锅炉运行经济性分析

锅炉运行经济性分析 毕业设计（论文）题目： 锅炉运行经济性分析 学生姓名： 陈国宇学 号： 103213320班 级: 热动1033专 业： 电厂热能动力装置指导教师： 黄锋 2013年04月 锅炉运行经济性分析学生姓名： 陈国宇学 号： 103213320班 级： 热动1033所在院(系): 动力工程系指导教师： 黄锋 完成日期: 2013-04-20超临界电站锅炉运行热经济性优化研究摘要随着我国改革开放的不断深入，经济的持续、快速的发展，同时也带动了电力工业进入了快速发展时期，燃煤的消耗也日益增加。电站锅炉热力系统作为火电机组的一个重要的组成部分，它的经济性在很大程度上影响了整个火力发电厂运行的经济性，负荷变化时，电站锅炉热力系统的经济性要发生很大的变化。因此，对锅炉可控因素进行优化是火电厂经济运行的重要目标。本文基于电厂锅炉燃烧系统优化问题，针对锅炉燃烧系统网络建模方法进行分析与研究。本文通过正、反平衡计算原理，分析出影响锅炉运行经济性的重要因素；针对某电厂600MW四角切圆燃煤锅炉的飞灰含碳量特性，应用人工神经网络的非线性动力学特征及自学习功能，建立了大型四角切圆燃烧锅炉飞灰含碳量特性的神经网络模型，并进行验证；同时采用遗传算法对锅炉热效率进行优化，获得最佳锅炉运行参数，初步实现了锅炉运行热经济性的最优，为机组的优化运行提供了依据。关键字：锅炉；热经济性；优化；神经网络；遗传算法SUPERCRITICAL POWER PLANT BOILER THERMAL ECONOMIC OF OPTIMIZED RESEARCHABSTRACTWith the deepening of Chinas reform and opening up, the sustained, rapid economic development, but also led to the electric power industry has entered a period of rapid development, the coal consumption is increasing. Power plant boiler heat system as an important component of thermal power units, its economy is largely affected the economy of the entire thermal power plants running, load change, the economy of the power station boiler heat system has greatly changed. Therefore, optimization is an important goal of the economic operation of thermal power plant boiler uncontrollable factors. Based on the boiler combustion system optimization, network modeling approach for the boiler combustion system analysis and research. Through the principle of positive and negative balance calculation to analyze the important factor to affect the economy of boiler operation; characteristics of fly ash carbon content of the circular coal-fired boilers for a power plant 600MW four corners cut, nonlinear dynamical characteristics of the application of artificial neural networks and self-learning function, the