燃煤火力发电机组是我国的主力电能供应者，但燃煤锅炉也是造成环境污染的重要固定污染源，煤炭的开采和运输过程，火电厂锅炉燃烧中释放的大量氮氧化物（NOx)、可吸入微小固体颗粒、二氧化硫都造成环境的严重污染，同时火电厂也排放出大量的二氧化碳，造成地球温室效应的增加。提高锅炉效率和降低锅炉的污染排放一直是电力工业的两个重要问题。锅炉效率的提高一方面可以增加电力企业的经济效益，另一方面可以使单位发电量的耗煤量、二氧化碳、氮氧化物、二氧化硫排放量都下降。而采用各种降低污染物排放的措施，则能够使锅炉的污染排放绝对值明显下降。

锅炉的燃烧效率和污染物排放特性是由两个方面决定的，一是锅炉的设计制造水平；二是锅炉的操作运行水平。目前大型电站普遍采用分散控制系统（DCS)实现电力生产的自动控制，但炉内燃烧过程由于牵涉到复杂的物理和化学反应过程，对其机理尚未完全了解透彻，锅炉的燃烧在线优化问题仍是电力企业十分欠缺的一个方面。

锅炉是一个典型的多输入、多输出系统，而且各种因素相互耦合，关系错综复杂，往往需要专业人员通过多工况的燃烧调整试验以获得不同优化目的的最佳操作方式。大量实践经验表明，通过燃烧优化调整可以获得如下效果：①锅炉最高的燃烧效率[1]；②锅炉最低的氮氧化物排放量[2]；③锅炉最佳的防结渣运行方式[3]；④最小的炉膛出口烟温偏差以防止受热面爆管[4]；⑤汽温问题的解决[5]等。这些优化过程都需要专业人员进行大量的或正交、或单因素轮回的试验，耗时耗力。而且由于锅炉燃用煤种往往多变，锅炉设备因为大修而更换等原因导致原有的优化试验结果偏离最优值或无效，如操作人员仍根据原有的优化运行规程进行燃烧调整，必然会造成偏差。

锅炉燃烧优化控制系统利用分散控制系统（DCS)采集实时数据，结合人工神经网络的非线性动力学特性和自学习特性，通过对锅炉输入参数和输出特性的样本学习，建立大型电站燃煤锅炉运行特性的神经网络模型，并利用遗传算法实现锅炉的低NOx燃烧优化运行指导，从而有效的降低电厂供电煤耗和NOx排放。

点击下载相关资料

了解更多详情，请联系我们