【摘要】：鍋爐運(yùn)行優(yōu)化可以提高鍋爐運(yùn)行效率并且保證鍋爐的運(yùn)行安全,一般包括對設(shè)備及煤種等硬件的更換和運(yùn)行參數(shù)的優(yōu)化調(diào)整。由于鍋爐組件眾多且運(yùn)行過程復(fù)雜,使得目前鍋爐的運(yùn)行優(yōu)化存在較多難點(diǎn)。從電站SIS系統(tǒng)累積的數(shù)據(jù)中尋找鍋爐運(yùn)行的最佳參數(shù),可以省去現(xiàn)場調(diào)試的成本,具有重要的現(xiàn)實(shí)意義。但是由于電站數(shù)據(jù)具有波動性強(qiáng),參數(shù)多,數(shù)據(jù)量大等特點(diǎn),使用人工分析不太現(xiàn)實(shí)。隨著數(shù)據(jù)挖掘方法逐步成熟,將數(shù)據(jù)挖掘應(yīng)用到電站鍋爐的數(shù)據(jù)分析已經(jīng)成為研究的熱點(diǎn)。本文以數(shù)據(jù)挖掘?yàn)楣ぞ?對電站SIS系統(tǒng)數(shù)據(jù)進(jìn)行分析,目標(biāo)是預(yù)測SCR入口氮氧化物濃度并優(yōu)化鍋爐運(yùn)行參數(shù)使其能夠綠色高效運(yùn)行。主要進(jìn)行以下工作:進(jìn)行數(shù)據(jù)的預(yù)處理。首先需要挑選出建模所用的參數(shù),達(dá)到給數(shù)據(jù)降維的目的。其次采用孤立森林算法檢測異常值并將異常值刪除,對于空缺值直接刪除。另外電站鍋爐數(shù)據(jù)會存在噪聲干擾,采取小波軟閾值去除噪聲。最后電站鍋爐的非穩(wěn)態(tài)數(shù)據(jù)不能夠參與模型建立,本文采取改進(jìn)的自適應(yīng)多項(xiàng)式濾波算法提取穩(wěn)態(tài)數(shù)據(jù),并從中挑選出燃燒常用煤種時(shí)的數(shù)據(jù),此數(shù)據(jù)將用于后續(xù)建模。分別采用BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)建立NO_X回歸預(yù)測模型,并用粒子群優(yōu)化算法(PSO)和差分優(yōu)化算法(DE)分別對模型進(jìn)行優(yōu)化,發(fā)現(xiàn)支持向量機(jī)的性能要好于BP神經(jīng)網(wǎng)絡(luò),在支持向量機(jī)模型中差分優(yōu)化支持向量機(jī)較穩(wěn)定,故采用DE-SVM。經(jīng)過調(diào)試發(fā)現(xiàn)當(dāng)支持向量機(jī)的兩個(gè)參數(shù)c和g分別取0.78995和3.9628時(shí),模型準(zhǔn)確度最高,此時(shí)的平均相對誤差為2.283%,且最大相對誤差為9.35%,符合工業(yè)要求。采用模糊關(guān)聯(lián)規(guī)則對數(shù)據(jù)處理。先用非均等模糊聚類將SCR入口煙氣氧含量分為5個(gè)模糊區(qū)間,將SCR入口NO_X濃度、預(yù)器出口飛灰含碳量分為3個(gè)模糊區(qū)間。之后進(jìn)行關(guān)聯(lián)規(guī)則挖掘,最終得出當(dāng)煙氣氧含量為[2.86%-3.12%]時(shí),SCR入口NO_X濃度、預(yù)器出口飛灰含碳量均處于較低區(qū)間的傾向性較大,符合實(shí)際情況。
【圖文】：

[1]。我國各能源發(fā)電比例如圖1-1所示，雖然我國也在大力發(fā)展水電等新型能源，但火力發(fā)電基礎(chǔ)體量大、發(fā)電量多、性能可靠，依舊是我國當(dāng)前發(fā)電的主要形式。圖1-1 我國各能源發(fā)電比例火力發(fā)電在服務(wù)人類的同時(shí)也會產(chǎn)生大量的污染性氣體，如氮氧化物（NOX）等，造成環(huán)境污染。2014年，國家頒布《全面實(shí)施燃煤電廠超低排放和節(jié)能改造工作方案》[2]，方案指出截至2020年，全國所有具備改造條件的燃煤電站爭取實(shí)現(xiàn)超低排放，其中氮氧化物濃度排放上限為50mg/m3。因此如何維持鍋爐具有較高效率并且減少氮氧化物排放成為眾多學(xué)者關(guān)注的問題

