鍋爐運(yùn)行經(jīng)濟(jì)性分析

1、 鍋爐運(yùn)行經(jīng)濟(jì)性分析 畢業(yè)設(shè)計(jì)（論文）題目： 鍋爐運(yùn)行經(jīng)濟(jì)性分析 學(xué)生姓名： 陳國宇學(xué) 號： 103213320班 級: 熱動1033專 業(yè)： 電廠熱能動力裝置指導(dǎo)教師： 黃鋒 2013年04月 鍋爐運(yùn)行經(jīng)濟(jì)性分析學(xué)生姓名： 陳國宇學(xué) 號： 103213320班 級： 熱動1033所在院(系): 動力工程系指導(dǎo)教師： 黃鋒 完成日期: 2013-04-20超臨界電站鍋爐運(yùn)行熱經(jīng)濟(jì)性優(yōu)化研究摘要隨著我國改革開放的不斷深入，經(jīng)濟(jì)的持續(xù)、快速的發(fā)展，同時(shí)也帶動了電力工業(yè)進(jìn)入了快速發(fā)展時(shí)期，燃煤的消耗也日益增加。電站鍋爐熱力系統(tǒng)作為火電機(jī)組的一個(gè)重要的組成部分，它的經(jīng)濟(jì)性在很大程度上影響了整個(gè)火力發(fā)電

2、廠運(yùn)行的經(jīng)濟(jì)性，負(fù)荷變化時(shí)，電站鍋爐熱力系統(tǒng)的經(jīng)濟(jì)性要發(fā)生很大的變化。因此，對鍋爐可控因素進(jìn)行優(yōu)化是火電廠經(jīng)濟(jì)運(yùn)行的重要目標(biāo)。本文基于電廠鍋爐燃燒系統(tǒng)優(yōu)化問題，針對鍋爐燃燒系統(tǒng)網(wǎng)絡(luò)建模方法進(jìn)行分析與研究。本文通過正、反平衡計(jì)算原理，分析出影響鍋爐運(yùn)行經(jīng)濟(jì)性的重要因素；針對某電廠600MW四角切圓燃煤鍋爐的飛灰含碳量特性，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)的非線性動力學(xué)特征及自學(xué)習(xí)功能，建立了大型四角切圓燃燒鍋爐飛灰含碳量特性的神經(jīng)網(wǎng)絡(luò)模型，并進(jìn)行驗(yàn)證；同時(shí)采用遺傳算法對鍋爐熱效率進(jìn)行優(yōu)化，獲得最佳鍋爐運(yùn)行參數(shù)，初步實(shí)現(xiàn)了鍋爐運(yùn)行熱經(jīng)濟(jì)性的最優(yōu)，為機(jī)組的優(yōu)化運(yùn)行提供了依據(jù)。關(guān)鍵字：鍋爐；熱經(jīng)濟(jì)性；優(yōu)化；神經(jīng)網(wǎng)絡(luò)；

3、遺傳算法SUPERCRITICAL POWER PLANT BOILER THERMAL ECONOMIC OF OPTIMIZED RESEARCHABSTRACTWith the deepening of China's reform and opening up, the sustained, rapid economic development, but also led to the electric power industry has entered a period of rapid development, the coal consumption is increa

4、sing. Power plant boiler heat system as an important component of thermal power units, its economy is largely affected the economy of the entire thermal power plants running, load change, the economy of the power station boiler heat system has greatly changed. Therefore, optimization is an important

5、 goal of the economic operation of thermal power plant boiler uncontrollable factors. Based on the boiler combustion system optimization, network modeling approach for the boiler combustion system analysis and research. Through the principle of positive and negative balance calculation to analyze th

6、e important factor to affect the economy of boiler operation; characteristics of fly ash carbon content of the circular coal-fired boilers for a power plant 600MW four corners cut, nonlinear dynamical characteristics of the application of artificial neural networks and self-learning function, the es

7、tablishment of TANGENTIALLY fired boiler fly ash carbon content characteristics of neural network model, and validation; using genetic algorithms to optimize boiler thermal efficiency, the best boiler operating parameters, the initial realization of boiler operation the optimum thermal economy, prov

8、ides a basis for the optimization of operation of the unit.Key words: boiler; optimization; neural networks; genetic algorithms; thermal economization目 錄第1章 緒論. 1 1.1 課題的背景和意義 1 1.2 國內(nèi)外研究現(xiàn)狀 2 1.3 本課題的主要內(nèi)容 3第2章 電站鍋爐經(jīng)濟(jì)性能分析與模型的建立.4 2.1 常用的鍋爐效率計(jì)算模型與各項(xiàng)熱損失分析.4 2.1.1 鍋爐輸入、輸出法（正平衡）效率計(jì)算模型4 2.1.2 熱損失法（反平衡）鍋爐效

9、率計(jì)算模型7 2.1.3 ASME PTC標(biāo)準(zhǔn)下熱損失法（反平衡）鍋爐效率計(jì)算簡化模型12 2.2 影響鍋爐運(yùn)行經(jīng)濟(jì)性的因素分析.13 2.3 本章小結(jié).16第3章 基于BP神經(jīng)網(wǎng)絡(luò)的鍋爐運(yùn)行參數(shù)預(yù)測17 3.1 人工神經(jīng)網(wǎng)絡(luò).17 3.1.1 BP神經(jīng)網(wǎng)絡(luò)簡介.17 3.1.2 BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)工具matlab介紹.17 3.2 飛灰含碳量的BP神經(jīng)網(wǎng)絡(luò)模型的建立.18 3.2.1 飛灰含碳量測量輔助變量的選擇18 3.2.2 飛灰含碳量BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)的確定.18 3.2.3 飛灰含碳量BP神經(jīng)網(wǎng)絡(luò)模型的建立.19 3.3 實(shí)際、仿真及結(jié)果對比分析.24 3.4 本章小結(jié).24第4章

10、 鍋爐運(yùn)行熱經(jīng)濟(jì)性參數(shù)的優(yōu)化.25 4.1 遺傳算法簡介.25 4.1.1 遺傳算法的起源25 4.2 利用遺傳算法對神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果進(jìn)行尋優(yōu).26 4.3 燃煤鍋爐熱效率的優(yōu)化結(jié)果.28 4.4 本章小結(jié).31第5章 結(jié)論及展望32 5.1 本文的主要工作和特點(diǎn).32 5.2 后續(xù)工作的展望.32參考文獻(xiàn).34致謝.36附錄A MATLAB中鍋爐飛灰含碳量的編碼程序.37附錄B 建模訓(xùn)練仿真數(shù)據(jù)表.39 鍋爐運(yùn)行經(jīng)濟(jì)性分析 第1章 緒論1.1 課題的背景和意義 能源是國民經(jīng)濟(jì)的重要物資基礎(chǔ)之一。節(jié)約能源，降低能耗，是我國的一項(xiàng)長期的基本國策。在人類當(dāng)今所使用的能源中，大約有百分之九十九的來自

