论文部分内容阅读
在电力市场方面，能源危机的日益凸显和人们对环境重要性认识的提高，节能环保是燃煤电站行业面临的永恒课题。目前热力发电在我国仍占据着强有力的地位，约占全国发电量的70%左右。国家对热电厂提出了一系列的改革措施和环保要求，要求大型电站锅炉在提高燃烧经济效益的同时，限制污染物向大气中排放。由于电厂锅炉本身设备和管理操作等方面的原因，使得现代电厂面临着降低污染物排放和提高热效率，以及降低运行成本的多重压力要求。对此，国内外专家学者对电站锅炉燃烧系统进行了研究并试图来解决以上问题。本文针对锅炉燃烧系统多变量，强耦合，多干扰，滞后大等复杂特点进行深入研究，将支持向量机(Support Vector Machine SVM)引入到电厂锅炉燃烧优化的建模中，提出利用最小二乘支持向量机(Least Squares Support Vector Machine LSSVM)对锅炉的燃烧特性进行建模，并结合万有引力搜索算法(Gravitational SearchAlgorithm GSA)对燃烧优化模型的参数进行优化，获得了锅炉燃烧最优模型。然后再将GSA算法对所获得模型进行多参数工况寻优，以降低锅炉污染物排放量和提高锅炉效率为目的，寻找出相应工况下各个影响参数的最优组合值。最后，通过优化后的参数值来调节相应的变量，从而实现电站锅炉燃烧优化的运行。将上述理论运用到仿真实验中，实验结果表明利用LSSVM和GSA的组合算法建立的电站燃烧优化系统实现了锅炉高热效率、低污染物排放的燃烧优化。为电厂锅炉燃烧优化调整提供了一个有效的理论依据。