● 摘要
我国主要化石能源经济可采储量中，煤炭所占比重超过94%，我国以煤炭为主的能源消费格局在较长时间内将难以改变。火电行业占我国煤炭消耗总量约60%。随着我国经济的发展火电装机总容量持续增加，随之而来的是有害气体污染物排放增加带来的环境压力，火电行业的节能减排对我国实现低碳经济、可持续发展有重要意义。
本论文基于对炉膛燃烧辐射特征的在线检测，实现对燃煤热值及氮氧化物排放的在线预测；同时进行了电厂燃烧系统工况参数与氮氧化物排放间的回归分析，建立氮氧化物线性预测模型以及基于神经网络和支持向量机的非线性预测模型。论文所取得的主要研究成果如下：
1、提出了基于燃煤火焰辐射特征监测的在燃煤热值预测方法，实验结果表明，燃烧辐射特征与入炉燃煤热值间存在典型的非线性相关关系，非线性模型较线性模型有更好的预测能力。
2、提出了基于统计分析和启发式搜索算法的回归分析算法。实验结果表明，统计分析方法的应用能够将非线性回归模型对燃煤热值的预测能力提高两倍以上。其中，偏最小二乘方法能够“辨识”出无用的输入变量，在达到最佳预测效果的同时将输入变量的维数减小到约1/3。另外，实验结果表明模型结构的优化选择能够有效提高对于回归模型的预测能力，这包括燃煤热值预测模型中支持向量机模型惩罚因子、不敏感系数及核函数参数的合理选择，以及基于神经网络的热值预测非线性模型中隐层神经元的合理选择
3、建立了用于氮氧化物排放的统计回归模型，实现通过工况参数对氮氧化物排放进行预测。实验结果证明了模型的有效性，其中，基于原工况参数的神经网络模型在所有线性、非线性预测模型中具有最小测试误差。
论文所进行燃煤热值的在线预测研究对于电厂优化燃烧克服控制系统的迟滞后性、提高热效率减少污染物排放具有重要的意义。
关键词：煤质, 燃烧辐射, 氮氧化物排放, 特征挖掘, 在线监测
相关内容
相关标签