【摘要】：氮氧化物(NO_x)是燃煤电站锅炉排放的主要污染物之一。随着环保要求的提高,现代发电企业面临着降低运行成本与降低污染物排放双重要求。然而实际运行的锅炉经常由于燃烧组织的不合理、运行操作缺乏理论指导等原因使锅炉偏离最佳运行工况,导致锅炉效率偏低和NO_x排放水平较高的问题,这为锅炉的燃烧优化提供了可行的空间。 锅炉是一个复杂的多变量系统,其NO_x排放特性非常复杂,受煤种、锅炉设计结构、操作参数等多种因素的影响,很难用简单公式进行估算,往往需采用实炉测试方法加以确定,并由试验结果摸索降低NO_x的方法。但现场实炉测试工作量大,测试工况有限,各参数对NO_x排放均有影响,且互相叠加,导致数据分析困难,而无法根据实测结果获得估算公式和具体计算模型,不能将试验结果进一步推广。 本文在分析了燃煤锅炉NO_x生成和破坏机理的基础上,讨论了影响燃煤锅炉NO_x排放的各因素。以某台200MW电站锅炉为研究对象,利用正交试验原理设计了锅炉优化燃烧试验方案,并在该锅炉上进行了热态试验;在试验数据的支持下,利用人工神经网络的非线性动力学特性和自学习特性,采用LM算法训练神经网络,取得了较快的收敛速度和预测精度。由此建立了燃煤锅炉NO_x排放特性的预测模型、燃煤锅炉飞灰含碳量预测模型、燃煤锅炉高效低NO_x运行模型(燃烧优化模型),并通过锅炉的实测数据验证了模型的准确性。 由于燃煤锅炉的燃烧优化模型是一个高度非线性模型,且各优化变量的变化区间受锅炉安全稳定运行限制,因而传统优化算法很难求解。本文在在综合比较各种优化算法的基础上,结合文中数学模型的特点,选用实数编码的遗传算法作为数学模型求解的方法,并在编码方式和算子设计方面作了相应的改进。针对燃煤锅炉高效低NO_x运行两个方面的要求,引入成本系数将锅炉的高效和低NO_x两方面要求统一在适应度函数中,从而将多目标优化问题转化为单目标优化问题求解。算例分析和实炉验证结果表明,该方法可针对锅炉热效率和NO_x排放的不同优化目标,给出可行的调整锅炉各操作参数的优化控制方案。