11、煤炭、天然氣、石油等化石礦物資源，這些資源在地球上的儲量是有限的，而且是不可再生。 同時(shí)在當(dāng)今社會中很多的國家和地區(qū)，都是用的燃煤機(jī)組，“十一五”規(guī)劃之后，很多地區(qū)響應(yīng)國家的號召實(shí)行“上大壓小”的政策降低能源消耗，減少污染排放，壓縮落后生產(chǎn)能力。這就促使國家關(guān)掉了很大一部分的小機(jī)組?，F(xiàn)在600MW及以上的超臨界的燃煤機(jī)組已經(jīng)成為了火力發(fā)電廠的中堅(jiān)力量，而電站鍋爐熱力系統(tǒng)又是火力發(fā)電機(jī)組的一個(gè)重要組成部分，它的經(jīng)濟(jì)性在很大程度上也影響了整個(gè)火力發(fā)電廠運(yùn)行的經(jīng)濟(jì)性，負(fù)荷變化時(shí)，電站鍋爐熱力系統(tǒng)的經(jīng)濟(jì)性要發(fā)生很大的變化。合理優(yōu)化電廠鍋爐熱經(jīng)濟(jì)性是每個(gè)火力發(fā)電廠迫在眉睫的事情。這不僅與電廠的經(jīng)濟(jì)效益掛

12、鉤，而且與保護(hù)環(huán)境，節(jié)能減排又有著千絲萬縷的聯(lián)系。因此，對鍋爐可控因素進(jìn)行優(yōu)化是火電廠經(jīng)濟(jì)運(yùn)行的重要目標(biāo)。電站鍋爐熱力系統(tǒng)是火電機(jī)組的一個(gè)重要組成部分，它的經(jīng)濟(jì)性在很大程度上也影響了整個(gè)火力發(fā)電廠運(yùn)行的經(jīng)濟(jì)性，負(fù)荷變化時(shí)，電站鍋爐熱力系統(tǒng)的經(jīng)濟(jì)性要發(fā)生很大的變化。因此，對鍋爐可控因素進(jìn)行優(yōu)化是火電廠經(jīng)濟(jì)運(yùn)行的重要目標(biāo)，對此進(jìn)行研究也就具有很大的現(xiàn)實(shí)意義。（1）研究鍋爐運(yùn)行熱經(jīng)濟(jì)性優(yōu)化意義及目的鍋爐效率的高低直接反映了鍋爐經(jīng)濟(jì)性的好壞，鍋爐效率是由多個(gè)因素決定的，包括鍋爐墻壁的隔熱性，風(fēng)煤比的投入，鍋爐的灰飛含碳量，煤粉的低位發(fā)熱量等等。其中鍋爐的飛灰含碳量和煤粉的低位發(fā)熱量是影響鍋爐效率的最重

13、要指標(biāo)。（2）鍋爐飛灰含碳量對鍋爐效率的影響影響燃煤鍋爐飛灰含碳量過高的因素很多，例如鍋爐燃用煤種、設(shè)計(jì)安裝水平、鍋爐運(yùn)行操作水平都是其影響因素，這就很難采用簡單的公式進(jìn)行估算，往往需采用實(shí)爐測試方法加以確定并摸索降低如何控飛灰含碳量的運(yùn)行方法。但實(shí)爐測試工作量大，測試工況有限，各運(yùn)行參數(shù)和煤種對鍋爐飛灰含碳量都存在影響，互相疊加，導(dǎo)致數(shù)據(jù)分析困難。而鍋爐燃用煤種和操作參數(shù)千變?nèi)f化，不可能保證在試驗(yàn)工況下運(yùn)行，導(dǎo)致偏離燃燒調(diào)整獲得的最佳工況下而無法獲得最低的飛灰含碳量。相對而言，影響鍋爐熱效率的其他幾項(xiàng)熱損失根據(jù)運(yùn)行參數(shù)可以有明確的計(jì)算公式可以求得，影響因素比較簡單。獲得飛灰含碳量與煤種和運(yùn)行

14、參數(shù)之間的關(guān)系對于鍋爐的運(yùn)行優(yōu)化是有意義的。（3）低位發(fā)熱量對鍋爐效率的影響單位質(zhì)量的燃料在完全燃燒時(shí)所發(fā)出的熱量稱為燃料的發(fā)熱量，高位發(fā)熱量是指1Kg燃料完全燃燒時(shí)放出的全部熱量，包括煙氣中水蒸汽已凝結(jié)成水所放出的汽化潛熱。從燃料的高位發(fā)熱量中扣除煙氣中水蒸汽的汽化潛熱時(shí)，稱燃料的低位發(fā)熱量。低位發(fā)熱量因?yàn)樽罱咏I(yè)鍋爐燃燒時(shí)的實(shí)際發(fā)熱量，常用于設(shè)計(jì)計(jì)算。通過相關(guān)計(jì)算，當(dāng)?shù)臀话l(fā)熱量不變的情況下灰分每升高1%，固體末完全燃燒損失升高0.058%；當(dāng)?shù)臀话l(fā)熱量每降低500kJ/kg，影響固體末完全燃燒損失由0.0438%至0.0856%間有加速升高趨勢。如不考慮其它因素影響，當(dāng)入爐煤由設(shè)計(jì)值低位

15、發(fā)熱量21350kJ/kg、收到基灰分31.5%，降至14706kJ/kg對應(yīng)收到基灰分44.78%時(shí)，假定其它指標(biāo)不變的情況下鍋爐效率降低1.8842%。因此，通過對鍋爐的飛灰含碳量以及燃煤的低位發(fā)熱量的計(jì)算研究對鍋爐的經(jīng)濟(jì)運(yùn)行起著至關(guān)重要的作用。同時(shí)，在本文中通過一定的分析發(fā)現(xiàn)任何影響鍋爐效率的因素，均可轉(zhuǎn)化為相應(yīng)飛灰含碳量與鍋爐效率的影響因素，所以在本文當(dāng)中，我采用的是BP人工神經(jīng)網(wǎng)絡(luò)建模的方法來分析鍋爐的灰飛含碳量。1.2 國內(nèi)外研究現(xiàn)狀我國開展節(jié)能優(yōu)化的工作已經(jīng)幾十年的歷史，電站鍋爐熱力系統(tǒng)是火電機(jī)組的一個(gè)重要的組成部分，它的經(jīng)濟(jì)性在很大程度上也影響了整個(gè)火力發(fā)電廠運(yùn)行的經(jīng)濟(jì)性，負(fù)荷

