大型电站锅炉混煤掺烧的NOx排放特性预测与运行优化

被引:19
作者
陈庆文
马晓茜
刘翱
机构
[1] 华南理工大学电力学院
关键词
锅炉; NOx; 锅炉效率; 人工神经网络; 掺烧; 遗传算法;
D O I
10.13334/j.0258-8013.pcsee.2009.23.005
中图分类号
TK227.1 [燃烧与调整];
学科分类号
摘要
在某700MW四角切圆燃煤电站锅炉的NOx排放特性及锅炉效率多工况热态测试的基础上,应用人工神经网络建立大型四角切圆电站锅炉NOx特性及锅炉效率模型并进行预测,检验样本NOx排放浓度和锅炉效率预测值与实测值的平均相对误差分别为3.63%和0.23%,证实模型的可行性。并在此基础上,结合遗传算法对锅炉运行参数进行优化。优化后NOx排放浓度为421.44、255.05和215.40mg·m-3,分别降低了37.56%、29.43%和30.56%;锅炉效率为94.56%、94.13%和94.80%,分别提高了0.09%、0.42%和0.88%。该模型可在掺烧非设计煤种情况下寻找出最优运行参数,降低锅炉NOx排放浓度并提高锅炉效率;同时随掺混比的增大,NOx排放浓度降低;掺烧D磨和E磨有利于降低NOx。
引用
收藏
页码:20 / 26
页数:7
相关论文
共 19 条
[1]  
大型电站锅炉优化运行与气固两相流光学波动法测量.[D].郑立刚.浙江大学.2004, 04
[2]  
遗传算法的数学基础.[M].张文修;梁怡编著;.西安交通大学出版社.2000,
[3]   A rule-based genetic algorithm for the scheduling of single-stage multi-product batch plants with parallel units [J].
He, Yaohua ;
Hui, Chi-Wai .
COMPUTERS & CHEMICAL ENGINEERING, 2008, 32 (12) :3067-3083
[4]   A simulated model for a once-through boiler by parameter adjustment based on genetic algorithms [J].
Chaibakhsh, Ali ;
Ghaffari, Ali ;
Moosavian, S. Ali A. .
SIMULATION MODELLING PRACTICE AND THEORY, 2007, 15 (09) :1029-1051
[5]   Predicting coal ash fusion temperature based on its chemical composition using ACO-BP neural network [J].
Liu, Y. P. ;
Wu, M. G. ;
Qian, J. X. .
THERMOCHIMICA ACTA, 2007, 454 (01) :64-68
[6]  
Genetic algorithms — A novel technique to optimize coal preparation plants.[J].Vishal Gupta;Manoj Mohanty;Ajay Mahajan;S.K. Biswal.International Journal of Mineral Processing.2007, 1
[7]  
Artificial neural network-based prediction of hydrogen content of coal in power station boilers.[J].H.M. Yao;H.B. Vuthaluru;M.O. Tadé;D. Djukanovic.Fuel.2005, 12
[8]  
A Novel Non-Linear Programming-Based Coal Blending Technology for Power Plants.[J].Chungen Yin;Zhongyang Luo;Junhu Zhou;Kefa Cen.Chemical Engineering Research and Design.2000, 1
[9]   基于遗传算法和支持向量机的低NO燃烧优化 [J].
王春林 ;
周昊 ;
李国能 ;
凌忠钱 ;
岑可法 .
中国电机工程学报, 2007, (11) :40-44
[10]   不同种类煤粉燃烧NOx排放特性试验研究 [J].
杨冬 ;
路春美 ;
王永征 .
中国电机工程学报, 2007, (05) :18-21