基于全工况数据挖掘的多目标燃烧优化

被引：8

作者：

郑伟 ^{[1
]}

刘达 ^{[2
]}

机构：

[1] 天津职业大学机电工程与自动化学院

[2] 天津国电津能热电有限公司

来源：

热力发电 | 2017年 / 46卷 / 06期

关键词：

燃煤电站; 燃烧优化; 数据挖掘; NOx排放; 飞灰含碳量; 锅炉效率;

D O I：

暂无

中图分类号：

TM621.2 [锅炉及燃烧系统]; TP311.13 [];

学科分类号：

080802 ; 1201 ;

摘要：

为了使燃煤电站锅炉燃烧达到高效低污染的目的,提出了锅炉燃烧优化的约束模糊加权规则提取算法,该算法可以快速确定燃烧过程中各变量的定量关系,并给出相应的数据挖掘方法,从锅炉全工况海量历史运行数据中提取燃烧优化规则,并构建燃烧优化知识库,实现多目标燃烧优化。通过在发电机组上的实际实验,验证了在同等工况下,利用锅炉燃烧优化规则,NOx排放质量浓度平均值下降69.47 mg/m3,飞灰含碳量平均值下降0.05%,锅炉效率平均值提升0.11%。因此,基于全工况数据挖掘的多目标燃烧优化,能够有效缓解燃煤电站节能减排的压力,也便于实施和在线应用。

引用

页码：69 / 74

页数：6

共 17 条

[1]

Weighted association rule mining using particle swarm optimization. PEARS R,KOH Y S. Pacific-Asia Conference on Knowledge Discovery and Data Mining . 2011

[2] 基于大数据驱动案例匹配的电站锅炉燃烧优化 [J].

王东风 ;

刘千 ;

韩璞 ;

赵文杰 .

仪器仪表学报, 2016, 37 (02) :420-428

[3]

Clustering-based performance optimization of the boiler-turbine system. Kusiak, Andrew,Song, Zhe. IEEE Transactions on Energy Conversion . 2008

[4] Online adaptive least squares support vector machine and its application in utility boiler combustion optimization systems [J].

Gu, Yanping ;

Zhao, Wenjie ;

Wu, Zhansong .

JOURNAL OF PROCESS CONTROL, 2011, 21 (07) :1040-1048

[5]

GB 13223-2011. 火电厂大气污染物排放标准[S]. 2011

[6] 支持向量机理论与遗传算法相结合的300MW机组锅炉多目标燃烧优化 [J].

王禹朋 ;

阎维平 ;

祝云飞 ;

屈柯楠 ;

高正阳 ;

廖永进 ;

吉硕 .

热力发电, 2015, (10) :91-96

[7]

Combustion efficiency optimization and virtual testing: A data-mining approach. Kusiak, Andrew,Song, Zhe. IEEE Transactions on Industrial Informatics . 2006

[8] 风电场输出功率异常数据识别与重构方法研究 [J].

朱倩雯 ;

叶林 ;

赵永宁 ;

郎燕生 ;

宋旭日 .

电力系统保护与控制, 2015, 43 (03) :38-45

[9]

Multi-step-ahead prediction of NOx emissions for a coal-based boiler. Smrekar J,Potocnik P,Senegacnik A. Applied Energy . 2013

[10]

Research and application ofdata mining technique in power plant. LI Jian-qiang,WANG Song-ling. InternationalSymposium on Computational Intelligence and Design . 2008

← 1 2 →