establishment of TANGENTIALLY fired boiler fly ash carbon content characteristics of neural network model, and validation; using genetic algorithms to optimize boiler thermal efficiency, the best boiler operating parameters, the initial realization of boiler operation the optimum thermal economy, provides a basis for the optimization of operation of the unit.Key words: boiler; optimization; neural networks; genetic algorithms; thermal economization目 录第1章 绪论. 1 1.1 课题的背景和意义 1 1.2 国内外研究现状 2 1.3 本课题的主要内容 3第2章 电站锅炉经济性能分析与模型的建立.4 2.1 常用的锅炉效率计算模型与各项热损失分析.4 2.1.1 锅炉输入、输出法（正平衡）效率计算模型4 2.1.2 热损失法（反平衡）锅炉效率计算模型7 2.1.3 ASME PTC标准下热损失法（反平衡）锅炉效率计算简化模型12 2.2 影响锅炉运行经济性的因素分析.13 2.3 本章小结.16第3章 基于BP神经网络的锅炉运行参数预测17 3.1 人工神经网络.17 3.1.1 BP神经网络简介.17 3.1.2 BP神经网络的实现工具matlab介绍.17 3.2 飞灰含碳量的BP神经网络模型的建立.18 3.2.1 飞灰含碳量测量辅助变量的选择18 3.2.2 飞灰含碳量BP神经网络模型结构的确定.18 3.2.3 飞灰含碳量BP神经网络模型的建立.19 3.3 实际、仿真及结果对比分析.24 3.4 本章小结.24第4章 锅炉运行热经济性参数的优化.25 4.1 遗传算法简介.25 4.1.1 遗传算法的起源25 4.2 利用遗传算法对神经网络训练结果进行寻优.26 4.3 燃煤锅炉热效率的优化结果.28 4.4 本章小结.31第5章 结论及展望32 5.1 本文的主要工作和特点.32 5.2 后续工作的展望.32参考文献.34致谢.36附录A MATLAB中锅炉飞灰含碳量的编码程序.37附录B 建模训练仿真数据表.39 锅炉运行经济性分析 第1章 绪论1.1 课题的背景和意义 能源是国民经济的重要物资基础之一。节约能源，降低能耗，是我国的一项长期的基本国策。在人类当今所使用的能源中，大约有百分之九十九的来自煤炭、天然气、石油等化石矿物资源，这些资源在地球上的储量是有限的，而且是不可再生。 同时在当今社会中很多的国家和地区，都是用的燃煤机组，“十一五”规划之后，很多地区响应国家的号召实行“上大压小”的政策降低能源消耗，减少污染排放，压缩落后生产能力。这就促使国家关掉了很大一部分的小机组。现在600MW及以上的超临界的燃煤机组已经成为了火力发电厂的中坚力量，而电站锅炉热力系统又是火力发电机组的一个重要组成部分，它的经济性在很大程度上也影响了整个火力发电厂运行的经济性，负荷变化时，电站锅炉热力系统的经济性要发生很大的变化。合理优化电厂锅炉热经济性是每个火力发电厂迫在眉睫的事情。这不仅与电厂的经济效益挂钩，而且与保护环境，节能减排又有着千丝万缕的联系。因此，对锅炉可控因素进行优化是火电厂经济运行的重要目标。电站锅炉热力系统是火电机组的一个重要组成部分，它的经济性在很大程度上也影响了整个火力发电厂运行的经济性，负荷变化时，电站锅炉热力系统的经济性要发生很大的变化。因此，对锅炉可控因素进行优化是火电厂经济运行的重要目标，对此进行研究也就具有很大的现实意义。（1）研究锅炉运行热经济性优化意义及目的锅炉效率的高低直接反映了锅炉经济性的好坏，锅炉效率是由多个因素决定的，包括锅炉墙壁的隔热性，风煤比的投入，锅炉的灰飞含碳量，煤粉的低位发热量等等。其中锅炉的飞灰含碳量和煤粉的低位发热量是影响锅炉效率的最重要指标。