火電機組脫硝過程經濟性建模與優(yōu)化研究.pdf

1、大型燃煤電站鍋爐在進行煙氣脫硝時會產生較高的運行成本，對其進行在線優(yōu)化可降低鍋爐的脫硝成本，提升發(fā)電企業(yè)的競爭力。本文主要研究火電機組脫硝成本的在線建模與優(yōu)化問題，最終構建了一個基于電廠真實運行數(shù)據(jù)的在線脫硝經濟性優(yōu)化系統(tǒng)。該系統(tǒng)能夠指導運行人員按照最經濟的方式調整鍋爐輸入參數(shù)，從而降低脫硝成本，實現(xiàn)火電機組脫硝過程中的在線經濟性優(yōu)化。
　　在建立該優(yōu)化系統(tǒng)時，首先利用基于數(shù)據(jù)驅動的最小二乘支持向量機(LSSVM)方法建立鍋爐的脫

2、硝成本預測模型。建模過程中，利用BP算法對輸入變量的進行篩選以降低模型的復雜度、提高預測精度。然后基于該脫硝成本的BP-LSSVM預測模型，利用一種改進的遺傳算法(Genetic Algorithm，GA)進行機組常運行負荷點處的離線尋優(yōu)以建立一個離線最優(yōu)專家數(shù)據(jù)庫(OffiineOptimal Expert Database，OOED)，該數(shù)據(jù)庫存儲了機組常運行負荷點下脫硝成本最小時各調整變量的最優(yōu)取值。最后，采用基于數(shù)據(jù)挖掘的模糊關

3、聯(lián)規(guī)則挖掘算法(Fuzzy Association Rule Mining，F(xiàn)ARM)從OOED中提取機組負荷與各調整變量最優(yōu)取值的關聯(lián)關系，實現(xiàn)機組的脫硝經濟性在線優(yōu)化。
　　在建模過程中，本文也建立了不采用變量選擇的LSSVM脫硝成本預測模型，并與采用變量選擇的BP-LSSVM模型進行比較。在優(yōu)化過程中，本文采用了傳統(tǒng)的GA優(yōu)化算法進行了脫硝經濟性優(yōu)化，并與本文提出的FARM優(yōu)化方案進行了對比。結果表明，BP-LSSVM建模方