隨著電力需求的不斷增加,發(fā)電企業(yè)必須提高電站鍋爐熱效率從而創(chuàng)造出更多的電量來滿足需求。然而污染物排放量一定要符合國(guó)家標(biāo)準(zhǔn),否則對(duì)不滿足要求的發(fā)電站進(jìn)行嚴(yán)格的處罰。因此這些發(fā)電企業(yè)在提高鍋爐熱效率、增加發(fā)電量的同時(shí)還要減少污染物的排放。電站鍋爐燃燒優(yōu)化技術(shù)已成為提高鍋爐熱效率、減少污染物排放的一項(xiàng)重要研究方向。但電站鍋爐燃燒過程是一個(gè)復(fù)雜的物理、化學(xué)變化過程,由于多輸入、多輸出、強(qiáng)耦合等因素很難對(duì)鍋爐燃燒進(jìn)行理想的優(yōu)化。目前國(guó)內(nèi)鍋爐燃燒優(yōu)化技術(shù)還不太完善,許多解決方案是參考或引進(jìn)國(guó)外的先進(jìn)技術(shù),國(guó)內(nèi)鍋爐燃燒優(yōu)化技術(shù)還有待提高。本文針對(duì)某熱電站燃煤鍋爐運(yùn)行情況作為研究對(duì)象,建立了鍋爐熱效率和NO_x排放量的模型。首先利用支持向量機(jī)結(jié)合平均影響值（MIV）法來篩選模型輸入變量,然后根據(jù)篩選結(jié)果再利用最小二乘支持向量機(jī)建立鍋爐熱效率與NO_x排放量的燃燒特性模型,并用改進(jìn)的粒子群算法對(duì)最小二乘支持向量機(jī)模型的核函數(shù)參數(shù)σ2和懲罰系數(shù)C進(jìn)行尋優(yōu),獲得最佳值。利用MATLAB仿真軟件結(jié)合樣本數(shù)據(jù)對(duì)LSSVM模型進(jìn)行訓(xùn)練和測(cè)試,從結(jié)果中能夠看出所建模型的擬合度... 

【文章來源】：哈爾濱理工大學(xué)黑龍江省

【文章頁數(shù)】：57 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

鍋爐結(jié)構(gòu)

3q 化學(xué)不完全燃燒熱損圖 2-2 NOX的三種生成途徑及生成量Fig.2-2Amount of NOXfor different formation paths電站鍋爐熱效率的計(jì)算電站鍋爐熱效率體現(xiàn)了鍋爐裝置性能的合理性和運(yùn)作能力，這是一項(xiàng)，它反應(yīng)了鍋爐對(duì)熱量的利用率。根據(jù)能量守恒定律，在穩(wěn)定的運(yùn)行的輸入總熱量和輸出總熱量應(yīng)該是平衡的，即輸入總熱量等于輸出總據(jù)鍋爐燃燒的實(shí)際情況，燃料在爐內(nèi)燃燒過程中不能夠?qū)崿F(xiàn)充分燃燒是輸入總熱量大于輸出總熱量。再者燃料燃燒釋放的熱量除了用來產(chǎn)能量轉(zhuǎn)換外，還會(huì)損失一部分熱量。因此有效利用的熱量與各部分的才是輸出熱量。有效利用熱量是鍋爐燃燒產(chǎn)生蒸汽所需的熱量，熱損爐在進(jìn)行能量轉(zhuǎn)換時(shí)各部分損失的熱量。圖示如 2-3，共分為 6 大類2q 排煙熱損失所占比1q 鍋爐有效利用熱量

圖 2-2 NOX的三種生成途Fig.2-2Amount of NOXfor differ電站鍋爐熱效率的計(jì)算電站鍋爐熱效率體現(xiàn)了鍋爐裝置性能的合，它反應(yīng)了鍋爐對(duì)熱量的利用率。根據(jù)能量的輸入總熱量和輸出總熱量應(yīng)該是平衡的據(jù)鍋爐燃燒的實(shí)際情況，燃料在爐內(nèi)燃燒是輸入總熱量大于輸出總熱量。再者燃料燃能量轉(zhuǎn)換外，還會(huì)損失一部分熱量。因此有才是輸出熱量。有效利用熱量是鍋爐燃燒爐在進(jìn)行能量轉(zhuǎn)換時(shí)各部分損失的熱量。

【參考文獻(xiàn)】：
期刊論文
[1]煤炭資源利用的現(xiàn)狀及可持續(xù)發(fā)展的對(duì)策[J]. 鄧運(yùn)泉.  內(nèi)蒙古科技與經(jīng)濟(jì). 2017(15)
[2]科技創(chuàng)新與煤炭高效清潔利用[J]. 劉昕.  山東工業(yè)技術(shù). 2016(14)
[3]燃煤鍋爐NOx排放濃度的智能預(yù)報(bào)[J]. 尹凌霄,王明春,尚強(qiáng).  熱能動(dòng)力工程. 2014(03)
[4]我國(guó)的能源現(xiàn)狀及對(duì)未來發(fā)展的思考[J]. 李玉輝,韓浩.  內(nèi)蒙古科技與經(jīng)濟(jì). 2014(01)
[5]國(guó)家正式發(fā)布新修訂的《火電廠大氣污染物排放標(biāo)準(zhǔn)》[J].   電力與電工. 2011(03)
[6]電站鍋爐熱效率和NOx排放混合建模與優(yōu)化[J]. 呂玉坤,彭鑫,趙鍇.  中國(guó)電機(jī)工程學(xué)報(bào). 2011(26)
[7]基于神經(jīng)網(wǎng)絡(luò)MIV值分析的腫瘤基因信息提取[J]. 王紫微,葉奇旺.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2011(14)
[8]一種新的免疫多目標(biāo)優(yōu)化算法及其在鍋爐燃燒優(yōu)化中的應(yīng)用(英文)[J]. 周霞,沈炯,沈劍賢,李益國(guó).  Journal of Southeast University（English Edition）. 2010(04)
[9]一種新的改進(jìn)粒子群優(yōu)化算法[J]. 吳昌友,王福林,馬力.  控制工程. 2010(03)
[10]基于廣義動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的電廠鍋爐燃燒優(yōu)化建模[J]. 趙敏,顏文俊,鄭軍.  熱力發(fā)電. 2010(03)

碩士論文
[1]基于模糊關(guān)聯(lián)規(guī)則的燃燒優(yōu)化控制方法[D]. 田甜.華北電力大學(xué) 2016
[2]電站燃煤鍋爐多目標(biāo)燃燒優(yōu)化算法研究[D]. 黃勤徑.中南大學(xué) 2008



本文編號(hào)：2980152