16、變化時(shí)，電站鍋爐熱力系統(tǒng)的經(jīng)濟(jì)性要發(fā)生很大的變化。同時(shí)在這個(gè)期間各電廠提高鍋爐運(yùn)行經(jīng)濟(jì)性的手段和措施主要有以下幾個(gè)方法：(1)控制煤粉細(xì)度合格。煤粉細(xì)度的規(guī)格有很大的影響，它主要由磨煤機(jī)鋼球裝載數(shù)量，分離器效率及一次風(fēng)壓決定。此方法，對于目前技術(shù)而言，難度比較大。(2)合理控制制粉系統(tǒng)的啟起與停止。因?yàn)槟ッ簷C(jī)啟停在運(yùn)行時(shí)影響比較大，尤其是停止制粉運(yùn)行時(shí)，因制粉系統(tǒng)風(fēng)量的不穩(wěn)定及磨煤機(jī)料位的波動，導(dǎo)致造成飛灰量增大。但是針對不同煤種，磨煤機(jī)的出口溫度也有嚴(yán)格的限制，所以這樣就導(dǎo)致了此類方法的局限性。 (3)提高一次風(fēng)溫，限制一次風(fēng)的數(shù)量，有利于迅速完全燃燒。增加了燃燒速度和進(jìn)入空氣預(yù)熱器的風(fēng)量，

17、達(dá)到了降低排煙溫度和飛灰可燃物含碳量、提高鍋爐效率的目的。但是一次風(fēng)溫會隨著負(fù)荷的變化而變化。會給整個(gè)系統(tǒng)帶來不利影響。(4)足夠的燃燒時(shí)間。鍋爐負(fù)荷不能過高，爐膛負(fù)壓適當(dāng)。(5)選擇合適的過?？諝庀禂?shù)。過?？諝庀禂?shù)太大，一方面造成排煙損失，同時(shí)降低燃燒區(qū)溫度，影響燃燒效果。過小，氧量不足，達(dá)不到完全燃燒。現(xiàn)在鍋爐的經(jīng)濟(jì)性研究逐漸把重心轉(zhuǎn)移到鍋爐的灰飛含碳量以及煤粉的低位含碳量，這是鍋爐效率的具體體現(xiàn)。而研究這些參數(shù)需要用基于神經(jīng)網(wǎng)絡(luò)建模的方法。神經(jīng)網(wǎng)絡(luò)的魅力在于它超強(qiáng)的映射能力，單層感知機(jī)可實(shí)現(xiàn)分類，多層前向網(wǎng)絡(luò)則可以逼近任何非線性函數(shù)。1.3 本課題的主要內(nèi)容本論文的電站鍋爐熱力系統(tǒng)是火電

18、機(jī)組的一個(gè)重要的組成部分，它的經(jīng)濟(jì)性在很大程度上也影響了整個(gè)火力發(fā)電廠運(yùn)行的經(jīng)濟(jì)性，負(fù)荷變化時(shí)，電站鍋爐熱力系統(tǒng)的經(jīng)濟(jì)性要發(fā)生很大的變化。因此，對鍋爐可控因素進(jìn)行優(yōu)化是火電廠經(jīng)濟(jì)運(yùn)行的重要目標(biāo)。課題的主要內(nèi)容如下：（1）完善超臨界直流鍋爐經(jīng)濟(jì)性的分析模型的推導(dǎo)與理論證明，實(shí)現(xiàn)電站鍋爐經(jīng)濟(jì)性能分析與監(jiān)測；（2）建立直流鍋爐飛灰含碳量特性的數(shù)學(xué)模型；（3）對鍋爐各運(yùn)行參數(shù)進(jìn)行優(yōu)化。第2章 電站鍋爐經(jīng)濟(jì)性能分析與模型的建立本章重點(diǎn)介紹鍋爐效率計(jì)算模型，并對所介紹的模型進(jìn)行了比較，通過系統(tǒng)的比較得到了鍋爐效率計(jì)算簡化模型。以完善超臨界直流鍋爐經(jīng)濟(jì)性的分析模型的推導(dǎo)與理論證明及實(shí)現(xiàn)電站鍋爐經(jīng)濟(jì)性能分析與

19、監(jiān)測。2.1 常用的鍋爐效率計(jì)算模型與各項(xiàng)熱損失分析能源作為國民經(jīng)濟(jì)重要物資基礎(chǔ)之一，我國電廠每年都有14的煤炭用于發(fā)電。節(jié)約能源，降低能耗，是我國的一項(xiàng)長期的基本國策。在這個(gè)大的背景下，目前我國發(fā)電總裝機(jī)容量和總發(fā)電量位于世界前列，但是，我國人均裝機(jī)容量不到世界人均水平的一半，與發(fā)達(dá)國家相比，我們國家的發(fā)電煤耗非常高。在目前我們國家以煤為主的能源消費(fèi)格局下短時(shí)間是不會改變的，國家能源的供應(yīng)又十分緊張，提高火力發(fā)電業(yè)的節(jié)能意思和加強(qiáng)能源能效管理，降低煤耗就成為了迫在眉睫，勢在必行的事。鍋爐作為火電機(jī)組的重要設(shè)備之一，電站鍋爐的運(yùn)行性能直接影響整個(gè)機(jī)組的經(jīng)濟(jì)效益，電站鍋爐系統(tǒng)的主要經(jīng)濟(jì)性能指標(biāo)又

20、是鍋爐效率。進(jìn)入鍋爐的燃煤在并不能得到充份燃燒放熱，又同時(shí)燃燒放出的熱也并不能完全被利用來得到水蒸氣的情況下，提高鍋爐燃燒效率是提高鍋爐經(jīng)濟(jì)性的重要手段，也是鍋爐燃燒優(yōu)化的重要目標(biāo)。鍋爐效率計(jì)算的正、反平衡法，主要是以鍋爐設(shè)備的輸入和輸出熱量以及各項(xiàng)熱損失的能量平衡為基礎(chǔ)。正平衡法，也稱為輸入、輸出法，即由直接測量的鍋爐輸入和輸出熱量，來求出鍋爐效率的方法；反平衡法，也稱為熱損失法，由已確定的各項(xiàng)熱損失，來求出鍋爐效率的方法。針對上述兩種計(jì)算方法，目前國內(nèi)常用的有ASME PTC和GB PTC兩個(gè)計(jì)算標(biāo)準(zhǔn)。ASME PTC是美國機(jī)械工程師學(xué)會的電站性能試驗(yàn)規(guī)程，GB PTC是中國國家標(biāo)準(zhǔn)的電站

