電站鍋爐燃燒系統(tǒng)軟測量及穩(wěn)態(tài)優(yōu)化研究

電站鍋爐燃燒系統(tǒng)軟測量及穩(wěn)態(tài)優(yōu)化研究

ID:33661035

大?。?.81 MB

頁數(shù):71頁

時(shí)間:2019-02-28

電站鍋爐燃燒系統(tǒng)軟測量及穩(wěn)態(tài)優(yōu)化研究_第1頁
電站鍋爐燃燒系統(tǒng)軟測量及穩(wěn)態(tài)優(yōu)化研究_第2頁
電站鍋爐燃燒系統(tǒng)軟測量及穩(wěn)態(tài)優(yōu)化研究_第3頁
電站鍋爐燃燒系統(tǒng)軟測量及穩(wěn)態(tài)優(yōu)化研究_第4頁
電站鍋爐燃燒系統(tǒng)軟測量及穩(wěn)態(tài)優(yōu)化研究_第5頁
資源描述:

《電站鍋爐燃燒系統(tǒng)軟測量及穩(wěn)態(tài)優(yōu)化研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、摘要隨著火電行業(yè)對節(jié)能降耗減排的關(guān)注,電站鍋爐燃燒優(yōu)化課題越來越受到人們的重視。燃燒過程中某些重要工況參數(shù)(例如飛灰含碳量)目前無法直接精確測量,需要通過軟測量建模技術(shù)加以解決;實(shí)施穩(wěn)態(tài)優(yōu)化時(shí)也首先要建立目標(biāo)函數(shù)(例如熱效率、NOx排量)與鍋爐運(yùn)行參數(shù)間的數(shù)學(xué)模型。鍋爐燃燒過程具有強(qiáng)非線性、多變量等特點(diǎn),傳統(tǒng)的線性建模方法無法滿足要求,迫切需要研究和應(yīng)用新型的建模方法。本文首先介紹了一種適合小樣本學(xué)習(xí)、計(jì)算速度快的最小二乘支持向量機(jī)(LSSVM)回歸方法,建立了飛灰含碳量LSSVM軟測量模型;隨后將局部學(xué)習(xí)思想引入軟測量研究,并采用一種改進(jìn)的核函數(shù)實(shí)現(xiàn)了模型參數(shù)

2、自動(dòng)優(yōu)化,仿真研究表明局部LSSVM軟測量模型具有更高的預(yù)測精度。采用主元分析(PCA)對LSSVM建模數(shù)據(jù)進(jìn)行預(yù)處理,可以消除變量間線性相關(guān)性、簡化LSSVM模型結(jié)構(gòu),構(gòu)成PCA.LSSVM軟測量方法。鑒于工業(yè)數(shù)據(jù)中存在的異常點(diǎn)會(huì)影響PCA和LSSVM回歸結(jié)果,本文提出一種基于魯棒化PCA的加權(quán)LSSVM(RPCA.WLSSVM)軟測量方法,仿真研究表明該軟測量模型具有更好的預(yù)測精度和魯棒性。最后,本文基于LSSVM建模和序貫二次規(guī)劃算法進(jìn)行了穩(wěn)態(tài)燃燒優(yōu)化研究。首先進(jìn)行飛灰含碳量單目標(biāo)優(yōu)化實(shí)驗(yàn),并分析了優(yōu)化結(jié)果的合理性;針對提高熱效率和降低NOx排放之間存在矛

3、盾,提出一種多目標(biāo)燃燒優(yōu)化方案:分別建立熱效率、NOx與鍋爐運(yùn)行參數(shù)之間的LSSVM模型,基于評價(jià)函數(shù)法構(gòu)造混合優(yōu)化目標(biāo),采用序貫二次規(guī)劃算法計(jì)算可調(diào)參數(shù)最優(yōu)值,仿真研究表明了該優(yōu)化方案的有效性。關(guān)鍵詞:飛灰含碳量軟測量最小二乘支持向量機(jī)局部學(xué)習(xí)主元分析異常點(diǎn)魯棒化主元分析加權(quán)最小二乘支持向量機(jī)序貫二次規(guī)劃穩(wěn)態(tài)燃燒優(yōu)化A舂ST炙ACTABSTRACTWiththeconcerningaboutenergysavingandemissionreductionofthermalpowerindustry,thecombustionoptimizationissues

4、arereceivingincreasingattentions.Someimportantparameters(suchasunburnedcarboninflyash)cannotbemeasuredaccurately,whichrequirestheuSeofsofi—sensormodelingtechnology;inaddition,thefirststeptooptimizethecombustionprocessisbuildingmathematicalmodelsbetweentheobjectivefunctions(suchasther

5、malefficiency,emissionsofnitrogenoxides)andtheoperationparameters.Duetothemulti—variableandnon-linearcharacteristicsofthecombustionprocess,traditionallinearlymodelingmethodscallnotbequalified,thusitisurgenttostudyandapplynewmodelingtechnology.Thepaperfirstlyintroducedtheleastsquaress

6、upportvectormachine(LSSVM)regressionthatischaracteristicofsmallsampleandquicklearning,andestablishedasoftsensormodelofunburnedcarboninflyash;thenlocallearningideologyWasappliedinthesoftsensormodeling,whereallimprovedformofthekernelfunctionWasusedtoidentifyautomaticallythemodelparamet

7、ers,theulmimatesimulationexperimentshowedthatlocalLSSVMsoftsensormodelhashigherpredictionaccuracycomparedtothegloballearningone.Principalcomponentanalysis(PCA)CanbeuSedtopre-processthemodelingdataofLSSVMtoeliminatelinearcorrelationbetweenvariablesaswellastosimplifytheLSSVMmodelstruct

8、ure,whichals

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時(shí)聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。