燃煤電站鍋爐經(jīng)濟運行與污染排放多目標優(yōu)化研究

本項目實施期間，項目組按照國家基金管理規(guī)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(fā)、多目標優(yōu)化算法、數(shù)學建模與模擬、理論研究等方面取得預期成果，基本完成了項目計劃任務書中的內容: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，嘗試比較了基于分別采用BP神經(jīng)網(wǎng)絡方法、徑向基（RBF）神經(jīng)網(wǎng)絡方法、Elman神經(jīng)網(wǎng)絡方法和支持向量機（SVM）的預測模型，其中BP神經(jīng)網(wǎng)絡模型及支持向量機（SVM）的預測模型效果較為穩(wěn)定，鍋爐熱效率的訓練的最大相對誤差小于0.176%，NOx排放量的訓練的最大相對誤差小于3.312%。在前面的鍋爐燃燒特性預測模型基礎上，結合不同的多目標優(yōu)化算法上，建立了基于權重分配的GA多目標優(yōu)化模型，基于改進的NSGA-II算法的鍋爐燃燒多目標優(yōu)化模型，基于BP-VEGA模型的燃煤電站鍋爐燃燒多目標優(yōu)化模型，基于分解的多目標進化算法（MOEA/D）燃煤電站鍋爐多目標優(yōu)化模型。針對NSGA-II在燃煤鍋爐燃燒多目標優(yōu)化問題應用中Pareto解集分布不理想、易早熟收斂的問題，在擁擠算子及交叉算子上進行了相應改進，優(yōu)化結果表明，改進NSGA-II方法與BP神經(jīng)網(wǎng)絡模型結合可以對鍋爐燃燒實現(xiàn)有效的多目標尋優(yōu)、得到理想的Pareto解集，是對鍋爐燃燒進行多目標優(yōu)化的有效工具，同改進前的NSGA-II優(yōu)化結果比較，其Pareto優(yōu)化結果集分布更好、解的質量更優(yōu)。通過計算機在線指導鍋爐配風、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。 2100433B

燃煤電站鍋爐經(jīng)濟運行及污染排放控制是火電企業(yè)的兩大主題，燃煤電站鍋爐經(jīng)濟高效運行是企業(yè)效益的要求，而污染排放控制是社會效益的要求，兩者有統(tǒng)一的一面又有矛盾的一面，如何達到燃煤電站鍋爐經(jīng)濟運行與排放污染的綜合優(yōu)化是火電企業(yè)目前面臨的一大難題。.本研究項目擬在燃煤電站鍋爐現(xiàn)場冷熱態(tài)試驗數(shù)據(jù)與歷史運行數(shù)據(jù)庫數(shù)據(jù)的基礎上，結合及鍋爐自身結構及燃燒機理，引入人工智能神經(jīng)網(wǎng)絡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(jīng)濟運行與污染排放的綜合多目標優(yōu)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優(yōu)化，并對優(yōu)化算法應用于鍋爐燃燒多目標優(yōu)化中存在的問題進行針對性的改進，為燃煤電站鍋爐經(jīng)濟運行與污染排放綜合決策提供參考依據(jù)，達到火電企業(yè)既節(jié)能又減排的綜合優(yōu)化目的。本項目將在神經(jīng)網(wǎng)絡建模、進化多目標優(yōu)化算法等人工智能方法應用于燃煤電站鍋爐進行系統(tǒng)的研究。

燃煤鍋爐燃燒優(yōu)化技術是提高鍋爐燃燒效率、降低NOx排放量的有效手段，是一種多目標非線性復雜優(yōu)化問題。目前研究學者常采用遺傳算法求解此類燃燒優(yōu)化問題。但遺傳算法易陷入局部最優(yōu)解，導致所建模型精度降低，影響燃燒優(yōu)化效果。與遺傳算法相比，DNA遺傳算法可以顯著提高算法搜索成功率和搜索精度。但是現(xiàn)有的DNA遺傳算法針對多目標處理機制的研究成果較少，處理多目標問題時存在局限性。為了提高燃煤鍋爐系統(tǒng)模型的準確性，達到鍋爐燃燒效率和NOx排放量的優(yōu)化目標，本項目針對DNA遺傳算法的編碼方法、遺傳算子、多目標處理機制進行研究，提出多目標DNA遺傳算法，借助算法的全局搜索性能和有效的多目標處理機制，與建模工具結合建立燃煤鍋爐系統(tǒng)非線性混合模型，并基于所建模型，利用多目標DNA遺傳算法對鍋爐的運行參數(shù)進行優(yōu)化。通過本項目的研究，可以有效提高電力企業(yè)的經(jīng)濟效益和運行水平，減少污染物排放，具有理論意義和應用價值。