21、性能試驗(yàn)規(guī)程。 2.1.1 鍋爐輸入、輸出法（正平衡）效率計(jì)算模型針對正平衡法鍋爐效率計(jì)算，兩個(gè)標(biāo)準(zhǔn)基本相同。計(jì)算公式如下： （2-1）式中: 鍋爐效率，%； 鍋爐輸出熱量，； 鍋爐輸入熱量，； （2-2）式中：鍋爐燃料消耗量，； 根據(jù)實(shí)驗(yàn)室分析并經(jīng)過實(shí)驗(yàn)室測定的燃料水分修正所得的應(yīng)用基的熱量，； 除了爐燃料的化學(xué)熱之外，附加入鍋爐機(jī)組的熱量的總和，； （2-3）式中：來自暖風(fēng)器之類設(shè)備的空氣所提供的熱量，； 霧化蒸汽提供的熱量，； 以燃料顯熱形式提供的熱量，； 在熱平衡范圍內(nèi)由輔助設(shè)備作功所提供的熱量，； 由進(jìn)入鍋爐機(jī)組的空氣帶入的水提供的熱量，。按下式計(jì)算： （2-4）式中：空預(yù)器進(jìn)口溫度

22、下空氣的比熱，； 空預(yù)器進(jìn)口溫度，； 基準(zhǔn)空氣溫度，； 對應(yīng)于單位入爐燃料的磨煤機(jī)冷風(fēng)量，； 磨煤機(jī)冷風(fēng)溫度，； 對應(yīng)于單位入爐燃料的干空氣量，。 （2-5）式中：測得的霧化蒸汽流量，； 在測量點(diǎn)處的壓力和溫度下，霧化蒸汽的焓，； 基準(zhǔn)溫度下的飽和蒸汽焓，。 （2-6）式中：燃料的平均比熱，； 燃料進(jìn)口溫度，。 （2-7）式中：蒸汽流量，； 供驅(qū)動輔助設(shè)備用的蒸汽焓，； 排汽焓，； 總的傳動效率，包括汽輪機(jī)和齒輪箱的效率。對于電動的輔助設(shè)備，所提供的熱量為： （2-8）式中： 為總的傳動效率，包括電動機(jī)效率、電力和液力聯(lián)軸節(jié)效率及齒輪箱效率。 （2-9）式中： 單位空氣中水蒸汽含量，； 進(jìn)入鍋

23、爐機(jī)組的空氣流量，； 蒸汽的平均比熱，。 2.1.2 熱損失法（反平衡）鍋爐效率計(jì)算模型針對反平衡法鍋爐效率計(jì)算，則差別比較大，則下面將分開介紹其相應(yīng)的計(jì)算模型：ASME PTC標(biāo)準(zhǔn)下反平衡法效率計(jì)算如下： （2-10）式中： 鍋爐總的熱損失，； 煤的應(yīng)用基低位發(fā)熱量，； 每單位入爐燃料以顯熱形式帶入鍋爐總的物理熱，。鍋爐總的熱損失L的組成如下： （2-11）式中： 飛灰比率； 爐渣比率； 飛灰可燃物含量； 爐渣可燃物含量； 煤的應(yīng)用基灰分。(1)干煙氣熱損失 （2-12）式中： 煙氣溫度； 干煙氣量； 煙氣平均比熱； 參考溫度。(2)入爐燃料中水分引起的熱損失 （2-13）式中： 煤的應(yīng)用基

24、水分，%； 煙氣中相應(yīng)水蒸氣分壓力和出口溫度下的焓，； 基準(zhǔn)溫度下飽和水焓，。(3)氫燃燒生成的水分熱損失 （2-14）式中： 煤的應(yīng)用基氫，%。(4)空氣中水分引起的熱損失 （2-15）式中： 單位質(zhì)量干空氣中水的質(zhì)量，； 對應(yīng)入爐燃料的干空氣量； 基準(zhǔn)空氣溫度下飽和蒸汽焓。(5)未燃盡碳生成一氧化碳造成的熱損失 （2-16）式中： 一氧化碳在干煙氣中的容積百分?jǐn)?shù)，%； 二氧化碳在干煙氣中的容積百分?jǐn)?shù)，%； 實(shí)際燒掉的碳。(6)表面輻射和對流引起的熱損失 （2-17） 式中： 散熱輻射損失修正系數(shù)由ASME表查得； 空氣速度修正系數(shù)； 煤的發(fā)熱量。(7)其他熱損失 （2-18）所以總的熱損失

25、為： （2-19）如不考慮輸入鍋爐物理熱，則鍋爐效率為 （2-20）GB PTC標(biāo)準(zhǔn)下反平衡法效率計(jì)算如下： （2-21） 式中： 單位燃料的排煙損失熱量，； 單位燃料的可燃?xì)怏w未完全燃燒損失熱量，； 單位燃料的固體不完全燃燒損失熱量，； 單位燃料的鍋爐散熱損失熱量，； 單位燃料的灰渣物理顯熱損失熱量，； 單位燃料的鍋爐輸入熱量，。 (1)排煙損失熱量 鍋爐排煙損失熱量為末級熱交換器后排出的煙氣帶走熱。按下式計(jì)算： （2-22） 式中： 干煙氣帶走的熱量，； 煙氣所含水蒸氣的顯熱，。 （2-23） 式中： 排煙溫度，； 基準(zhǔn)空氣溫度，； 干煙氣的平均定壓比熱，； 單位燃料生成的干煙氣體積，。按

26、下式計(jì)算： （2-24） 式中： 按應(yīng)用基燃料成分，由實(shí)燒掉的碳計(jì)算的理論燃燒干煙氣量，。 （2-25） （2-26） （2-27） 式中： 分別為燃料應(yīng)用基碳、硫、氮和灰分質(zhì)量含量百分率，；分別為爐渣、飛灰、沉降灰、漏煤中灰分含量占燃煤總灰量的質(zhì)量百分率，；分別為爐渣、飛灰、沉降灰、漏煤中含碳量，； 按應(yīng)用基燃料成分，由實(shí)際燃燒掉的碳計(jì)算的理論燃燒所需干空氣量，。 （2-28） 式中： 分別為燃料應(yīng)用基硫、氫、氧質(zhì)量含量百分率，； 實(shí)測排煙過量空氣系數(shù)，按下式計(jì)算： （2-29） 式中： 分別為排煙的干煙氣中氧、甲烷、一氧化碳和氫的容積含量百分率，。 （2-30） 式中： 水蒸氣平均定壓比熱

