本文關鍵詞：火電機組脫硝過程經(jīng)濟性建模與優(yōu)化研究

  更多相關文章： 脫硝經(jīng)濟性優(yōu)化 燃煤鍋爐 最小二乘支持向量機 基于BP網(wǎng)絡的變量選擇 模糊關聯(lián)規(guī)則挖掘 遺傳算法

【摘要】：大型燃煤電站鍋爐在進行煙氣脫硝時會產(chǎn)生較高的運行成本,對其進行在線優(yōu)化可降低鍋爐的脫硝成本,提升發(fā)電企業(yè)的競爭力。本文主要研究火電機組脫硝成本的在線建模與優(yōu)化問題,最終構建了一個基于電廠真實運行數(shù)據(jù)的在線脫硝經(jīng)濟性優(yōu)化系統(tǒng)。該系統(tǒng)能夠指導運行人員按照最經(jīng)濟的方式調(diào)整鍋爐輸入?yún)?shù),從而降低脫硝成本,實現(xiàn)火電機組脫硝過程中的在線經(jīng)濟性優(yōu)化。在建立該優(yōu)化系統(tǒng)時,首先利用基于數(shù)據(jù)驅(qū)動的最小二乘支持向量機(LSSVM)方法建立鍋爐的脫硝成本預測模型。建模過程中,利用BP算法對輸入變量的進行篩選以降低模型的復雜度、提高預測精度。然后基于該脫硝成本的BP-LSSVM預測模型,利用一種改進的遺傳算法(Genetic Algorithm,GA)進行機組常運行負荷點處的離線尋優(yōu)以建立一個離線最優(yōu)專家數(shù)據(jù)庫(Offline Optimal Expert Database, OOED),該數(shù)據(jù)庫存儲了機組常運行負荷點下脫硝成本最小時各調(diào)整變量的最優(yōu)取值。最后,采用基于數(shù)據(jù)挖掘的模糊關聯(lián)規(guī)則挖掘算法(Fuzzy Association Rule Mining, FARM)從OOED中提取機組負荷與各調(diào)整變量最優(yōu)取值的關聯(lián)關系,實現(xiàn)機組的脫硝經(jīng)濟性在線優(yōu)化。在建模過程中,本文也建立了不采用變量選擇的LSSVM脫硝成本預測模型,并與采用變量選擇的BP-LSSVM模型進行比較。在優(yōu)化過程中,本文采用了傳統(tǒng)的GA優(yōu)化算法進行了脫硝經(jīng)濟性優(yōu)化,并與本文提出的FARM優(yōu)化方案進行了對比。結(jié)果表明,BP-LSSVM建模方法較單獨的LSSVM方法能有效降低模型的復雜度,提高脫硝成本預測模型的精度。同時本文提出的基于GA-FARM的脫硝經(jīng)濟性優(yōu)化方法,較傳統(tǒng)優(yōu)化方法而言能有效降低脫硝成本,優(yōu)化與更新時間也較傳統(tǒng)的優(yōu)化方案大大縮短,很適合火電機組脫硝經(jīng)濟性的在線實時優(yōu)化。
【關鍵詞】：脫硝經(jīng)濟性優(yōu)化 燃煤鍋爐 最小二乘支持向量機 基于BP網(wǎng)絡的變量選擇 模糊關聯(lián)規(guī)則挖掘 遺傳算法
【學位授予單位】：華北電力大學(北京)
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM621;TP18
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 緒論9-14
• 1.1 課題背景及意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)分析10-11
• 1.3 論文的主要研究內(nèi)容11-13
• 1.4 本章小結(jié)13-14
• 第2章 火電機組脫硝過程簡介14-21
• 2.1 氮氧化物的生成機理14-15
• 2.2 現(xiàn)有脫硝方案及其工作原理介紹15-20
• 2.2.1 一次技術16-17
• 2.2.2 二次技術17-20
