近年來,雖然我國的新能源技術(shù)不斷發(fā)展,但是煤炭發(fā)電仍然是我國電力來源的主要方式。自1980年以來,中國的循環(huán)流化床鍋爐（Circulating Fluidized Bed Boiler,CFBB）燃燒技術(shù)經(jīng)過30多年的發(fā)展已經(jīng)變得不斷成熟起來。CFBB技術(shù)成本低廉,燃燒過程清潔,幾乎能夠滿足所有國家的要求。但是中國仍然遵循全世界最高的污染排放標(biāo)準(zhǔn),這將成為CFBB技術(shù)更新?lián)Q代的又一個(gè)挑戰(zhàn)。因此本文使用近年來興起的人工神經(jīng)網(wǎng)絡(luò)（Artificial neural networks,ANN）的建模方法和智能優(yōu)化算法來優(yōu)化CFBB的燃燒模型。首先對雞群優(yōu)化算法（CSO）尋優(yōu)精度不夠高,容易陷入局部最優(yōu)的缺點(diǎn)進(jìn)行改進(jìn)。將模擬退火算法（SA）與雞群算法進(jìn)行結(jié)合,提出混合雞群算法（SACSO）。緊接著將此算法與差分進(jìn)化算法（DE）,粒子群算法（PSO）,雞群算法（CSO）進(jìn)行比較。然后使用另一種新型的核極端學(xué)習(xí)機(jī)（Kernel extreme learning machine,KELM）的方法進(jìn)行建模,KELM能夠克服極端學(xué)習(xí)機(jī)（Extreme learning machine,ELM）隱層結(jié)點(diǎn)需... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 人工智能技術(shù)簡介
    1.4 本文研究的主要內(nèi)容及結(jié)構(gòu)
第2章 循環(huán)流化床燃燒系統(tǒng)
    2.1 CFBB簡介
    2.2 CFBB的結(jié)構(gòu)和工作過程
        2.2.1 CFBB的結(jié)構(gòu)
        2.2.2 工作過程
    2.3 CFBB的優(yōu)勢
    2.4 CFBB的 NOX生成機(jī)理
        2.4.1 燃料型NOX的生成過程
        2.4.2 熱力型NOX的生成過程
    2.5 CFBB的熱效率計(jì)算
        2.5.1 熱效率的計(jì)算方法
        2.5.2 使用熱效率反平衡法計(jì)算鍋爐熱效率
        2.5.3 各項(xiàng)熱損失的計(jì)算方法
    2.6 循環(huán)流化床鍋爐燃燒優(yōu)化要求
    2.7 本章小結(jié)
第3章 雞群優(yōu)化算法及其改進(jìn)
    3.1 智能優(yōu)化算法簡介
    3.2 雞群優(yōu)化算法
        3.2.1 算法原理
        3.2.2 算法實(shí)現(xiàn)
    3.3 算法的改進(jìn)
    3.4 模擬退火算法（SA）
        3.4.1 算法原理
        3.4.2 狀態(tài)解接收的原理
        3.4.3 算法的實(shí)現(xiàn)
    3.5 算法的結(jié)合
    3.6 算法性能分析
    3.7 本章小結(jié)
第4章 循環(huán)流化床鍋爐的燃燒建模
    4.1 使用神經(jīng)網(wǎng)絡(luò)建模的要求
    4.2 極端學(xué)習(xí)機(jī)
    4.3 核極端學(xué)習(xí)機(jī)（KELM）
    4.4 實(shí)驗(yàn)對象及實(shí)驗(yàn)數(shù)據(jù)介紹
    4.5 建立鍋爐燃燒模型
        4.5.1 建立NOx排放量預(yù)測模型
        4.5.2 建立鍋爐熱效率預(yù)測模型
    4.6 本章小結(jié)
第5章 循環(huán)流化床鍋爐的燃燒優(yōu)化
    5.1 優(yōu)化目標(biāo)分析
    5.2 優(yōu)化流程
    5.3 單目標(biāo)優(yōu)化
        5.3.1 降低NOX排放量的優(yōu)化
        5.3.2 以提高熱效率為目的的優(yōu)化
    5.4 NOX的排放量和熱效率的綜合優(yōu)化
        5.4.1 綜合建模
        5.4.2 綜合優(yōu)化
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]循環(huán)流化床鍋爐的優(yōu)點(diǎn)和技術(shù)發(fā)展方向[J]. 張炳偉.  中小企業(yè)管理與科技(中旬刊). 2018(09)
[2]新型660MW超超臨界環(huán)形爐膛循環(huán)流化床鍋爐技術(shù)研究[J]. 呂清剛,宋國良,王東宇,王小芳,王海剛.  中國電機(jī)工程學(xué)報(bào). 2018(10)
[3]“十三五”電力規(guī)劃環(huán)境影響評價(jià)實(shí)踐與思考[J]. 王圣.  環(huán)境保護(hù). 2017(19)
[4]循環(huán)流化床鍋爐技術(shù)的現(xiàn)狀及發(fā)展前景[J]. 楊永恒.  機(jī)械管理開發(fā). 2017(07)
[5]火力發(fā)電產(chǎn)業(yè)發(fā)展與前沿技術(shù)路線[J]. 楊倩鵬,林偉杰,王月明,何雅玲.  中國電機(jī)工程學(xué)報(bào). 2017(13)
[6]中國人工智能發(fā)展簡史[J]. 張洪國,陸平,邵立國,念沛豪.  互聯(lián)網(wǎng)經(jīng)濟(jì). 2017(06)
[7]煤炭資源循環(huán)經(jīng)濟(jì)研究綜述[J]. 馬寧.  中國礦業(yè). 2017(S1)
[8]人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及現(xiàn)狀[J]. 徐學(xué)良.  微電子學(xué). 2017(02)
[9]基于遞歸神經(jīng)網(wǎng)絡(luò)的語音識別快速解碼算法[J]. 張舸,張鵬遠(yuǎn),潘接林,顏永紅.  電子與信息學(xué)報(bào). 2017(04)
[10]基于迭代決策樹（GBDT）短期負(fù)荷預(yù)測研究[J]. 鄭凱文,楊超.  貴州電力技術(shù). 2017(02)



本文編號：3050939