27、，； 煙氣中所含水蒸氣容積，； （2-31）式中： 空氣的絕對濕度，； 霧化蒸汽流量，； 燃料應(yīng)用基水分質(zhì)量含量百分率，。 (2)可燃?xì)怏w未完全燃燒損失熱量 （2-32） 式中： 分別為排煙中未完全燃燒產(chǎn)物的含量。 (3)固體未完全燃燒損失熱量 （2-33） 式中：中速磨煤機(jī)排出的煤矸石量，； 煤矸石的實(shí)測低位發(fā)熱量，； (4)散熱損失熱量 （2-34） 式中：額定蒸發(fā)量下的散熱損失，可根據(jù)圖表查得； 鍋爐的額定蒸發(fā)量； 鍋爐效率測定時(shí)的實(shí)際蒸發(fā)量，。 (5)灰渣物理損失熱量 （2-35） 式中 分別為爐渣、飛灰及沉降灰的比熱，； 由爐膛排出的爐渣溫度，；由煙道排出的沉降灰的溫度，可取為沉降灰

28、斗上部空間的煙氣溫度，； 2.1.3 ASME PTC標(biāo)準(zhǔn)下熱損失法（反平衡）鍋爐效率計(jì)算簡化模型上節(jié)中以對兩種方法分別在不同標(biāo)準(zhǔn)下的鍋爐效率計(jì)算模型進(jìn)行了計(jì)算，但由于這種計(jì)算方法都因?yàn)槭苊旱牡臀l(fā)熱量、鍋爐入煤煤量、飛灰含碳量及元素分析等多參數(shù)測量量的約束，很難實(shí)現(xiàn)真正意義上的在線計(jì)算，從而無法滿足實(shí)際實(shí)時(shí)運(yùn)行指導(dǎo)需求。下面則為了便于在線計(jì)算，以指導(dǎo)鍋爐實(shí)時(shí)實(shí)際運(yùn)行狀況并對ASME PTC標(biāo)準(zhǔn)下熱損失法進(jìn)行了適當(dāng)簡化，簡化計(jì)算模型如下：(1)干煙氣損失 （2-36）式中： 排煙過?？諝庀禂?shù)； （2-37）(2)水分熱損失 （2-38）式中： 水蒸氣平均比熱，簡化計(jì)算時(shí)可以取常數(shù)代替；(3)末

29、燃盡碳熱損失 （2-39）式中： 飛灰可燃物含量，； 爐渣可燃物含量，；(4)輻射和對流損失 （2-40）(5)其它熱損失 （2-41）熱損失總和 （2-42）則鍋爐效率 （2-43）式中： 排煙溫度，； 冷空氣溫度，；是與有關(guān)的系數(shù) （2-44） （2-45） （2-46） （2-47）對于ASME PTC標(biāo)準(zhǔn)下得到的簡化模型來計(jì)算鍋爐效率，有如下特點(diǎn)；(1)計(jì)算簡化，其相應(yīng)的減少了計(jì)算絕對濕度，以及根據(jù)煤質(zhì)分析來計(jì)算干煙氣量的過程，提高了計(jì)算效率。(2)測量簡化，除煤質(zhì)分析外，測點(diǎn)數(shù)目由14個(gè)減少到5個(gè)，即：飛灰可燃物、煤的發(fā)熱量、排煙溫度、排煙氧量、冷空氣溫度等(3)計(jì)算誤差同標(biāo)準(zhǔn)計(jì)算程

30、序相比，較小，能基本滿足計(jì)算要求。2.2 影響鍋爐運(yùn)行經(jīng)濟(jì)性的因素分析電站鍋爐是利用其燃料（煤）燃燒過程中釋放出的熱能或其他熱能給水加熱，從而獲得規(guī)定參數(shù)（ 溫度、壓力） 和規(guī)定品質(zhì)的蒸汽的設(shè)備。鍋爐是火力發(fā)電廠三大主要設(shè)備之一。提高鍋爐經(jīng)濟(jì)性相應(yīng)的也就提高了整個(gè)電廠的經(jīng)濟(jì)性；其次，鍋爐又是一次能源大戶，而當(dāng)今世界一次能源供應(yīng)日益緊張，所以必須注意降低能耗，提高效率以節(jié)約能源。因此提高電站鍋爐經(jīng)濟(jì)性迫在眉睫。鍋爐運(yùn)行經(jīng)濟(jì)性會隨著給水溫度、過量空氣系數(shù)、鍋爐負(fù)荷及鍋爐受熱面的清潔度等條件變化而變化，鍋爐運(yùn)行經(jīng)濟(jì)性又體現(xiàn)在鍋爐效率上，前面章節(jié)已得到了在鍋爐運(yùn)行當(dāng)中，鍋爐效率主要與排煙氧量（過熱空氣

31、系數(shù)）、鍋爐排煙溫度、飛灰含碳量以及空氣預(yù)熱器漏風(fēng)等有關(guān)系55。下面則對相應(yīng)對其影響因素進(jìn)行分析：(1)飛灰含碳量的影響由圖2-1可以看出，隨著飛灰含碳量的增大，鍋爐效率降低，二者之間有接近線性的關(guān)系。同時(shí)飛灰含碳量的多少與鍋爐 燃燒調(diào)整有直接的關(guān)系，煤種、煤粉細(xì)度和過量空氣系數(shù)對其飛灰含碳量的影響很大。圖2-1 飛灰含碳量與鍋爐燃燒效率的關(guān)系(2)排煙溫度的影響運(yùn)行中常用氧量信號監(jiān)測過量空氣系數(shù)，過量空氣系數(shù)直接影響燃燒過程和排煙熱損失。在一定的負(fù)荷范圍內(nèi)，當(dāng)爐膛出口處的空氣過量系數(shù)增大時(shí)，氣體不完全燃燒損失和固體不完全燃燒損失可以得到降低，但是排煙損失卻會增大，也使送、引風(fēng)機(jī)耗電量增大。

32、圖2-2 過量空氣系數(shù)與飛灰含碳量的關(guān)系由圖2-2可知，當(dāng)煙氣含氧量的變化，即過量空氣系數(shù)的變化時(shí)，將引起飛灰含碳量的變化，從而直接影響到鍋爐效率。(3)給水溫度的影響給水溫度的降低，在一定程度上可以使鍋爐排煙溫度降低。但同時(shí)為了維持一定的蒸發(fā)量，必須增加燃料量，這樣又會使各部煙溫升高兩種影響綜合作用的結(jié)果是不僅使鍋爐的經(jīng)濟(jì)性降低，還有可能引起鍋爐受熱面發(fā)生結(jié)渣。而且，給水溫度降低，會使汽輪機(jī)組熱耗率增大?？偟膩碚f，給水溫度低于設(shè)計(jì)值對電廠運(yùn)行的經(jīng)濟(jì)性和安全性都是不利的。(4)空氣預(yù)熱器漏風(fēng)的影響空氣預(yù)熱器的漏風(fēng)對鍋爐效率有著直接的影響，煙氣流經(jīng)空氣預(yù)熱器，與漏風(fēng)混合形成鍋爐排煙。如果以空氣預(yù)