• 2.2.3 一次與二次技術的綜合運用20
• 2.3 本章小結(jié)20-21
• 第3章 鍋爐脫硝經(jīng)濟性建模與優(yōu)化方案21-28
• 3.1 整體設計方案21-24
• 3.1.1 建模方案21-22
• 3.1.2 優(yōu)化方案22-23
• 3.1.3 建模與優(yōu)化綜合方案23-24
• 3.2 脫硝經(jīng)濟性優(yōu)化系統(tǒng)的結(jié)構24-27
• 3.2.1 總體結(jié)構24-25
• 3.2.2 數(shù)據(jù)源部分簡介25
• 3.2.3 離線部分簡介25-27
• 3.2.4 在線部分簡介27
• 3.3 本章小結(jié)27-28
• 第4章 鍋爐脫硝經(jīng)濟性預測模型28-44
• 4.1 模型簡介28
• 4.2 模型輸出變量構建28-30
• 4.2.1 鍋爐效率損失費28-29
• 4.2.2 還原劑消耗費29
• 4.2.3 脫硝電耗29
• 4.2.4 排污費29
• 4.2.5 綜合脫硝經(jīng)濟性指標29-30
• 4.3 模型輸入變量構建30-31
• 4.4 LSSVM建模算法簡介31-32
• 4.5 建模數(shù)據(jù)預處理方案32-36
• 4.5.1 穩(wěn)態(tài)工況點的篩選33-35
• 4.5.2 離群點的剔除35-36
• 4.6 脫硝經(jīng)濟性建模實例36-43
• 4.6.1 機組介紹與數(shù)據(jù)準備36-38
• 4.6.2 基于BP網(wǎng)絡的輸入變量選擇38-41
• 4.6.3 機組脫硝經(jīng)濟性預測模型的建立41-42
• 4.6.4 機組脫硝經(jīng)濟性預測模型的評價42-43
• 4.7 本章小結(jié)43-44
• 第5章 鍋爐脫硝經(jīng)濟性在線優(yōu)化44-56
• 5.1 優(yōu)化方法簡介44
• 5.2 離線最優(yōu)專家數(shù)據(jù)庫OOED44-46
• 5.2.1 遺傳算法簡介44-46
• 5.2.2 OOED的構建46
• 5.3 模糊關聯(lián)規(guī)則挖掘算法FARM46-49
• 5.3.1 變量的模糊化47
• 5.3.2 模糊關聯(lián)規(guī)則47-48
• 5.3.3 AVs的去模糊化48-49
• 5.4 脫硝經(jīng)濟性在線優(yōu)化實例49-55
• 5.4.1 機組的離線最優(yōu)專家數(shù)據(jù)庫OOED49-50
• 5.4.2 機組的脫硝經(jīng)濟性在線優(yōu)化50-55
• 5.5 本章小結(jié)55-56
• 第6章 結(jié)論與展望56-58
• 參考文獻58-64
• 攻讀碩士學位期間發(fā)表的論文及其它成果64-65
• 致謝65

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 丁德軍;高井熱電廠脫硝技術的探討[J];科技潮;2005年04期

2 杜雅麗;;選擇性催化還原法脫硝控制系統(tǒng)論述[J];山西電力;2009年S1期

3 邵明勇;李飛;田佳;;先進脫硝技術在大型燃煤發(fā)電機組工程中的優(yōu)化應用[J];能源與環(huán)境;2011年02期

4 趙勝國;胡永鋒;;我國脫硝技術發(fā)展及技術經(jīng)濟分析[J];華電技術;2011年12期

5 袁細寧;;脫硝市場現(xiàn)狀及發(fā)展建議[J];電源技術應用;2010年08期

6 馮自平;研究員;;脫硝催化劑用納米鈦白粉[J];企業(yè)技術開發(fā);2012年Z2期

7 莫勛;;陜西火電企業(yè)脫硝電價研究[J];能源技術經(jīng)濟;2012年04期

8 饒樂s，

本文編號：522967