燃煤鍋爐是燃煤發(fā)電企業(yè)最重要的設備之一，它的燃燒優(yōu)化對于我國電力行業(yè)具有重要意義。通過燃燒優(yōu)化技術提高燃煤鍋爐燃燒效率，可以降低煤耗率，從而降低生產(chǎn)成本，提升發(fā)電企業(yè)競爭力。同時，通過燃燒優(yōu)化技術可以降低NOx排放量，保護環(huán)境。因此，燃煤鍋爐燃燒優(yōu)化控制的研究，可以有效提高電力企業(yè)的經(jīng)濟效益和運行水平，減少污染物排放。解決燃煤鍋爐燃燒優(yōu)化問題關鍵在于所建燃燒過程模型的準確性，而由于燃燒過程的復雜性，難以根據(jù)燃燒過程的物理化學機理，建立準確的過程數(shù)學模型。本項目采用人工神經(jīng)網(wǎng)絡來建立燃煤鍋爐燃燒過程模型。由于建立的神經(jīng)網(wǎng)絡模型中含有大量的未知參數(shù)，如網(wǎng)絡模型結構和網(wǎng)絡參數(shù)等，因此，燃煤鍋爐的燃燒優(yōu)化過程建模問題可以認為是一個多目標非線性復雜優(yōu)化問題，具有大量局部最優(yōu)解，因此可以采用多目標優(yōu)化方法來解決。DNA遺傳算法是一種將生物DNA分子的生物特性及相應的分子操作引入遺傳算法中，建立新的個體編碼方式，并在此基礎上開發(fā)新的操作算子，與傳統(tǒng)遺傳算法相比，具有更好的全局搜索能力。 本項目在三年的研究過程中，致力于多目標DNA遺傳算法的研究，主要包括以下內容：一、個體編碼方式。該部分研究內容主要包括普通優(yōu)化問題的個體編碼方式及基于網(wǎng)絡模型的個體編碼方式這兩部分的研究內容。二、操作算子。該部分研究內容主要包括交叉算子、變異算子、普通選擇算子和適用于多目標問題的選擇算子。三、仿真測試。該部分研究內容主要包括選擇具有代表性的測試函數(shù)，對提出的各種算子的性能進行測試，并做出相應的改進。四、基于神經(jīng)網(wǎng)絡的建模。該部分研究內容為將多目標DNA遺傳算法與人工神經(jīng)網(wǎng)絡結合，建立各種復雜過程的人工神經(jīng)網(wǎng)絡模型，并對所建立的網(wǎng)絡模型進行測試比較。五、基于神經(jīng)網(wǎng)絡模型的預測控制優(yōu)化 該部分研究內容為利用基于多目標DNA遺傳算法的人工神經(jīng)網(wǎng)絡對復雜過程建模，并在所建模型的基礎上，利用預測控制方法，對過程進行控制，達到期望的控制目標。

《電站鍋爐燃煤結渣預測模型及診斷軟件的研究》以電站鍋爐燃煤結渣為主題，主要研究電站鍋爐的結渣機理及結渣過程。從煤質的單項指標入手，建立煤種在電站鍋爐結渣的靜態(tài)預測模型，分析鍋爐運行過程中的動態(tài)結渣判斷方法，討論運行鍋爐防止結渣的措施，建立鍋爐動態(tài)結渣預測模型。鍋爐吹灰是防止結渣的重要手段，《電站鍋爐燃煤結渣預測模型及診斷軟件的研究》推導并建立了受熱面最佳吹灰周期模型。

《電站鍋爐燃煤結渣預測模型及診斷軟件的研究》還研究了利用多種因素建立鍋爐結渣的綜合預測模型。根據(jù)模糊數(shù)學理論，建立了幾個綜合預測模型：單一煤種的結渣預測模型CSMI，該模型可為現(xiàn)場購煤提供參考；混煤結渣判斷模型CBM2，該模型可為現(xiàn)場配煤、鍋爐混煤優(yōu)化燃燒提供依據(jù)；運行鍋爐結渣判斷模型BMM3，利用該模型可為現(xiàn)場優(yōu)化運行提供幫助。隨后利用編程工具將各種模型用計算機來實現(xiàn)，為生產(chǎn)現(xiàn)場提供燃煤鍋爐預測軟件。最后，《電站鍋爐燃煤結渣預測模型及診斷軟件的研究》還對鍋爐結渣的研究方向進行了展望。

《電站鍋爐燃煤結渣預測模型及診斷軟件的研究》可以供動力類科技工作者參考，尤其是供電廠運行人員參考借鑒，也可作為大中專院校能源類專業(yè)學生的參考用書。