33、熱器入口處的煙氣含氧量為基準(zhǔn)，在其他參數(shù)不變的條件下，可以根據(jù)效率模型，計(jì)算漏風(fēng)對鍋爐效率的影響。由圖2-3可得，空預(yù)器入口氧量與飛灰含碳量之間也存在著某種線性關(guān)系，從而也直接影響了鍋爐的燃燒效率。飛灰含碳量/% 空預(yù)器入口氧量/%圖2-3 空預(yù)器入口氧量與飛灰含碳量的關(guān)系綜上所訴，在任何影響鍋爐效率的因素通過一定的分析，都可以轉(zhuǎn)化為相應(yīng)飛灰含碳量與鍋爐效率的影響因素。所以飛灰含碳量對鍋爐效率的影響研究將在下一章著重分析。2.3 本章小結(jié)本章主要講了正平衡法和反平衡法兩種常用的鍋爐效率計(jì)算模型方法。在針對鍋爐各項(xiàng)熱損失及其各種影響因素的前提下，得出了ASME PTC標(biāo)準(zhǔn)下熱損失法（反平衡）鍋爐

34、效率計(jì)算簡化模型，并分析了飛灰含碳量和排煙溫度、給水溫度及空氣預(yù)熱器漏風(fēng)等這些相應(yīng)量變化對鍋爐經(jīng)濟(jì)性的影響，得出了飛灰含碳量對鍋爐的影響的重要性，則為下一章飛灰含碳量的模型建立打下了基礎(chǔ)。第3章 基于BP神經(jīng)網(wǎng)絡(luò)的鍋爐運(yùn)行參數(shù)預(yù)測3.1 人工神經(jīng)網(wǎng)絡(luò) 3.1.1 BP神經(jīng)網(wǎng)絡(luò)簡介人工神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用類似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型，由大量的簡單處理單元互聯(lián)而成的自適應(yīng)、非線性信息處理系統(tǒng)。通過輸入信號在各個(gè)神經(jīng)元間的傳遞，來獲得輸出，同時(shí)可以模擬人類大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和行為，并具有高度的非線性，且系統(tǒng)可以從大量現(xiàn)有存在的知識樣本中，通過學(xué)習(xí)從而提取出有效地知識和規(guī)則，對其自身

35、不斷完善、發(fā)展和創(chuàng)新。目前最為廣泛使用的是BP神經(jīng)網(wǎng)絡(luò)，它是一中單向性傳播的多層前饋神經(jīng)網(wǎng)絡(luò)，BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層、隱層和輸出層。 3.1.2 BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)工具matlab介紹MATLAB是矩陣實(shí)驗(yàn)室的簡稱，是美國MathWorks公司出品的商業(yè)數(shù)學(xué)軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高級技術(shù)計(jì)算語言和交互式環(huán)境，主要包括MATLAB和Simulink兩大部分。它將數(shù)值分析

36、、矩陣計(jì)算、科學(xué)數(shù)據(jù)可視化以及非線性動態(tài)系統(tǒng)的建模和仿真等諸多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中，為科學(xué)研究、工程設(shè)計(jì)以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué)領(lǐng)域提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式程序設(shè)計(jì)語言（如C、Fortran）的編輯模式，代表了當(dāng)今國際科學(xué)計(jì)算軟件的先進(jìn)水平。人工神經(jīng)網(wǎng)絡(luò)可以通過軟件和硬件的方式來實(shí)現(xiàn)。硬件的方式就是神經(jīng)計(jì)算機(jī)。而目前本文采用的，而大多數(shù)使用的還是軟件的方式。而MATLAB提供的神經(jīng)網(wǎng)絡(luò)工具箱也是大多數(shù)采用的，其中最為使用廣泛的是BP算法比較和模糊邏輯與神經(jīng)網(wǎng)絡(luò)。MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱介紹：之所以廣泛被使用是因?yàn)槠涮峁┝朔浅６嗟?/p>

37、工具箱,其中神經(jīng)網(wǎng)絡(luò)工具箱是以人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ),用MATLAB 語言構(gòu)造出了該理論所涉及的矩陣操作、公式運(yùn)算和方程求解等大部分子程序,來用于神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與訓(xùn)練。用戶只需根據(jù)自己的需要調(diào)用相關(guān)程序,免除了自己編寫龐大而復(fù)雜的算法程序的麻煩。同時(shí)里面還包含了現(xiàn)有的許多神經(jīng)網(wǎng)絡(luò)成果，分別是：感知器模型、自組織網(wǎng)絡(luò)模型、BP網(wǎng)絡(luò)模型、線性濾波器等。其內(nèi)容豐富，備受使用者喜愛。同時(shí)，其中的一些函數(shù)是通用的，幾乎可以運(yùn)用于任何類型的神經(jīng)網(wǎng)絡(luò)。3.2 飛灰含碳量的BP神經(jīng)網(wǎng)絡(luò)模型的建立 3.2.1 飛灰含碳量測量輔助變量的選擇在建立BP網(wǎng)絡(luò)模型前，首要解決的是輸入層與輸入變量的選擇。如果變量的選擇數(shù)目

38、過小，則不能完全反映過程變化的特點(diǎn)，變量數(shù)目太多，同樣也會導(dǎo)致“過于參數(shù)化”并造成計(jì)算結(jié)果比較大的誤差。前面章節(jié)中通過機(jī)理的分析詳細(xì)的介紹了與飛灰含碳量有關(guān)的輔助變量。從而本文選用的輸入層的輸入變量為：燃料風(fēng)開度、燃燒器擺角、過?？諝庀禂?shù)、煤種特性、一次風(fēng)總壓。在輸入層的輸入變量的基礎(chǔ)上，如何確定采樣的數(shù)據(jù)是一個(gè)非常重要的問題。首先學(xué)習(xí)各種條件下的有關(guān)的生產(chǎn)過程的各種工況，以確定輔助變量的取值范圍，收集的樣本空間，要盡量覆蓋整個(gè)操作范圍，選擇一個(gè)樣本，在樣本空間，應(yīng)該有一定的代表性，此外，樣本大小選擇每個(gè)功能點(diǎn)也應(yīng)該是適中，均勻數(shù)據(jù)。因此，收集來的樣本數(shù)據(jù)要具均勻性、代表性和精簡性。 3.2.

