從工業(yè)革命開始,煤炭作為燃料被大量的使用,這引起了嚴重的環(huán)境污染,同時這也是全球氣候變暖問題的主要原因之一。隨著經(jīng)濟的快速發(fā)展,對電能的需求也越來越大,而人們環(huán)保意識的增強,要求電廠在提升發(fā)電量的同時盡可能降低污染物的排放。針對這一問題,本文用人工神經(jīng)網(wǎng)絡(luò)結(jié)合群智能優(yōu)化算法的方法對循環(huán)流化床鍋爐的燃燒過程進行優(yōu)化,從而達到降低鍋爐NOx的排放量,提高鍋爐的熱效率的目的。針對循環(huán)流化床鍋爐建模難的問題,本文利用窗口雙隱藏極限學習機（WindowTwo-Hide Extreme Learning Machine,WTELM）對鍋爐的燃燒過程進行建模。WTELM網(wǎng)絡(luò)是在雙隱藏極限學習機（Two-Hide Extreme Learning Machine,TELM）的基礎(chǔ)上進行的改進。WTELM模型在TELM網(wǎng)絡(luò)輸入層之前加入窗口機制,用權(quán)值共享策略來降低輸入層隨機權(quán)值的數(shù)量,并在第二層隱藏層引入均值思想來減小誤差,提升網(wǎng)絡(luò)的穩(wěn)定性。將WTELM模型與極限學習機（Extreme Learning Machine,ELM）、快速學習網(wǎng)（Fast Learning Network,FLN）、雙并聯(lián)... 

【文章來源】：燕山大學河北省

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

論文的整體結(jié)構(gòu)圖

第2章循環(huán)流化床鍋爐系統(tǒng)-7-第2章循環(huán)流化床鍋爐系統(tǒng)2.1循環(huán)流化床鍋爐的簡介火床燃燒式、火室燃燒式和循環(huán)流化床燃燒式是目前的國內(nèi)火力發(fā)電廠主要的鍋爐發(fā)電設(shè)備。為了解決鼓泡床燃料及脫硫劑利用率低等缺陷，1960年左右在鼓泡床的基礎(chǔ)上循環(huán)流化床被研制出來，循環(huán)流化床鍋爐有著運行成本低、燃料和脫硫劑利用率高、燃燒產(chǎn)生的污染物更少燃燒過程更清潔等優(yōu)點。因此，本文將循環(huán)流化床鍋爐作為研究對象。在循環(huán)流化床鍋爐的燃燒過程中，燃料是以流化態(tài)的形式在爐膛內(nèi)進行燃燒，由于一次風、二次風和重力的作用，燃料顆粒在爐膛內(nèi)呈現(xiàn)垂直分布狀態(tài)，較大的燃料顆粒在爐膛下半部分，較小的燃料顆粒懸浮在爐膛上半部分，這種懸浮狀態(tài)的燃料顆粒與空氣的接觸面積更大，從而燃燒的更加充分。那些被吹出爐膛外的未充分燃燒的燃料顆粒則通過“固—氣”分離器收集起來再次送回爐膛，類似的脫硫劑也能得到多次循環(huán)利用。圖2-1某熱電廠CFBB燃燒系統(tǒng)結(jié)構(gòu)圖圖中：1外部煤場；2煤料儲存裝置；3碎煤機；4石灰石倉；5水冷壁；6一次風入口；7旋風分離器；8尾部煙道；9外置式熱器加熱物料入口；10布袋除塵裝置；11汽輪發(fā)電機組；12煙囪；13二次風入口；14排渣管；15省煤器；16過熱器；17引風機[71]。如圖2-1為某火力發(fā)電廠循環(huán)流化床鍋爐的結(jié)構(gòu)示意圖。它的工作流程基本上是可以概括如下：煤炭經(jīng)過傳送帶等輸送裝置被送到煤倉，然后通過碎煤機將煤炭粉