（2）锅炉飞灰含碳量对锅炉效率的影响影响燃煤锅炉飞灰含碳量过高的因素很多，例如锅炉燃用煤种、设计安装水平、锅炉运行操作水平都是其影响因素，这就很难采用简单的公式进行估算，往往需采用实炉测试方法加以确定并摸索降低如何控飞灰含碳量的运行方法。但实炉测试工作量大，测试工况有限，各运行参数和煤种对锅炉飞灰含碳量都存在影响，互相叠加，导致数据分析困难。而锅炉燃用煤种和操作参数千变万化，不可能保证在试验工况下运行，导致偏离燃烧调整获得的最佳工况下而无法获得最低的飞灰含碳量。相对而言，影响锅炉热效率的其他几项热损失根据运行参数可以有明确的计算公式可以求得，影响因素比较简单。获得飞灰含碳量与煤种和运行参数之间的关系对于锅炉的运行优化是有意义的。（3）低位发热量对锅炉效率的影响单位质量的燃料在完全燃烧时所发出的热量称为燃料的发热量，高位发热量是指1Kg燃料完全燃烧时放出的全部热量，包括烟气中水蒸汽已凝结成水所放出的汽化潜热。从燃料的高位发热量中扣除烟气中水蒸汽的汽化潜热时，称燃料的低位发热量。低位发热量因为最接近工业锅炉燃烧时的实际发热量，常用于设计计算。通过相关计算，当低位发热量不变的情况下灰分每升高1%，固体末完全燃烧损失升高0.058%；当低位发热量每降低500kJ/kg，影响固体末完全燃烧损失由0.0438%至0.0856%间有加速升高趋势。如不考虑其它因素影响，当入炉煤由设计值低位发热量21350kJ/kg、收到基灰分31.5%，降至14706kJ/kg对应收到基灰分44.78%时，假定其它指标不变的情况下锅炉效率降低1.8842%。因此，通过对锅炉的飞灰含碳量以及燃煤的低位发热量的计算研究对锅炉的经济运行起着至关重要的作用。同时，在本文中通过一定的分析发现任何影响锅炉效率的因素，均可转化为相应飞灰含碳量与锅炉效率的影响因素，所以在本文当中，我采用的是BP人工神经网络建模的方法来分析锅炉的灰飞含碳量。1.2 国内外研究现状我国开展节能优化的工作已经几十年的历史，电站锅炉热力系统是火电机组的一个重要的组成部分，它的经济性在很大程度上也影响了整个火力发电厂运行的经济性，负荷变化时，电站锅炉热力系统的经济性要发生很大的变化。同时在这个期间各电厂提高锅炉运行经济性的手段和措施主要有以下几个方法：(1)控制煤粉细度合格。煤粉细度的规格有很大的影响，它主要由磨煤机钢球装载数量，分离器效率及一次风压决定。此方法，对于目前技术而言，难度比较大。(2)合理控制制粉系统的启起与停止。因为磨煤机启停在运行时影响比较大，尤其是停止制粉运行时，因制粉系统风量的不稳定及磨煤机料位的波动，导致造成飞灰量增大。但是针对不同煤种，磨煤机的出口温度也有严格的限制，所以这样就导致了此类方法的局限性。 (3)提高一次风温，限制一次风的数量，有利于迅速完全燃烧。增加了燃烧速度和进入空气预热器的风量，达到了降低排烟温度和飞灰可燃物含碳量、提高锅炉效率的目的。但是一次风温会随着负荷的变化而变化。会给整个系统带来不利影响。(4)足够的燃烧时间。锅炉负荷不能过高，炉膛负压适当。(5)选择合适的过剩空气系数。过剩空气系数太大，一方面造成排烟损失，同时降低燃烧区温度，影响燃烧效果。过小，氧量不足，达不到完全燃烧。现在锅炉的经济性研究逐渐把重心转移到锅炉的灰飞含碳量以及煤粉的低位含碳量，这是锅炉效率的具体体现。而研究这些参数需要用基于神经网络建模的方法。神经网络的魅力在于它超强的映射能力，单层感知机可实现分类，多层前向网络则可以逼近任何非线性函数。1.3 本课题的主要内容本论文的电站锅炉热力系统是火电机组的一个重要的组成部分，它的经济性在很大程度上也影响了整个火力发电厂运行的经济性，负荷变化时，电站锅炉热力系统的经济性要发生很大的变化。因此，对锅炉可控因素进行优化是火电厂经济运行的重要目标。课题的主要内容如下：（1）完善超临界直流锅炉经济性的分析模型的推导与理论证明，实现电站锅炉经济性能分析与监测；（2）建立直流锅炉飞灰含碳量特性的数学模型；（3）对锅炉各运行参数进行优化。第2章 电站锅炉经济性能分析与模型的建立本章重点介绍锅炉效率计算模型，并对所介绍的模型进行了比较，通过系统的比较得到了锅炉效率计算简化模型。以完善超临界直流锅炉经济性的分析模型的推导与理论证明及实现电站锅炉经济性能分析与监测。