基于BP神經(jīng)網(wǎng)絡與遺傳算法的鍋爐排放特性研究.pdf

1、氮氧化物(NOx)是燃煤電站鍋爐排放的主要污染物之一。隨著環(huán)保要求的提高，現(xiàn)代發(fā)電企業(yè)面臨降低運行成本和降低污染物排放雙重要求。電站鍋爐是一個復雜的多變量系統(tǒng)，其NOx排放特性復雜，很難用簡單公式進行估算，往往根據(jù)試驗結(jié)果摸索降低NOx的方法。但現(xiàn)場實爐測試工作量大，測試工況有限，各參數(shù)對NOx排放均有影響，且互相疊加，導致數(shù)據(jù)分析困難，而無法根據(jù)實測結(jié)果獲得估算公式和具體計算模型，不能將試驗結(jié)果進一步推廣。神經(jīng)網(wǎng)絡建模的一個重要特征就

2、是其輸入輸出之間的黑箱特性，如果將鍋爐視為黑箱，則一定的輸入必然對應確定的輸出，因此應用人工神經(jīng)網(wǎng)絡對鍋爐排放特性建模。
　　 本文在分析了燃煤鍋爐NOx生成和破壞機理的基礎(chǔ)上，討論了影響燃煤鍋爐NOx排放的各因素。利用鍋爐熱態(tài)試驗數(shù)據(jù)，采用3層BP神經(jīng)網(wǎng)絡構(gòu)建了鍋爐排放特性模型。針對常規(guī)BP算法學習效率低，收斂速度慢等缺陷，采用批量學習、附加動量項、自適應學習系數(shù)等措施加以改進。通過鍋爐的實測數(shù)據(jù)驗證，BP神經(jīng)網(wǎng)絡對NOx、排

3、煙溫度、飛灰含碳量、排煙氧量的相對預測誤差分別為0.49％,-1.954％、8.14％、-5.134％。從檢驗的結(jié)果來看，NOx、排煙溫度的預測結(jié)果非常接近實測值。
　　 針對初始權(quán)值和閾值對網(wǎng)絡的收斂速度和誤差精度影響較大這一問題，采用實數(shù)編碼遺傳算法先對網(wǎng)絡權(quán)值優(yōu)化，然后采用改進BP神經(jīng)網(wǎng)絡進行優(yōu)化。綜合利用遺傳算法的全局搜索能力和BP神經(jīng)網(wǎng)絡局部搜索能力的特點。設計并實現(xiàn)了基于遺傳算法和BP網(wǎng)絡結(jié)合的鍋爐排放特性網(wǎng)絡模型，