動力配煤的優(yōu)化方法研究及軟件開發(fā).pdf

1、動力配煤就是將不同性質(zhì)(如揮發(fā)分、發(fā)熱量、灰分、硫分、著火特性、燃燒特性等)和價格的煤相互摻混燃燒，以提高電站鍋爐的運行效率。動力配煤技術是一種降低燃料成本、減少污染排放、降低結渣的有效方法，因此能在保證鍋爐額定負荷的情況下提高電站的運行效率。然而，由于煤質(zhì)數(shù)據(jù)的缺乏和對混煤的物理化學過程的有限認識使得我們很難對混煤特性進行準確的預測。
　　 動力配煤數(shù)學模型非線性的論證及處理方法和動力配煤非線性數(shù)學模型的建立、求解及其軟件的開

2、發(fā)是本文的主要研究內(nèi)容。
　　 本文在相關實驗數(shù)據(jù)的基礎上，比較了煤特性的實測值、線性加權值和運用BP神經(jīng)網(wǎng)絡處理后的預測值之間的大小，結果表明，用線性加權法處理動力配煤問題，誤差較大，而用BP神經(jīng)網(wǎng)絡技術處理，雖然也存在著誤差，但誤差較小且多數(shù)情況下都在允許的范圍內(nèi)。
　　 實驗和理論研究表明，動力配煤非線性數(shù)學模型更符合實際生產(chǎn)。建立動力配煤非線性數(shù)學模型，難點在于其數(shù)學模型約束條件的確定。本文采用BP神經(jīng)網(wǎng)絡建立揮

3、發(fā)分、發(fā)熱量、水分、灰分、硫分、著火溫度、結渣特性和SO2排放量的預測模型來描述混煤與單煤之間的關系，在此基礎上，建立動力配煤的數(shù)學模型。
　　 采用列隊競爭算法對建立的動力配煤非線性數(shù)學模型進行求解。由于之前建立的數(shù)學模型的約束條件是用BP神經(jīng)網(wǎng)絡技術來處理的，因此其沒有確定的函數(shù)表達式，而在求解的過程中，運用罰函數(shù)法對數(shù)學模型進行處理，將有約束的數(shù)學模型轉化為無約束的數(shù)學模型。列隊競爭算法對于處理這類問題能取得較好的效果。<