39、2 飛灰含碳量BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)的確定對于任意一非線性或非線性的映射來說，都可以使用三層式向前神經(jīng)網(wǎng)絡(luò)對其進(jìn)行實(shí)現(xiàn)。所以本文可以采用一個(gè)三層的BP神經(jīng)網(wǎng)絡(luò)建立預(yù)測數(shù)學(xué)模型。在確定輸入層變量有五個(gè)之后，神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)采用五輸入單輸出的三層前饋網(wǎng)絡(luò)。輸入層分為5個(gè)神經(jīng)元，分別是煤種特性、燃燒器擺角和過?？諝庀禂?shù)（煙氣含氧量）、一次風(fēng)總壓和燃料風(fēng)開度。根據(jù)本文的設(shè)計(jì)按照公式，則m=2,3,4,5。如m太少會較大的大減少模型的精確度，同時(shí)，如果太多，會增加網(wǎng)絡(luò)連接權(quán)數(shù)，增加其計(jì)算量，從而容易出現(xiàn)現(xiàn)隱層的神經(jīng)元過于冗余現(xiàn)象。所以這次考慮到模型精確度和計(jì)算的簡易操作，并根據(jù)多次實(shí)驗(yàn)比較，文中將取m=5。

40、BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如下圖3-1所示圖3-1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖 3.2.3 飛灰含碳量BP神經(jīng)網(wǎng)絡(luò)模型的建立使用BP神經(jīng)網(wǎng)絡(luò)來建立預(yù)測數(shù)學(xué)模型, 一般有兩步: 1)建立神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu); 2) 使用大量學(xué)習(xí)樣本來訓(xùn)練網(wǎng)絡(luò),即確定權(quán)值和閾值。而衡量權(quán)值和閾值的一個(gè)重要指標(biāo)就是最小均方誤差 (目標(biāo)值與實(shí)際輸出值的差值的平方和) , 如果該值小于期望的誤差那就是理想的結(jié)果。上小節(jié)，確定了網(wǎng)絡(luò)結(jié)構(gòu)，接下來，就得使用樣本中一部分，用來來訓(xùn)練所建的神經(jīng)網(wǎng)絡(luò)。其樣本集中共有十二組數(shù)據(jù)，其中挑選九組來作為訓(xùn)練樣本集合，將剩下的三組來作為仿真的驗(yàn)證樣本。同時(shí)，輸入變量可以用矩陣的形式讀入。接著，網(wǎng)絡(luò)訓(xùn)練采用MAT

41、LAB 工具來實(shí)現(xiàn), 并用MATLAB工具箱自帶的traingdm（）函數(shù)進(jìn)行訓(xùn)練。接著整個(gè)學(xué)習(xí)過程則按以下步驟進(jìn)行： （1）初始化，歸一化處理各輸入輸出參數(shù)，并給各連接權(quán)值和閾值賦予（-1,+1）間的隨機(jī)值； （2）隨機(jī)選取一輸入、出模式供給網(wǎng)絡(luò)； （3）用輸入模式、連接權(quán)值和閾值來計(jì)算隱層各單元的輸入，接著再用S函數(shù)來計(jì)算中間層各單元的輸出；（4）用上步得出的隱層輸出、連接權(quán)值和閾值來計(jì)算輸出層各單元的輸入，再用S 函數(shù)來計(jì)算輸出層各單元的響應(yīng)，所得則為飛灰含碳量的預(yù)測參數(shù)； （5）用鍋爐運(yùn)行的實(shí)際值和網(wǎng)絡(luò)實(shí)際輸出的值來計(jì)算輸出層各單元的一般化誤差； （6）用連接權(quán)值、輸出層的一般化誤差、

42、中間層的輸出于計(jì)算中間層各單元的一般化的誤差； （7）用輸出層各單元的一般化的誤差、中間層各單元的輸出來修正連接權(quán)和閾值； （8）用中間層各單元的一般化誤差、輸入層各單元的輸入來修正連接權(quán)和閾值； （9）隨機(jī)選出下一個(gè)樣本學(xué)習(xí)模式供給網(wǎng)絡(luò)，然后返回到步驟（3），直到全部被用于訓(xùn)練網(wǎng)絡(luò)的樣本模式對訓(xùn)練結(jié)束； （10）重新從樣本中選取一個(gè)模式對，然后返回步驟（3），直到網(wǎng)絡(luò)全局誤差函數(shù)E小于預(yù)設(shè)的一個(gè)極小值或者網(wǎng)絡(luò)學(xué)習(xí)回?cái)?shù)大于預(yù)設(shè)值，即網(wǎng)絡(luò)無法收斂，到此結(jié)束學(xué)習(xí)。隱層神經(jīng)元輸出講采用tansig函數(shù)，輸出層神經(jīng)元的輸出則采用purelin線性函數(shù)，運(yùn)用快速BP算法Traingdm訓(xùn)練前饋網(wǎng)絡(luò)。由于

43、采樣點(diǎn)僅為9個(gè)，所以精度要求的取值相對比較小，所以取精度要求的值為0.005，學(xué)習(xí)速率為0.05，動量系數(shù)為0.9。這次將通過10000 多次迭代運(yùn)算能量函數(shù)值來達(dá)到精度要求，從得到網(wǎng)絡(luò)的全部參數(shù)。Matlab編程的m文件如下：（1）數(shù)據(jù)的輸入。（2）轉(zhuǎn)置歸一化處理輸入數(shù)據(jù)。（3）BP神經(jīng)網(wǎng)絡(luò)的建立以及BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)。（4）訓(xùn)練曲線誤差曲線 訓(xùn)練曲線和目標(biāo)曲線訓(xùn)練次數(shù)5000次，完成到0.0200077 目標(biāo)0.005圖3-1 5000次模擬下的飛灰含碳量訓(xùn)練曲線誤差曲線 訓(xùn)練曲線和目標(biāo)曲線訓(xùn)練次數(shù)6224次，完成到0.00499988，目標(biāo)0.005圖3-2 10000次模擬下的飛灰

44、含碳量訓(xùn)練曲線（5）代入驗(yàn)證樣本，調(diào)用traingdm訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型仿真。3.3 實(shí)際、仿真及結(jié)果對比分析表3-1 實(shí)際、仿真結(jié)果對比表數(shù)據(jù)組實(shí)際值(%)仿真值(%)相對誤差（%）1232.1054.564.482.08924.62624.57820.751-1.451-2.192通過觀察表3-1可以得出，第一組數(shù)據(jù)對應(yīng)的仿真誤差比較小，且與實(shí)際值相比仿真值有較小的減少。第二三組數(shù)據(jù)誤差都控制在了百分之三以內(nèi)，基本實(shí)現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)建模。在現(xiàn)實(shí)實(shí)際生產(chǎn)中飛灰含碳量對于電廠鍋爐的經(jīng)濟(jì)運(yùn)行和安全方面都有著重要的意義，所以所要求的精確度將會更高。由于本文只是基本的闡明基于BP神經(jīng)網(wǎng)絡(luò)的建模步驟

