本文關鍵詞：基于智能技術的混煤特性預測及配煤優(yōu)化模型研究，由筆耕文化傳播整理發(fā)布。

【摘要】： 由于近年來火電用煤日趨緊張,煤價上漲、煤源復雜多變等因素造成大部分火力發(fā)電廠不得不采用混煤摻燒的燃煤方式。燃用煤偏離鍋爐設計煤種的現(xiàn)象普遍存在,鍋爐煤質不穩(wěn)造成鍋爐效率降低、燃用設備安全可靠性降低和燃煤污染物排放加重。因此研究混配煤煤質特性和著火特性對充分利用地方劣質煤和實現(xiàn)鍋爐的混煤優(yōu)化摻燒具有重要的意義。 針對湖南本地煤煤質差的特點,選用了多種湖南地方煤和外省煤進行動力配煤研究,對選用單煤和混煤進行了低位發(fā)熱量測定、元素分析、工業(yè)分析和熱重實驗,掌握了單煤種的煤質特性和著火特性。通過混煤煤質線性加權值與實驗值相比較,發(fā)現(xiàn)混煤煤質與單煤煤質之間不是簡單的線性加權關系,而是呈現(xiàn)非線性的規(guī)律。 根據(jù)煤質實驗數(shù)據(jù),利用GRNN神經(jīng)網(wǎng)絡建立了混煤的煤質特性、著火溫度和著火穩(wěn)燃特性指數(shù)預測模型,并分別對各預測模型的預測性能進行了研究,確立了網(wǎng)絡參數(shù)和模型結構。最后對混煤煤質特性、著火溫度和著火穩(wěn)燃特性指數(shù)進行預測,預測的平均相對誤差均在5%以內。 在此基礎上,針對本文研究的煤質數(shù)據(jù)庫建立了動力配煤優(yōu)化模型,采用遺傳算法對模型進行求解,在優(yōu)化模型約束條件中應用了混煤煤質預測模型求得混配煤煤質,得到煤價最低符合約束條件的優(yōu)化配煤方案,并結合實驗研究和模型預測驗證了優(yōu)化混煤在煤質特性、著火特性、煤價等方面較單煤都有了很大改善,能夠實現(xiàn)混煤摻燒的優(yōu)化目的。
【關鍵詞】：混煤 GRNN神經(jīng)網(wǎng)絡 預測 遺傳算法 優(yōu)化
【學位授予單位】：中南大學
【學位級別】：碩士
【學位授予年份】：2009
【分類號】：TK227.1
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 國內煤炭資源及動力配煤技術綜述9-19
• 1.1 引言9
• 1.2 國內煤炭資源及其在能源消費結構中的地位9-12
• 1.2.1 國內煤炭資源概況9-10
• 1.2.2 湖南省煤炭資源概述10-12
• 1.3 動力配煤的意義及發(fā)展現(xiàn)狀12-17
• 1.3.1 動力配煤的意義12-14
• 1.3.2 國外動力配煤技術發(fā)展及相關研究現(xiàn)狀14-15
• 1.3.3 國內動力配煤技術發(fā)展及相關研究現(xiàn)狀15-17
• 1.4 本文主要研究內容17-19
• 第二章 混煤煤質特性和著火燃燒特性實驗研究19-36
• 2.1 單煤煤質特性及混煤方案19-23
• 2.1.1 單煤的元素分析19-20
• 2.1.2 單煤的發(fā)熱量和工業(yè)分析20-22
• 2.1.3 配煤的混煤方案22-23
• 2.2 混煤煤質特性23-26
• 2.3 煤的燃燒特性研究26-35
• 2.3.1 熱重分析儀及實驗方法27-31
• 2.3.2 著火特性和燃燒特性判別指數(shù)31-32
• 2.3.3 實驗結果32-35
• 2.4 本章小結35-36
• 第三章 神經(jīng)網(wǎng)絡預測混煤煤質特性研究36-51
• 3.1 廣義回歸神經(jīng)網(wǎng)絡原理36-39
• 3.1.1 GRNN網(wǎng)絡結構36-37
• 3.1.2 GRNN預測算法37-39
• 3.2 GRNN網(wǎng)絡性能影響39-40
• 3.3 GRNN網(wǎng)絡在煤質預測中的應用40-42
• 3.3.1 混煤煤質預測模型描述40-41
• 3.3.2 數(shù)據(jù)的歸一化處理41
• 3.3.3 預測模型應用41-42
• 3.4 混煤煤質預測結果42-49
• 3.4.1 混煤發(fā)熱量預測及其性能分析42-45
• 3.4.2 混煤工業(yè)分析和元素分析預測45-49
• 3.5 本章小結49-51
• 第四章 混煤著火溫度和著火穩(wěn)燃特性指數(shù)預測研究51-58
• 4.1 煤的著火燃燒51-52
• 4.2 影響煤著火的因素52-54
• 4.2.1 發(fā)熱量的影響52
• 4.2.2 揮發(fā)分的影響52-53
• 4.2.3 灰分的影響53
• 4.2.4 水分的影響53-54
• 4.3 GRNN在預測混煤著火溫度及著火穩(wěn)燃特性指數(shù)上的應用54-57
• 4.3.1 混煤著火溫度預測54-56
• 4.3.2 混煤著火穩(wěn)燃特性指數(shù)預測56-57
• 4.4 本章小結57-58
• 第五章 遺傳算法在動力配煤優(yōu)化模型中的應用58-68
• 5.1 遺傳算法理論58-61
• 5.1.1 遺傳算法介紹58-59
• 5.1.2 遺傳算法設計的基本步驟59-61
• 5.2 遺傳算法在動力配煤優(yōu)化模型中的應用61-66
• 5.2.1 配煤實際問題編碼及初始群體生成61-62
• 5.2.2 適應度對群體的評價62-64
• 5.2.3 遺傳算子的確定64-65
• 5.2.4 算法終止條件65-66
• 5.3 模型優(yōu)化結果66-67
• 5.4 本章小結67-68
• 第六章 結論與建議68-70
• 參考文獻70-74
• 致謝74-75
• 發(fā)表論文和參加科研情況75

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 陳棟楠;歐儉平;馬愛純;周成建;廖文高;;動力配煤線性預測與非線性預測方法研究[J];金屬材料與冶金工程;2012年02期

2 彭皓;袁益超;王波;;GA-BP神經(jīng)網(wǎng)絡在動力配煤煤質和燃燒特性預測中的應用[J];能源研究與信息;2011年04期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 朱再興;鍋爐動力配煤優(yōu)化模型和專家系統(tǒng)研發(fā)及爐內燃燒仿真優(yōu)化研究[D];中南大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 劉艷軍;電廠動力配煤煤質預測模型與優(yōu)化模型研究[D];中南大學;2011年

2 單文娣;基于車輛軌道動力特性的軌道基礎沉降智能識別方法[D];北京交通大學;2012年

3 文旭林;基于神經(jīng)網(wǎng)絡的水平光管內有機工質流動沸騰換熱研究[D];昆明理工大學;2012年

4 郝敬亞;群體智能算法在電廠燃料管理系統(tǒng)中的應用研究[D];華北電力大學;2012年

  本文關鍵詞：基于智能技術的混煤特性預測及配煤優(yōu)化模型研究，，由筆耕文化傳播整理發(fā)布。

本文編號：255921