第2章循環(huán)流化床鍋爐系統(tǒng)-9-環(huán)流化床鍋爐在燃燒的時候，鍋爐爐膛內(nèi)的溫度比傳統(tǒng)的燃煤鍋爐的溫度要低，循環(huán)流化床鍋爐爐膛的床溫一般維持在900℃左右。因此，熱力型NOx的生成在循環(huán)流化床鍋爐中是非常少的[54]。2.2.2燃料型NOx的生成過程與熱力型NOx相同燃料型NOx也是由于高溫將氮元素氧化，而其不同的是氮元素的來源不同。熱力型NOx中氮元素來源于一二次風，而燃料型NOx中氮元素來源于燃料。燃料型NOx在循環(huán)流化床鍋爐NOx排放中約占75%—90%，是循環(huán)流化床NOx的主要來源，其生產(chǎn)因素與鍋爐爐膛溫度、氧氣含量、燃煤特性密切相關(guān)[53]。如圖2-2所示，是燃料中氮元素被氧化還原的過程。從圖中可以看到NOX的生成過程大概分成三個階段：高溫析出階段時，煤炭燃料在高溫作用下發(fā)生分解，一部分N元素析出生成揮發(fā)分N，一部分N元素則保留著固態(tài)形態(tài)。揮發(fā)分N燃燒階段，如果氧氣充足的話析出的氮氧化物會被氧化為NO，如果氧氣不充足的話析出的氮氧化物會被還原成為N2。類似，如果氧氣充足焦煤中固態(tài)的N會生成NO，如果氧氣不充足焦煤中固態(tài)的N會被還原成N2[55]。圖2-2燃料中氮元素的氧化還原過程2.2.3快速型NOx的生成過程快速性NOx在循環(huán)流化床排放的NOx中僅占大約在5%左右的比例。在燃料富裕的情況下即燃料中CH較多，氧氣濃度較低時，快速性NOx在火焰面快速生成。其生成原理與燃料型NOx的產(chǎn)生機理相似與熱力型NOx生成原理不同。實際上快速型的NOx對于溫度不敏感，保證燃料燃燒時氧氣充足，是降低快速NOx的生成

【參考文獻】：
期刊論文
[1]基于多模型聚類集成的鍋爐煙氣NOx排放量預測模型[J]. 甄成剛,劉懷遠.  熱力發(fā)電. 2019(04)
[2]基于CS-SVM的山梨酸鉀的熒光光譜檢測法研究[J]. 王書濤,朱彩云,劉洺辛,彭濤,程琪,孔德明,王玉田.  計量學報. 2018(05)
[3]基于KFCM-LMC-LSSVM算法的WLAN室內(nèi)定位方法[J]. 王昱潔,王媛,張勇.  計量學報. 2018(04)
[4]新型群智能優(yōu)化算法綜述[J]. 林詩潔,董晨,陳明志,張凡,陳景輝.  計算機工程與應(yīng)用. 2018(12)
[5]IGSA-LSSVM軟測量模型預測燃煤鍋爐NOx排放量[J]. 丁知平,劉超,牛培峰.  計量學報. 2018(03)
[6]基于多特征提取和SVM參數(shù)優(yōu)化的車型識別[J]. 程淑紅,高許,周斌.  計量學報. 2018(03)
[7]一種改進型LSSVM模型在電站鍋爐燃燒與優(yōu)化中的應(yīng)用[J]. 李應(yīng)保,王東風.  動力工程學報. 2018(04)
[8]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. 2017(06)
[9]基于SA-ELM的聲學層析成像溫度分布重建算法[J]. 劉廈,劉石,任婷.  化工學報. 2017(06)
[10]采用改進混沌粒子群算法的鍋爐NOx排放的LSSVM回歸建模[J]. 劉飛明,張雨飛.  工業(yè)控制計算機. 2017(01)

博士論文
[1]新型人工智能技術(shù)研究及其在鍋爐燃燒優(yōu)化中的應(yīng)用[D]. 李國強.燕山大學 2013

碩士論文
[1]基于混合雞群算法的循環(huán)流化床鍋爐燃燒優(yōu)化研究[D]. 丁翔.燕山大學 2019
[2]并聯(lián)快速學習網(wǎng)算法研究及其在循環(huán)流化床鍋爐中的應(yīng)用[D]. 齊曉賓.燕山大學 2018



本文編號：3458768