45、、方法及可行性上，所以，為了滿足更高精確度是可以嘗試如下操作：（1）加大訓(xùn)練樣本的容量。樣本容量越多其精確度越高。（2）改變隱層神經(jīng)元個(gè)數(shù)。目前選取隱層神經(jīng)元個(gè)數(shù)沒有非常好的辦法，基本上都是靠經(jīng)驗(yàn)，所以可以改變相應(yīng)個(gè)數(shù)，并針對每個(gè)逐個(gè)建模來求得最佳最合適的神經(jīng)元個(gè)數(shù)。3.4 本章小結(jié)本章分別介紹了BP神經(jīng)網(wǎng)絡(luò)、及BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)工具，且相應(yīng)的介紹其相應(yīng)功能。為建立飛灰含碳量的BP神經(jīng)網(wǎng)絡(luò)模型選取合適的并合理的輔助變量，并確定相應(yīng)的BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖，最終建立了其飛灰含碳量BP模型，并將此用于了飛灰含碳量的仿真訓(xùn)練當(dāng)中。最后利用matlab工具箱別寫出了模型程序，得到了相應(yīng)的仿真值，并與實(shí)

46、際相比分析，提供了多種適應(yīng)更高精確度的可行性操作。同時(shí)，本章的飛灰含碳量BP神經(jīng)網(wǎng)絡(luò)模型的建立及其相應(yīng)理論知識為下一章鍋爐運(yùn)行熱經(jīng)濟(jì)參數(shù)優(yōu)化打下了堅(jiān)實(shí)的基礎(chǔ)。第4章 鍋爐運(yùn)行熱經(jīng)濟(jì)性參數(shù)的優(yōu)化本章在利用上章節(jié)人工神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)飛灰含碳量與運(yùn)行參數(shù)關(guān)系的建模工作的基礎(chǔ)上，結(jié)合遺傳算法對神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果進(jìn)行尋優(yōu)，對鍋爐熱效率最優(yōu)化運(yùn)行技術(shù)進(jìn)行了研究，實(shí)現(xiàn)對鍋爐運(yùn)行熱經(jīng)濟(jì)性參數(shù)的優(yōu)化。4.1 遺傳算法簡介遺傳算法是一種模擬自然界生物進(jìn)化優(yōu)勝劣汰的全局隨機(jī)搜索的方法。這種數(shù)值優(yōu)化方法是在上個(gè)世紀(jì)的六七十年代被提出，同時(shí)到了進(jìn)一步的發(fā)展，其主要思想來源是達(dá)爾文的生物進(jìn)化理論和遺傳學(xué)的基本知識。 4.1

47、.1 遺傳算法的起源達(dá)爾文的進(jìn)化理論是生物學(xué)史上的一個(gè)重要里程碑，它解釋了自然選擇作用下生物的漸進(jìn)式變化，其內(nèi)容主要包括遺傳、變異、選擇三個(gè)方面。遺傳就是親代把生物信息交給子代使其具有和親代相同或者相似的特征；變異是指親代和子代之間或者子代的個(gè)體之間的差異，通過變異來保持生命和種群多樣性，其發(fā)生具有隨機(jī)性；選擇即自然界中的生存斗爭和適者生存，對生存環(huán)境適應(yīng)性強(qiáng)的個(gè)體被保留下來而不具備適應(yīng)性的個(gè)體被淘汰，經(jīng)過一代代生存環(huán)境的選擇作用，物種變異定向朝著一個(gè)方向積累，于是性狀逐漸和原先的祖先不同，演變?yōu)樾碌奈锓N。通過不斷的遺傳、變異和選擇，物種不斷被進(jìn)化和發(fā)展。遺傳算法從本質(zhì)上來看是一種基于概率搜索

48、的隨機(jī)尋優(yōu)算法，其模擬自然界優(yōu)勝劣汰的進(jìn)化現(xiàn)象，把搜索空間映射為遺傳空間，把可能的解編碼成一個(gè)向量染色體，向量的每個(gè)元素成為基因。遺傳算法將所產(chǎn)生的染色體進(jìn)行適應(yīng)度評價(jià)，適應(yīng)度好的染色體有更多繁殖遺傳的機(jī)會，適應(yīng)度差的染色體被逐漸淘汰，這樣就可以進(jìn)行尋優(yōu)過程。遺傳算法的主要特點(diǎn)是:（1）直接對結(jié)構(gòu)對象操作，不存在求導(dǎo)和函數(shù)連續(xù)性的限定；（2）遺傳算法不是從單個(gè)點(diǎn)，而是從一個(gè)點(diǎn)的群體開始搜索；（3）具有內(nèi)在的隱并行性和較好的全局尋優(yōu)能力；（4）采用概率化尋優(yōu)方式，能自動獲取搜索過程中的有關(guān)知識并應(yīng)用于指導(dǎo)優(yōu)化，自適應(yīng)地調(diào)整搜索方向，不需要確定規(guī)則；（5）魯棒性較強(qiáng)。遺傳算法特別適用于處理復(fù)雜優(yōu)化問題，主要應(yīng)用于函數(shù)優(yōu)化、組合優(yōu)化、神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)等眾多領(lǐng)域，本文的研究重點(diǎn)在于利用遺傳算法對神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果進(jìn)行尋優(yōu)。4.2 利用遺傳算法對神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果進(jìn)行尋優(yōu)利用一個(gè)21 個(gè)輸入節(jié)點(diǎn)，1 個(gè)輸出節(jié)點(diǎn)，24個(gè)隱節(jié)點(diǎn)的BP 網(wǎng)絡(luò)來模擬鍋爐飛灰含碳量與鍋爐運(yùn)行參數(shù)和燃用煤種之間的關(guān)系，獲得了良好的效果，并證明了采用人工神經(jīng)網(wǎng)絡(luò)對鍋爐這種黑箱對象建模的有效性。人工神經(jīng)網(wǎng)絡(luò)的輸入采用鍋爐負(fù)荷、省煤器出口氧量、各二次風(fēng)擋板開度、燃盡風(fēng)擋板開度、燃料風(fēng)擋板開度、各磨煤機(jī)給煤量、爐膛與風(fēng)箱差壓、一次風(fēng)總風(fēng)壓、燃燒器擺