基于遗传神经网络和群体复合形法的配风方式对锅炉飞灰含碳量影响研究

利用优化递归的BP神经网络进行锅炉飞灰含碳量建模,并对锅炉二次风配风方式的影响进行敏感性分析,同时采用群体复合形法对运行工况寻优,获得各种工况下二次风开度的优化调整方式。优化递归神经网络是以遗传算法来确定神经网络的权值,克服了BP算法易陷入局部极小等缺陷,提高了网络学习速度和精度。通过对某台300 MW机组现场试验与计算表明,该方法可以指导运行人员进行二次风开度的优化调整,降低飞灰含碳量,同时也解决了锅炉变工况下运行参数基准值的问题。

基于群体复合形算法的电站锅炉燃烧的优化

采用群体复合形算法寻找锅炉燃烧模型的最优输入变量组合，使锅炉燃烧在此输入下飞灰含碳量最小．实现锅炉燃烧过程的优化，提高了经济效益，对环境的不利影响程度也降到最低。群体复合形法克服了传统复合形法易陷入局部最优解的缺陷。通过仿真计算，该算法用于求解锅炉燃烧优化问题是可行有效的。