。建廠初期兩種除塵方式效果都較好,但運(yùn)行時(shí)間較長(zhǎng)以后,布袋除塵效果要優(yōu)于電除塵,隨著超低排放的推行,推薦布袋除塵方式。
可以。若是想想節(jié)能環(huán)保化。煤粉鍋爐和燃煤鍋爐的產(chǎn)能到是差不多,不過煤粉鍋爐使用也會(huì)產(chǎn)生粉塵污染環(huán)境。煤粉鍋●煤粉集中供應(yīng):煤粉由制粉廠集中磨制、統(tǒng)一供應(yīng),煤粉質(zhì)量穩(wěn)定?!?工作環(huán)境友好:全系統(tǒng)密閉運(yùn)行...
燒生物質(zhì)顆粒啊,用達(dá)冠生物質(zhì)燃燒機(jī),效果好
格式:pdf
大?。?span id="1lrmstl" class="single-tag-height">103KB
頁數(shù): 1頁
評(píng)分: 4.7
煤的燃燒在我國(guó)大氣污染中排放量以及污染程度都比較嚴(yán)重。特別是工業(yè)技術(shù)的不斷發(fā)展,燃煤現(xiàn)象越來越嚴(yán)重,不僅增加大了火力發(fā)電廠的生產(chǎn)成本,也也大氣環(huán)境造成了嚴(yán)重危害,從而影響了人們的身體健康。所以在本文中,對(duì)燃煤鍋爐的燃燒形式實(shí)施優(yōu)化技術(shù),并闡述我國(guó)燃燒優(yōu)化技術(shù)與外國(guó)燃燒技術(shù)的發(fā)展趨勢(shì)。
格式:pdf
大?。?span id="56dkdin" class="single-tag-height">103KB
頁數(shù): 5頁
評(píng)分: 4.7
采用支持向量機(jī)方法建立350MW燃煤電站鍋爐NOx預(yù)測(cè)模型和鍋爐效率預(yù)測(cè)模型,并采用遺傳算法對(duì)NOx和鍋爐效率進(jìn)行多目標(biāo)優(yōu)化,表明支持向量機(jī)和遺傳算法可以用于指導(dǎo)參數(shù)調(diào)節(jié),進(jìn)行燃燒優(yōu)化。
第一篇 基礎(chǔ)篇
第1章 基本遺傳算法
1.1 遺傳算法的產(chǎn)生與發(fā)展
1.2 遺傳算法的數(shù)學(xué)基礎(chǔ)理論
1.3 基本遺傳算法的構(gòu)成要素
1.4 基本遺傳算法的遺傳算子
1.5 基本遺傳算法的實(shí)現(xiàn)過程
1.6 遺傳算法的特點(diǎn)與優(yōu)點(diǎn)
參考文獻(xiàn)
第2章 多目標(biāo)優(yōu)化遺傳算法
2.1 多目標(biāo)優(yōu)化問題的定義和數(shù)學(xué)模型
2.2 傳統(tǒng)多目標(biāo)優(yōu)化方法
2.3 多目標(biāo)優(yōu)化遺傳算法的基本框架
2.4 典型多目標(biāo)優(yōu)化遺傳算法
2.5 多目標(biāo)優(yōu)化遺傳算法中有待解決的問題
2.6 有關(guān)多目標(biāo)優(yōu)化遺傳算法的幾點(diǎn)討論
參考文獻(xiàn)
第3章 小生境遺傳算法
3.1 基本小生境遺傳算法
3.2 克服“早熟”的改進(jìn)小生境遺傳算法
參考文獻(xiàn)
第二篇 進(jìn)階篇
第4章 遺傳算法的收斂效率分析
4.1 引言
4.2 GA的收斂效率指標(biāo)
4.3 基于模式的GA收斂效率分析
4.4 GA的全局收斂性
4.5 遺傳算法控制參數(shù)優(yōu)化策略
4.6 GA早熟問題的定量分析及其預(yù)防策略
參考文獻(xiàn)
第5章 新型高效率遺傳算法設(shè)計(jì)
5.1 引言
5.2 高效率遺傳算子設(shè)計(jì)
5.3 提高非線性優(yōu)化全局收斂性的新型GA
5.4 求解非線性混合整數(shù)規(guī)劃的新型GA
5.5 求解多目標(biāo)規(guī)劃的新型GA
5.6 高效率混合GA
5.7 進(jìn)化算法中的約束處理技術(shù)
參考文獻(xiàn)
第三篇 應(yīng)用篇
第6章 遺傳算法在調(diào)度問題中的應(yīng)用
第7章 遺傳算法在排序問題中的應(yīng)用
第8章 遺傳算法在選址問題中的應(yīng)用
第9章 遺傳算法在指派問題中的應(yīng)用
第10章 遺傳算法在路徑規(guī)劃中的應(yīng)用
第11章 遺傳算法在結(jié)構(gòu)優(yōu)化中的應(yīng)用
第12章 遺傳算法在自動(dòng)控制中的應(yīng)用
第13章 遺傳算法在電力系統(tǒng)優(yōu)化中的應(yīng)用
參考文獻(xiàn)
探針是電測(cè)試的接觸媒介,為高端精密型電子五金元器件。
探針介紹
是一小段單鏈DNA或者RNA片段(大約是20到500bp),用于檢測(cè)與其互補(bǔ)的核酸序列。雙鏈DNA加熱變性成為單鏈,隨后用放射性同位素(通常用磷-32)、熒光染料或者酶(如辣根過氧化物酶)標(biāo)記成為探針。磷-32通常被摻入組成DNA的四種核苷酸之一的磷酸基團(tuán)中,而熒光染料和酶與核酸序列以共價(jià)鍵相連。
當(dāng)將探針與樣品雜交時(shí),探針和與其互補(bǔ)的核酸(DNA或RNA)序列通過氫鍵緊密相連,隨后,未被雜交的多余探針被洗去。最后,根據(jù)探針的標(biāo)記物種類,可進(jìn)行放射自顯影、熒光發(fā)光、酶聯(lián)化學(xué)發(fā)光等方法來判斷樣品中是否,或者何位置含有被測(cè)序列(即與探針互補(bǔ)的序列)。
吳學(xué)文編著的《考慮生態(tài)的多目標(biāo)水電站水庫混沌優(yōu)化調(diào)度研究》系統(tǒng)探討了考慮生態(tài)的多目標(biāo)水電站水庫優(yōu)化調(diào)度的理論、方法及其應(yīng)用問題。主要內(nèi)容包括:緒論、水電站入庫徑流混沌預(yù)測(cè)、考慮生態(tài)的多目標(biāo)水電站水庫優(yōu)化調(diào)度模型構(gòu)建、水電站水庫優(yōu)化調(diào)度混沌遺傳算法設(shè)計(jì)、水電站水庫優(yōu)化調(diào)度自動(dòng)化監(jiān)控系統(tǒng)開發(fā)、萬家寨水電站水庫優(yōu)化調(diào)度實(shí)例研究、總結(jié)與展望等。
《考慮生態(tài)的多目標(biāo)水電站水庫混沌優(yōu)化調(diào)度研究》可作為水利水電工程技術(shù)人員、經(jīng)濟(jì)管理人員及廣大水利工作者的參考書,也可作為高等院校水利類相關(guān)專業(yè)研究生的教學(xué)參考書。