2.1 常用的锅炉效率计算模型与各项热损失分析能源作为国民经济重要物资基础之一，我国电厂每年都有14的煤炭用于发电。节约能源，降低能耗，是我国的一项长期的基本国策。在这个大的背景下，目前我国发电总装机容量和总发电量位于世界前列，但是，我国人均装机容量不到世界人均水平的一半，与发达国家相比，我们国家的发电煤耗非常高。在目前我们国家以煤为主的能源消费格局下短时间是不会改变的，国家能源的供应又十分紧张，提高火力发电业的节能意思和加强能源能效管理，降低煤耗就成为了迫在眉睫，势在必行的事。锅炉作为火电机组的重要设备之一，电站锅炉的运行性能直接影响整个机组的经济效益，电站锅炉系统的主要经济性能指标又是锅炉效率。进入锅炉的燃煤在并不能得到充份燃烧放热，又同时燃烧放出的热也并不能完全被利用来得到水蒸气的情况下，提高锅炉燃烧效率是提高锅炉经济性的重要手段，也是锅炉燃烧优化的重要目标。锅炉效率计算的正、反平衡法，主要是以锅炉设备的输入和输出热量以及各项热损失的能量平衡为基础。正平衡法，也称为输入、输出法，即由直接测量的锅炉输入和输出热量，来求出锅炉效率的方法；反平衡法，也称为热损失法，由已确定的各项热损失，来求出锅炉效率的方法。针对上述两种计算方法，目前国内常用的有ASME PTC和GB PTC两个计算标准。ASME PTC是美国机械工程师学会的电站性能试验规程，GB PTC是中国国家标准的电站性能试验规程。 2.1.1 锅炉输入、输出法（正平衡）效率计算模型针对正平衡法锅炉效率计算，两个标准基本相同。计算公式如下： （2-1）式中: 锅炉效率，%； 锅炉输出热量，； 锅炉输入热量，； （2-2）式中：锅炉燃料消耗量，； 根据实验室分析并经过实验室测定的燃料水分修正所得的应用基的热量，； 除了炉燃料的化学热之外，附加入锅炉机组的热量的总和，； （2-3）式中：来自暖风器之类设备的空气所提供的热量，； 雾化蒸汽提供的热量，； 以燃料显热形式提供的热量，； 在热平衡范围内由辅助设备作功所提供的热量，； 由进入锅炉机组的空气带入的水提供的热量，。按下式计算： （2-4）式中：空预器进口温度下空气的比热，； 空预器进口温度，； 基准空气温度，； 对应于单位入炉燃料的磨煤机冷风量，； 磨煤机冷风温度，； 对应于单位入炉燃料的干空气量，。 （2-5）式中：测得的雾化蒸汽流量，； 在测量点处的压力和温度下，雾化蒸汽的焓，； 基准温度下的饱和蒸汽焓，。 （2-6）式中：燃料的平均比热，； 燃料进口温度，。 （2-7）式中：蒸汽流量，； 供驱动辅助设备用的蒸汽焓，； 排汽焓，； 总的传动效率，包括汽轮机和齿轮箱的效率。对于电动的辅助设备，所提供的热量为： （2-8）式中： 为总的传动效率，包括电动机效率、电力和液力联轴节效率及齿轮箱效率。 （2-9）式中： 单位空气中水蒸汽含量，； 进入锅炉机组的空气流量，； 蒸汽的平均比热，。 2.1.2 热损失法（反平衡）锅炉效率计算模型针对反平衡法锅炉效率计算，则差别比较大，则下面将分开介绍其相应的计算模型：ASME PTC标准下反平衡法效率计算如下： （2-10）式中： 锅炉总的热损失，； 煤的应用基低位发热量，； 每单位入炉燃料以显热形式带入锅炉总的物理热，。锅炉总的热损失L的组成如下： （2-11）式中： 飞灰比率； 炉渣比率； 飞灰可燃物含量； 炉渣可燃物含量； 煤的应用基灰分。(1)干烟气热损失 （2-12）式中： 烟气温度； 干烟气量； 烟气平均比热； 参考温度。(2)入炉燃料中水分引起的热损失 （2-13）式中： 煤的应用基水分，%； 烟气中相应水蒸气分压力和出口温度下的焓，； 基准温度下饱和水焓，。(3)氢燃烧生成的水分热损失 （2-14）式中： 煤的应用基氢，%。(4)空气中水分引起的热损失 （2-15）式中： 单位质量干空气中水的质量，； 对应入炉燃料的干空气量； 基准空气温度下饱和蒸汽焓。(5)未燃尽碳生成一氧化碳造成的热损失 （2-16）式中： 一氧化碳在干烟气中的容积百分数，%； 二氧化碳在干烟气中的容积百分数，%； 实际烧掉的碳。(6)表面辐射和对流引起的热损失 （2-17） 式中： 散热辐射损失修正系数由ASME表查得； 空气速度修正系数； 煤的发热量。