大型电站锅炉配煤及燃烧优化的支持向量机建模与实验研究

环境与能源问题已经成为影响我国社会可持续发展的关键问题，我国能源消费以煤为主，而且大部分煤被用来发电，因此如何实现电站锅炉的高效低污染燃烧，对我国的可持续发展来说是一个非常重要的课题。本文围绕大型电站锅炉的燃烧优化展开，应用实验室实验、数学建模和现场实验的方法，理论结合实际，针对我国火力发电行业中如何拓宽煤源、提高锅炉燃烧效率、降低污染物排放、避免高温腐蚀等问题进行了研究，开发了基于支持向量机(SVM)的新型配煤和锅炉燃烧在线优化技术。 作为建模工具，将支持向量机算法引入配煤和燃烧优化的建模中，并研究了在径向基函数作为核函数的情况下，参数变化对支持向量机模型预测能力的影响，获得了支持向量机罚因子C和径向基核函数参数g的变化只在一定范围内对模型的预测能力有明显影响的结论，为后续的建模和优化工作奠定了基础。 在对单煤和混煤进行灰熔点和灰成分试验的基础上，应用支持向量机算法建立了燃煤灰熔点预测模型，通过遗传算法对模型参数的优化，使支持向量机灰熔点模型具备了良好的预测和泛化能力，对混煤和单煤的灰熔点都作出了较准确的预测；在燃煤的灰熔点支持向量机模型的基础上建立了配煤优化模型，通过现场实炉的实验检验表明配煤优化模型的配煤计算结果达到了锅炉燃烧的要求，实现了配煤优化的目标；基于配煤优化模型，充分结合电厂燃料管理流程和发电燃煤生产的实际需要，实现了电厂配煤优化系统，该系统已经投入实际应用，给电厂带来经济和社会效益。 针对电厂锅炉燃烧优化的NOx排放特性、飞灰含碳量特性、排烟温度和炉膛水冷壁附近CO浓度特性进行了实炉燃烧试验，实验中应用单因素轮回法实验了不同锅炉运行参数对燃烧的影响。在试验数据的基础上，建立了以锅炉主要燃烧参数为输入量，分别以飞灰含碳量、排烟温度、炉膛水冷壁附近CO浓度和NOx排放量为输出量的支持向量机模型，应用现场的实炉实验数据对模型进行的检验表明这些模型具有良好的预测和泛化能力。将遗传算法与支持向量机模型相结合，对锅炉的燃烧进行了不同目标的优化，结果表明通过优化可以使锅炉的燃烧达到提高效率、降低污染排放和减轻(防止)高温腐蚀的效果，与实际燃烧工况相比较，优化工况具有较高可信性。 在支持向量机的不同燃烧优化模型基础上，应用VB和SQL开发了电站锅炉在线燃烧优化系统，该系统通过与电厂的DCS数据系统和锅炉烟气在线监测系统相结合，实现了锅炉的在线燃烧优化，并具有在线自学习能力。电站锅炉燃烧优化的实炉实验表明，根据不同的优化目标在线燃烧优化系统实现了锅炉效率的提高和NOx排放的降低，较好的实现了锅炉燃烧的在线优化。