【摘要】：为了满足节能减排的需要并提高锅炉煤种的适应性,合理有效的进行吹灰成为电站锅炉安全经济运行的一个重要方面。本文的目的是将目前的“定时吹灰”改为“按需吹灰”,实时的对锅炉受热面的污染情况进行监测。本文利用人工神经网络原理分别对炉膛和对流受热面进行建模。并对对流受热面进行实践仿真,在对流受热面模型建立的过程中,提出了自行摸索的人工神经网络应用于火力发电厂的技术流程。从数据采集、过滤,人工神经网络输入、输出量的选择,人工神经网络结构的设计,模型的敏感性测试以及网络精度验证等几个方面进行了详细介绍,此仿真流程对今后的研究工作具有指导性意义。 通过反复试验,解决了课题组前期工作中遗留的灰污系数曲线不符合逻辑规律的跳跃,数据采集过程周期过长等问题,并通过数据过滤、输入量敏感性测试等手段改进了模型的结构,从而提高了大幅度仿真精度。 以国内某300MW机组为研究对象,设计硬件架构和软件架构,在Delphi平台上用Object Pascal语言开发了对流受热面污染实时在线监测软件系统,系统应用Microsoft SQL数据库作为数据工具,用DLL动态链接库调用Matlab神经网络工具箱进行仿真计算。软件与数据库的通讯在Microsoft OS上用ODBC接口进行。使得锅炉流受热面的污染情况可视化,并得到实际应用,为现场运行人员的吹灰操作提供了合理的指导。
摘要5-6
Abstract6-10
第1章 绪论10-15
1.1 课题背景及研究的目的和意义11-13
1.1.1 受热面污染的机理11
1.1.2 受热面污染带来的经济损失11-12
1.1.3 受热面污染对电厂运行的影响12
1.1.4 受热面污染的监测12-13
1.2 本课题国内外研究现状13
1.3 本文研究内容13-15
第2章 神经网络技术应用于火电厂技术流程15-23
2.1 人工神经网络简介15-17
2.1.1 人工神经网络的原理15-16
2.1.2 人工神经网络的功能、特点16-17
2.2 BP网络和BP算法的局限性17-18
2.3 训练数据的选择和处理18-19
2.3.1 训练数据的采集18
2.3.2 训练数据的筛选18-19
2.4 人工神经网络模型的建立19-21
2.4.1 输入输出参数的选择19-20
2.4.2 网络结构的确定及训练20-21
2.4.3 参数敏感性测试21
2.4.4 用对照组数据验证人工神经网络21
2.5 应用ANNTOOLBOX的神经网络设计21-22
2.5.1 ANNtoolbox简介21
2.5.2 ANNtoolbox神经网络设计流程21-22
2.6 本章小结22-23
第3章 受热面污染监测的机理23-27
3.1 对流受热面污染检测的机理23-25
3.1.1 灰污参数23-24
3.1.2 清洁吸热量的获得24-25
3.2 水冷壁污染监测的机理25-26
3.2.1 灰污参数的定义25
3.2.2 炉膛清洁时炉膛出口烟气温度的获取25-26
3.3 本章小结26-27
第4章 受热面污染监测的实验研究27-48
4.1 实验背景27-29
4.1.1 锅炉参数27-29
4.1.2 锅炉结构特点29
4.1.3 对流受热面灰污监测的实现29
4.2 实验数据收集、处理29-34
4.2.1 样本点收集30-33
4.2.2 样本点筛选33
4.2.3 样本点集的特征33-34
4.3 神经网络模型的建立与调试34-46
4.3.1 人工神经网络输入、输出参数选择34-35
4.3.2 人工神经网络结构的设计35-36
4.3.3 样本点的训练36-42
4.3.4 样本点的敏感性测试42-46
4.3.5 人工神经网络的验证46
4.4 本章小结46-48
第5章 电站锅炉吹灰优化系统的开发和研究48-56
5.1 系统方案48
5.2 硬件架构48-49
5.3 软件架构49-52
5.3.1 逻辑结构50
5.3.2 数据库结构50-52
5.4 软件功能介绍52-53
5.4.1 污染程度在线监测52
5.4.2 历史查询52-53
5.4.3 报表服务53
5.5 系统应用情况分析53-55
5.6 本章小结55-56
第6章 总结与展望56-58
6.1 本文主要的研究成果56
6.2 进一步研究的展望56-58
参考文献58-61