(7)其他热损失 （2-18）所以总的热损失为： （2-19）如不考虑输入锅炉物理热，则锅炉效率为 （2-20）GB PTC标准下反平衡法效率计算如下： （2-21） 式中： 单位燃料的排烟损失热量，； 单位燃料的可燃气体未完全燃烧损失热量，； 单位燃料的固体不完全燃烧损失热量，； 单位燃料的锅炉散热损失热量，； 单位燃料的灰渣物理显热损失热量，； 单位燃料的锅炉输入热量，。 (1)排烟损失热量 锅炉排烟损失热量为末级热交换器后排出的烟气带走热。按下式计算： （2-22） 式中： 干烟气带走的热量，； 烟气所含水蒸气的显热，。 （2-23） 式中： 排烟温度，； 基准空气温度，； 干烟气的平均定压比热，； 单位燃料生成的干烟气体积，。按下式计算： （2-24） 式中： 按应用基燃料成分，由实烧掉的碳计算的理论燃烧干烟气量，。 （2-25） （2-26） （2-27） 式中： 分别为燃料应用基碳、硫、氮和灰分质量含量百分率，；分别为炉渣、飞灰、沉降灰、漏煤中灰分含量占燃煤总灰量的质量百分率，；分别为炉渣、飞灰、沉降灰、漏煤中含碳量，； 按应用基燃料成分，由实际燃烧掉的碳计算的理论燃烧所需干空气量，。 （2-28） 式中： 分别为燃料应用基硫、氢、氧质量含量百分率，； 实测排烟过量空气系数，按下式计算： （2-29） 式中： 分别为排烟的干烟气中氧、甲烷、一氧化碳和氢的容积含量百分率，。 （2-30） 式中： 水蒸气平均定压比热，； 烟气中所含水蒸气容积，； （2-31）式中： 空气的绝对湿度，； 雾化蒸汽流量，； 燃料应用基水分质量含量百分率，。 (2)可燃气体未完全燃烧损失热量 （2-32） 式中： 分别为排烟中未完全燃烧产物的含量。 (3)固体未完全燃烧损失热量 （2-33） 式中：中速磨煤机排出的煤矸石量，； 煤矸石的实测低位发热量，； (4)散热损失热量 （2-34） 式中：额定蒸发量下的散热损失，可根据图表查得； 锅炉的额定蒸发量； 锅炉效率测定时的实际蒸发量，。 (5)灰渣物理损失热量 （2-35） 式中 分别为炉渣、飞灰及沉降灰的比热，； 由炉膛排出的炉渣温度，；由烟道排出的沉降灰的温度，可取为沉降灰斗上部空间的烟气温度，； 2.1.3 ASME PTC标准下热损失法（反平衡）锅炉效率计算简化模型上节中以对两种方法分别在不同标准下的锅炉效率计算模型进行了计算，但由于这种计算方法都因为受煤的低微发热量、锅炉入煤煤量、飞灰含碳量及元素分析等多参数测量量的约束，很难实现真正意义上的在线计算，从而无法满足实际实时运行指导需求。下面则为了便于在线计算，以指导锅炉实时实际运行状况并对ASME PTC标准下热损失法进行了适当简化，简化计算模型如下：(1)干烟气损失 （2-36）式中： 排烟过剩空气系数； （2-37）(2)水分热损失 （2-38）式中： 水蒸气平均比热，简化计算时可以取常数代替；(3)末燃尽碳热损失 （2-39）式中： 飞灰可燃物含量，； 炉渣可燃物含量，；(4)辐射和对流损失 （2-40）(5)其它热损失 （2-41）热损失总和 （2-42）则锅炉效率 （2-43）式中： 排烟温度，； 冷空气温度，；是与有关的系数 （2-44） （2-45） （2-46） （2-47）对于ASME PTC标准下得到的简化模型来计算锅炉效率，有如下特点；(1)计算简化，其相应的减少了计算绝对湿度，以及根据煤质分析来计算干烟气量的过程，提高了计算效率。(2)测量简化，除煤质分析外，测点数目由14个减少到5个，即：飞灰可燃物、煤的发热量、排烟温度、排烟氧量、冷空气温度等(3)计算误差同标准计算程序相比，较小，能基本满足计算要求。2.2 影响锅炉运行经济性的因素分析电站锅炉是利用其燃料（煤）燃烧过程中释放出的热能或其他热能给水加热，从而获得规定参数（ 温度、压力） 和规定品质的蒸汽的设备。锅炉是火力发电厂三大主要设备之一。提高锅炉经济性相应的也就提高了整个电厂的经济性；其次，锅炉又是一次能源大户，而当今世界一次能源供应日益紧张，所以必须注意降低能耗，提高效率以节约能源。因此提高电站锅炉经济性迫在眉睫。锅炉运行经济性会随着给水温度、过量空气系数、锅炉负荷及锅炉受热面的清洁度等条件变化而变化，锅炉运行经济性又体现在锅炉效率上，前面章节已得到了在锅炉运行当中，锅炉效率主要与排烟氧量（过热空气系数）、锅炉排烟温度、飞灰含碳量以及空气预热器漏风等有关系55。