论文部分内容阅读
锅炉作为一种重要的能源转换设备,在我国工业领域中扮演着重要角色。截至2020年,我国工业锅炉的污染物排放量和能源消耗量都仅次于电站锅炉。工业锅炉具有以下特点:（1）以燃煤为主,在用燃煤工业锅炉占总工业锅炉的80%以上。（2）污染问题严重,工业锅炉行业年排放氮氧化物200-300万吨,占全国氮氧化化物排放总量的15%。（3）运行管理水平低,在相同锅炉运行条件下司炉工水平的差异可导致锅炉运行效率相差3%-10%。因此针对工业锅炉的运行进行操作参数优化研究,为司炉工提供优操作建议,以提高工业锅炉的运行效率、减少污染物的排放成为了一个不可回避的研究课题。随着人工智能技术的发展,基于数据驱动的锅炉运行优化成为了研究热点。这些研究目前还存在一些缺陷:采用ANN、LR等单一算法进行锅炉燃烧系统建模,模型精度低;优化目标单一,难以同时满足环保性和经济性的双重优化要求。针对这些问题,本文展开了如下研究:调研了燃煤锅炉燃烧建模和运行优化的研究现状,介绍了燃煤锅炉的基本结构和运行机理。从经济性和环保性出发,确定了锅炉热效率和NOx排放浓度两个优化目标,分析了影响锅炉热效率和NOx排放浓度的因素。针对燃煤锅炉的燃烧建模问题,提出一种基于Stacking集成学习的燃烧模型,该模型以锅炉操作参数和工况参数为输入、锅炉热效率和NOx排放浓度为输出。首先采用线性回归算法（LR）、支持向量回归算法（SVR）、神经网络算法（ANN）和极端梯度提升树算法（XGBoost）建立四种基础模型,利用粒子群算法（PSO）对ANN和XGBoost模型的超参数进行优化得到PSO-ANN和PSO-XGBoost模型。最后利用Stacking集成学习算法将LR、SVR、PSO-ANN和PSO-XGBoost模型进行堆叠集成,建立最终的燃烧模型。实验表明,基于Stacking算法的集成燃烧模型精度高于单一算法模型。针对燃煤锅炉的燃烧系统运行优化问题,基于建立好的锅炉燃烧模型,采用一种加权评价函数建立燃煤锅炉热效率和NOx排放的多目标优化模型,通过调整加权权重可以改变两项指标的优化比重。采用一种微分衰减权重的粒子群算法优化锅炉操作参数,与多种智能优化算法进行实验对比。实验表明,优化后的锅炉操作参数可以使锅炉热效率和NOx排放浓度优于实验工况下的历史最优值,并且微分衰减权重粒子群算法的全局和局部搜索能力都优于其它算法。针对江苏省特检院的需求,设计并实现了工业锅炉参数监测与运行优化平台。该平台以GO语言开发,包括工业锅炉运行参数采集系统的服务器端实现,根据采集到的数据进行锅炉操作参数优化,向企业司炉工提出指导建议。