神经网络与模拟退火算法结合的锅炉低NOx燃烧优化

对某600MW燃煤电站锅炉进行了多工况热态NO_x排放特性测量,在利用多层前向神经网络对该锅炉的NO_x排放特性进行建模的基础上,将神经网络模型与模拟退火全局优化算法相结合,实现了锅炉的低NO_x燃烧的优化,计算得到可获得低NO_x排放浓度的具体燃烧配风方案.文中对2种不同退火参数的模拟退火算法进行了比较,结果说明采用T₀=50K,α=0.6的参数可以获得较好的寻优效果.本文研究结果为实现大型电站锅炉低NO_x燃烧控制的在线优化技术打下了基础.     

煤中挥发氮析出过程模拟:不同热解模型的影响

采用数值模型研究了煤热解、燃烧过程中挥发分氮的析出、中间含氮产物HCN的生成以及转变为NO的过程．分别采用双方程模型和通用模型描述热解过程，利用有限体积方法对质量、化学组分、动量和热量守恒方程进行离散求解．计算结果表明两种模型获得的热解过程、孔隙率、HCN生成率等方面存在一定差别，而对颗粒着火时间、NO生成率等方面比较接近．与试验结果比较，采用双方程模型对模拟烟煤颗粒的挥发氮析出过程准确度相对较高．     

神经网络与模拟退火算法结合的锅炉低NOx燃烧优化

对某600MW燃煤电站锅炉进行了多工况热态NOx排放特性测量,在利用多层前向神经网络对该锅炉的NOx排放特性进行建模的基础上,将神经网络模型与模拟退火全局优化算法相结合,实现了锅炉的低NOx燃烧的优化,计算得到可获得低NOx排放浓度的具体燃烧配风方案.文中对2种不同退火参数的模拟退火算法进行了比较,结果说明采用T0=50K,α=0.6的参数可以获得较好的寻优效果.本文研究结果为实现大型电站锅炉低NOx燃烧控制的在线优化技术打下了基础.     

燃煤锅炉低氮氧化物燃烧特性的神经网络预报

大型燃煤电站锅炉的低NO_x燃烧技术日益受到关注,但NO_x的排放特性复杂,受煤种、锅炉设计结构和操作参数等多种因素影响.在对某台600MW四角切圆燃煤电站锅炉的NO_x排放特性和飞灰含碳量特性进行多工况热态测试的基础上,应用人工神经网络的非线性动力学特性及自学习特性,建立了大型四角切圆燃烧锅炉NO_x排放特性和燃烧经济性的神经网络模型,并对此模型进行了校验.结果表明,该模型能根据燃煤特性及各种操作参数准确预报锅炉在不同工况下的NO_x排放和飞灰含碳量特性,可为大型电站锅炉通过燃烧调整降低NO_x排放和提高锅炉燃烧效率提供有效手段.