下面则对相应对其影响因素进行分析：(1)飞灰含碳量的影响由图2-1可以看出，随着飞灰含碳量的增大，锅炉效率降低，二者之间有接近线性的关系。同时飞灰含碳量的多少与锅炉 燃烧调整有直接的关系，煤种、煤粉细度和过量空气系数对其飞灰含碳量的影响很大。图2-1 飞灰含碳量与锅炉燃烧效率的关系(2)排烟温度的影响运行中常用氧量信号监测过量空气系数，过量空气系数直接影响燃烧过程和排烟热损失。在一定的负荷范围内，当炉膛出口处的空气过量系数增大时，气体不完全燃烧损失和固体不完全燃烧损失可以得到降低，但是排烟损失却会增大，也使送、引风机耗电量增大。 图2-2 过量空气系数与飞灰含碳量的关系由图2-2可知，当烟气含氧量的变化，即过量空气系数的变化时，将引起飞灰含碳量的变化，从而直接影响到锅炉效率。(3)给水温度的影响给水温度的降低，在一定程度上可以使锅炉排烟温度降低。但同时为了维持一定的蒸发量，必须增加燃料量，这样又会使各部烟温升高两种影响综合作用的结果是不仅使锅炉的经济性降低，还有可能引起锅炉受热面发生结渣。而且，给水温度降低，会使汽轮机组热耗率增大。总的来说，给水温度低于设计值对电厂运行的经济性和安全性都是不利的。(4)空气预热器漏风的影响空气预热器的漏风对锅炉效率有着直接的影响，烟气流经空气预热器，与漏风混合形成锅炉排烟。如果以空气预热器入口处的烟气含氧量为基准，在其他参数不变的条件下，可以根据效率模型，计算漏风对锅炉效率的影响。由图2-3可得，空预器入口氧量与飞灰含碳量之间也存在着某种线性关系，从而也直接影响了锅炉的燃烧效率。飞灰含碳量/% 空预器入口氧量/%图2-3 空预器入口氧量与飞灰含碳量的关系综上所诉，在任何影响锅炉效率的因素通过一定的分析，都可以转化为相应飞灰含碳量与锅炉效率的影响因素。所以飞灰含碳量对锅炉效率的影响研究将在下一章着重分析。2.3 本章小结本章主要讲了正平衡法和反平衡法两种常用的锅炉效率计算模型方法。在针对锅炉各项热损失及其各种影响因素的前提下，得出了ASME PTC标准下热损失法（反平衡）锅炉效率计算简化模型，并分析了飞灰含碳量和排烟温度、给水温度及空气预热器漏风等这些相应量变化对锅炉经济性的影响，得出了飞灰含碳量对锅炉的影响的重要性，则为下一章飞灰含碳量的模型建立打下了基础。第3章 基于BP神经网络的锅炉运行参数预测3.1 人工神经网络 3.1.1 BP神经网络简介人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型，由大量的简单处理单元互联而成的自适应、非线性信息处理系统。通过输入信号在各个神经元间的传递，来获得输出，同时可以模拟人类大脑神经网络结构和行为，并具有高度的非线性，且系统可以从大量现有存在的知识样本中，通过学习从而提取出有效地知识和规则，对其自身不断完善、发展和创新。目前最为广泛使用的是BP神经网络，它是一中单向性传播的多层前馈神经网络，BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层、隐层和输出层。 3.1.2 BP神经网络的实现工具matlab介绍MATLAB是矩阵实验室的简称，是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。人工神经网络可以通过软件和硬件的方式来实现。硬件的方式就是神经计算机。而目前本文采用的，而大多数使用的还是软件的方式。而MATLAB提供的神经网络工具箱也是大多数采用的，其中最为使用广泛的是BP算法比较和模糊逻辑与神经网络。MATLAB 神经网络工具箱介绍：之所以广泛被使用是因为其提供了非常多的工具箱,其中神经网络工具箱是以人工神经网络理论为基础,用MATLAB 语言构造出了该理论所涉及的矩阵操作、公式运算和方程求解等大部分子程序,来用于神经网络设计与训练。用户只需根据自己的需要调用相关程序,免除了自己编写庞大而复杂的算法程序的麻烦。同时里面还包含了现有的许多神经网络成果，分别是：感知器模型、自组织网络模型、BP网络模型、线性滤波器等。其内容丰富，备受使用者喜爱。同时，其中的一些函数是通用的，几乎可以运用于任何类型的神经网络。