醫(yī)療診斷，工業(yè)控制等領(lǐng)以分為描述型和預(yù)測型兩種[5]，描述聯(lián)規(guī)則模型就是典型的描述型任務(wù)常變量與其他變量之間的關(guān)系，應(yīng)用范從剩余參數(shù)中選取部分作為預(yù)測目標(biāo)據(jù)庫中選取部分?jǐn)?shù)據(jù)用于訓(xùn)練模型，，測試模型，這部分?jǐn)?shù)據(jù)被稱為測試數(shù)下來就可以根據(jù)自變量的變動輸出目預(yù)測型任務(wù)分為回歸和分類兩個(gè)種類比如某天連續(xù)的溫度變化為回歸預(yù)測
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TM621.2;X773

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊永清;;火力發(fā)電廠鍋爐運(yùn)行優(yōu)化策略[J];中國高新技術(shù)企業(yè);2014年26期

2 王雷;張瑞青;盛偉;徐治皋;;基于支持向量機(jī)的回歸預(yù)測和異常數(shù)據(jù)檢測[J];中國電機(jī)工程學(xué)報(bào);2009年08期

3 劉波;王凌;金以慧;;差分進(jìn)化算法研究進(jìn)展[J];控制與決策;2007年07期

4 周艷平;顧幸生;;差分進(jìn)化算法研究進(jìn)展[J];化工自動化及儀表;2007年03期

5 付克昌;戴連奎;吳鐵軍;;基于多項(xiàng)式濾波算法的自適應(yīng)穩(wěn)態(tài)檢測[J];化工自動化及儀表;2006年05期

6 畢小龍;王洪躍;司風(fēng)琪;徐治皋;;基于趨勢提取的穩(wěn)態(tài)檢測方法[J];動力工程;2006年04期

7 孔亮;張毅;丁艷軍;吳占松;;電站鍋爐燃燒優(yōu)化控制技術(shù)綜述[J];電力設(shè)備;2006年02期

8 牛擁軍;優(yōu)化燃燒技術(shù)在鄒縣電廠中的應(yīng)用[J];發(fā)電設(shè)備;2004年S1期

9 王琪,李國寶,趙福舒,劉永厚;火力發(fā)電廠SIS系統(tǒng)及在蒙西電網(wǎng)建設(shè)的思路[J];內(nèi)蒙古電力技術(shù);2003年04期

10 趙毅;數(shù)字濾波的滑動平均法和低通濾波法[J];儀表技術(shù);2001年05期

相關(guān)博士學(xué)位論文 前5條

1 呂游;基于過程數(shù)據(jù)的建模方法研究及應(yīng)用[D];華北電力大學(xué);2014年

2 曲亞鑫;基于歷史數(shù)據(jù)的偏最小二乘建模方法研究與應(yīng)用[D];華北電力大學(xué);2012年

3 冉鵬;基于動態(tài)數(shù)據(jù)挖掘的電站熱力系統(tǒng)運(yùn)行優(yōu)化方法研究[D];華北電力大學(xué);2012年

4 王春林;大型電站鍋爐配煤及燃燒優(yōu)化的支持向量機(jī)建模與實(shí)驗(yàn)研究[D];浙江大學(xué);2007年

5 李建強(qiáng);基于數(shù)據(jù)挖掘的電站運(yùn)行優(yōu)化理論研究與應(yīng)用[D];華北電力大學(xué)（河北）;2006年

相關(guān)碩士學(xué)位論文 前8條

1 吳布托;風(fēng)電機(jī)組運(yùn)行數(shù)據(jù)中異常值的檢測方法[D];蘭州理工大學(xué);2017年

2 周小朋;基于數(shù)據(jù)挖掘的電站鍋爐低NO_x排放控制研究[D];華北電力大學(xué);2017年

3 王曉峰;基于數(shù)據(jù)挖掘的電站鍋爐運(yùn)行優(yōu)化研究[D];華北電力大學(xué);2017年

4 呂現(xiàn)彪;模糊關(guān)聯(lián)規(guī)則挖掘算法的研究[D];哈爾濱工業(yè)大學(xué);2016年

5 田韶超;基于含噪數(shù)據(jù)的電站鍋爐數(shù)據(jù)驅(qū)動建模方法研究[D];河南科技大學(xué);2012年

6 趙敏;基于神經(jīng)網(wǎng)絡(luò)的電廠鍋爐燃燒系統(tǒng)建模及優(yōu)化研究[D];浙江大學(xué);2010年

7 魏輝;燃煤電站鍋爐低NOx燃燒優(yōu)化運(yùn)行策略的研究[D];上海交通大學(xué);2008年

8 張克良;基于模糊神經(jīng)網(wǎng)絡(luò)的鍋爐燃燒控制方法的研究[D];天津大學(xué);2004年

本文編號：2614112