燃煤電站鍋爐經濟運行與污染排放多目標最佳化研究

《燃煤電站鍋爐經濟運行與污染排放多目標最佳化研究》是依託南昌大學，由余廷芳擔任項目負責人的地區科學基金項目。

基本介紹

• 中文名：燃煤電站鍋爐經濟運行與污染排放多目標最佳化研究
• 項目類別：地區科學基金項目
• 項目負責人：余廷芳
• 依託單位：南昌大學

項目摘要

燃煤電站鍋爐經濟運行及污染排放控制是火電企業的兩大主題，燃煤電站鍋爐經濟高效運行是企業效益的要求，而污染排放控制是社會效益的要求，兩者有統一的一面又有矛盾的一面，如何達到燃煤電站鍋爐經濟運行與排放污染的綜合最佳化是火電企業目前面臨的一大難題。.本研究項目擬在燃煤電站鍋爐現場冷熱態試驗數據與歷史運行資料庫數據的基礎上，結合及鍋爐自身結構及燃燒機理，引入人工智慧神經網路方法建立電站燃煤鍋爐的熱效率及污染物排放的灰箱模型，進而建立燃煤電站經濟運行與污染排放的綜合多目標最佳化模型，利用進化多目標算法對燃煤電站鍋爐進行多目標整體最佳化，並對最佳化算法套用於鍋爐燃燒多目標最佳化中存在的問題進行針對性的改進，為燃煤電站鍋爐經濟運行與污染排放綜合決策提供參考依據，達到火電企業既節能又減排的綜合最佳化目的。本項目將在神經網路建模、進化多目標最佳化算法等人工智慧方法套用於燃煤電站鍋爐進行系統的研究。

結題摘要

本項目實施期間，項目組按照國家基金管理規定及時提交項目進展報告，匯報項目研究進展情況。 在燃煤電站鍋爐燃燒特性模型開發、多目標最佳化算法、數學建模與模擬、理論研究等方面取得預期成果，基本完成了項目計畫任務書中的內容:本項目在燃煤鍋爐燃燒效率及NOx排放特性預測模型的建立中，嘗試比較了基於分別採用BP神經網路方法、徑向基（RBF）神經網路方法、Elman神經網路方法和支持向量機（SVM）的預測模型，其中BP神經網路模型及支持向量機（SVM）的預測模型效果較為穩定，鍋爐熱效率的訓練的最大相對誤差小於0.176%，NOx排放量的訓練的最大相對誤差小於3.312%。在前面的鍋爐燃燒特性預測模型基礎上，結合不同的多目標最佳化算法上，建立了基於權重分配的GA多目標最佳化模型，基於改進的NSGA-II算法的鍋爐燃燒多目標最佳化模型，基於BP-VEGA模型的燃煤電站鍋爐燃燒多目標最佳化模型，基於分解的多目標進化算法（MOEA/D）燃煤電站鍋爐多目標最佳化模型。針對NSGA-II在燃煤鍋爐燃燒多目標最佳化問題套用中Pareto解集分布不理想、易早熟收斂的問題，在擁擠運算元及交叉運算元上進行了相應改進，最佳化結果表明，改進NSGA-II方法與BP神經網路模型結合可以對鍋爐燃燒實現有效的多目標尋優、得到理想的Pareto解集，是對鍋爐燃燒進行多目標最佳化的有效工具，同改進前的NSGA-II最佳化結果比較，其Pareto最佳化結果集分布更好、解的質量更優。通過計算機線上指導鍋爐配風、配煤等燃燒運行調整，達到提高鍋爐運行效率的同時減小NOx排放的目的。