3.2 飞灰含碳量的BP神经网络模型的建立 3.2.1 飞灰含碳量测量辅助变量的选择在建立BP网络模型前，首要解决的是输入层与输入变量的选择。如果变量的选择数目过小，则不能完全反映过程变化的特点，变量数目太多，同样也会导致“过于参数化”并造成计算结果比较大的误差。前面章节中通过机理的分析详细的介绍了与飞灰含碳量有关的辅助变量。从而本文选用的输入层的输入变量为：燃料风开度、燃烧器摆角、过剩空气系数、煤种特性、一次风总压。在输入层的输入变量的基础上，如何确定采样的数据是一个非常重要的问题。首先学习各种条件下的有关的生产过程的各种工况，以确定辅助变量的取值范围，收集的样本空间，要尽量覆盖整个操作范围，选择一个样本，在样本空间，应该有一定的代表性，此外，样本大小选择每个功能点也应该是适中，均匀数据。因此，收集来的样本数据要具均匀性、代表性和精简性。 3.2.2 飞灰含碳量BP神经网络模型结构的确定对于任意一非线性或非线性的映射来说，都可以使用三层式向前神经网络对其进行实现。所以本文可以采用一个三层的BP神经网络建立预测数学模型。在确定输入层变量有五个之后，神经网络的设计采用五输入单输出的三层前馈网络。输入层分为5个神经元，分别是煤种特性、燃烧器摆角和过剩空气系数（烟气含氧量）、一次风总压和燃料风开度。根据本文的设计按照公式，则m=2,3,4,5。如m太少会较大的大减少模型的精确度，同时，如果太多，会增加网络连接权数，增加其计算量，从而容易出现现隐层的神经元过于冗余现象。所以这次考虑到模型精确度和计算的简易操作，并根据多次实验比较，文中将取m=5。BP神经网络结构图如下图3-1所示图3-1 BP神经网络结构图 3.2.3 飞灰含碳量BP神经网络模型的建立使用BP神经网络来建立预测数学模型, 一般有两步: 1)建立神经网络的结构; 2) 使用大量学习样本来训练网络,即确定权值和阈值。而衡量权值和阈值的一个重要指标就是最小均方误差 (目标值与实际输出值的差值的平方和) , 如果该值小于期望的误差那就是理想的结果。上小节，确定了网络结构，接下来，就得使用样本中一部分，用来来训练所建的神经网络。其样本集中共有十二组数据，其中挑选九组来作为训练样本集合，将剩下的三组来作为仿真的验证样本。同时，输入变量可以用矩阵的形式读入。接着，网络训练采用MATLAB 工具来实现, 并用MATLAB工具箱自带的traingdm（）函数进行训练。接着整个学习过程则按以下步骤进行： （1）初始化，归一化处理各输入输出参数，并给各连接权值和阈值赋予（-1,+1）间的随机值； （2）随机选取一输入、出模式供给网络； （3）用输入模式、连接权值和阈值来计算隐层各单元的输入，接着再用S函数来计算中间层各单元的输出；（4）用上步得出的隐层输出、连接权值和阈值来计算输出层各单元的输入，再用S 函数来计算输出层各单元的响应，所得则为飞灰含碳量的预测参数； （5）用锅炉运行的实际值和网络实际输出的值来计算输出层各单元的一般化误差； （6）用连接权值、输出层的一般化误差、中间层的输出于计算中间层各单元的一般化的误差； （7）用输出层各单元的一般化的误差、中间层各单元的输出来修正连接权和阈值； （8）用中间层各单元的一般化误差、输入层各单元的输入来修正连接权和阈值； （9）随机选出下一个样本学习模式供给网络，然后返回到步骤（3），直到全部被用于训练网络的样本模式对训练结束； （10）重新从样本中选取一个模式对，然后返回步骤（3），直到网络全局误差函数E小于预设的一个极小值或者网络学习回数大于预设值，即网络无法收敛，到此结束学习。隐层神经元输出讲采用tansig函数，输出层神经元的输出则采用purelin线性函数，运用快速BP算法Traingdm训练前馈网络。由于采样点仅为9个，所以精度要求的取值相对比较小，所以取精度要求的值为0.005，学习速率为0.05，动量系数为0.9。这次将通过10000 多次迭代运算能量函数值来达到精度要求，从得到网络的全部参数。Matlab编程的m文件如下：（1）数据的输入。（2）转置归一化处理输入数据。（3）BP神经网络的建立以及BP神经网络的训练学习。（4）训练曲线误差曲线 训练曲线和目标曲线训练次数5000次，完成到0.0200077 目标0.005图3-1 5000次模拟下的飞灰含碳量训练曲线误差曲线 训练曲线和目标曲线训练次数6224次，完成到0.00499988，目标0.005图3-2 10000次模拟下的飞灰含碳量训练曲线（5）代入验证样本，调用traingdm训练BP神经网络模型仿真。3.3 实际、仿真及结果对比分析表3-1 实际、仿真结果对比表数据组实际值(%)仿真值(%)相对误差（%）1232.1054.564.482.08924.62624.57820.751-1.451-2.192通过观察表3-1可以得出，第一组数据对应的仿真误差比较小，且与实际值相比仿真值有较小的减少。第二三组数据误差都控制在了百分之三以内，基本实现了BP神经网络建模。在现实实际生产中飞灰含碳量对于电厂锅炉的经济运行和安全方面都有着重要的意义，所以所要求的精确度将会更高。由于本文只是基本的阐明基于BP神经网络的建模步骤、方法及可行性上，所以，为了满足更高精确度是可以尝试如下操作：（1）加大训练样本的容量。样本容量越多其精确度越高。（2）改变隐层神经元个数。目前选取隐层神经元个数没有非常好的办法，基本上都是靠经验，所以可以改变相应个数，并针对每个逐个建模来求得最佳最合适的神经元个数。3.4 本章小结本章分别介绍了BP神经网络、及BP神经网络的实现工具，且相应的介绍其相应功能。为建立飞灰含碳量的BP神经网络模型选取合适的并合理的辅助变量，并确定相应的BP神经网络模型结构图，最终建立了其飞灰含碳量BP模型，并将此用于了飞灰含碳量的仿真训练当中。最后利用matlab工具箱别写出了模型程序，得到了相应的仿真值，并与实际相比分析，提供了多种适应更高精确度的可行性操作。同时，本章的飞灰含碳量BP神经网络模型的建立及其相应理论知识为下一章锅炉运行热经济参数优化打下了坚实的基础。第4章 锅炉运行热经济性参数的优化本章在利用上章节人工神经网络技术实现飞灰含碳量与运行参数关系的建模工作的基础上，结合遗传算法对神经网络训练结果进行寻优，对锅炉热效率最优化运行技术进行了研究，实现对锅炉运行热经济性参数的优化。4.1 遗传算法简介遗传算法是一种模拟自然界生物进化优胜劣汰的全局随机搜索的方法。这种数值优化方法是在上个世纪的六七十年代被提出，同时到了进一步的发展，其主要思想来源是达尔文的生物进化理论和遗传学的基本知识。 4.1.1 遗传算法的起源达尔文的进化理论是生物学史上的一个重要里程碑，它解释了自然选择作用下生物的渐进式变化，其内容主要包括遗传、变异、选择三个方面。遗传就是亲代把生物信息交给子代使其具有和亲代相同或者相似的特征；变异是指亲代和子代之间或者子代的个体之间的差异，通过变异来保持生命和种群多样性，其发生具有随机性；选择即自然界中的生存斗争和适者生存，对生存环境适应性强的个体被保留下来而不具备适应性的个体被淘汰，经过一代代生存环境的选择作用，物种变异定向朝着一个方向积累，于是性状逐渐和原先的祖先不同，演变为新的物种。通过不断的遗传、变异和选择，物种不断被进化和发展。遗传算法从本质上来看是一种基于概率搜索的随机寻优算法，其模拟自然界优胜劣汰的进化现象，把搜索空间映射为遗传空间，把可能的解编码成一个向量染色体，向量的每个元素成为基因。遗传算法将所产生的染色体进行适应度评价，适应度好的染色体有更多繁殖遗传的机会，适应度差的染色体被逐渐淘汰，这样就可以进行寻优过程。遗传算法的主要特点是:（1）直接对结构对象操作，不存在求导和函数连续性的限定；（2）遗传算法不是从单个点，而是从一个点的群体开始搜索；（3）具有内在的隐并行性和较好的全局寻优能力；（4）采用概率化寻优方式，能自动获取搜索过程中的有关知识并应用于指导优化，自适应地调整搜索方向，不需要确定规则；（5）鲁棒性较强。遗传算法特别适用于处理复杂优化问题，主要应用于函数优化、组合优化、神经网络、机器学习等众多领域，本文的研究重点在于利用遗传算法对神经网络训练结果进行寻优。4.2 利用遗传算法对神经网络训练结果进行寻优利用一个21 个输入节点，1 个输出节点，24个隐节点的BP 网络来模拟锅炉飞灰含碳量与锅炉运行参数和燃用煤种之间的关系，获得了良好的效果，并证明了采用人工神经网络对锅炉这种黑箱对象建模的有效性。人工神经网络的输入采用锅炉负荷、省煤器出口氧量、各二次风挡板开度、燃尽风挡板开度、燃料风挡板开度、各磨煤机给煤量、炉膛与风箱差压、一次风总风压、燃烧器摆