氣煤混燒機組性能算法研究.pdf

1、隨著我國經濟發(fā)展模式的轉型，節(jié)能減排成為國內諸多高能耗企業(yè)面臨的一項重要任務，電力行業(yè)作為節(jié)能減排的重點行業(yè)，將面臨更大的壓力和挑戰(zhàn)。鋼鐵行業(yè)作為節(jié)能減排的另一重點行業(yè)，利用副產煤氣（主要是高爐煤氣）發(fā)電是其實現能耗和環(huán)保指標的重要措施。
　　機組性能指標作為衡量電廠及其設備運行經濟狀況的重要指標，其準確快速的計算可以方便電廠運行人員及時作出調整，以實現機組的最優(yōu)化運行。本論文以某鋼鐵自備電廠的五臺機組為研究對象，參照國內外相關技

2、術標準，對燃氣-蒸汽聯合循環(huán)機組、氣煤混燒機組、純燒氣機組的性能指標計算方法進行了系統(tǒng)的總結；同時瞄準低熱值高爐煤氣的規(guī)?；瘧茫瑓⑴c了該電廠五臺機組進行的50多個現場試驗和10多個參考試驗，計算得出了0、4號機組的負荷-煤耗特性和1、2、3號機組的負荷、高爐煤氣摻燒率與供電煤耗的雙變量特性曲面函數，為系統(tǒng)的描述機組性能以及為電廠負荷燃料的優(yōu)化分配提供了理論依據。在試驗數據基礎上，分析了氣/煤混燒機組中摻燒高爐煤氣對鍋爐經濟性的影響、各

3、種類型機組運行優(yōu)化調整與性能改善、節(jié)能減排與降低煤氣放散率等問題，為實現高爐煤氣100％回收利用、減少煤炭等一次能源的消耗提供了基礎數據。
　　作為氣煤混燒機組性能計算的傳統(tǒng)方法，涉及較多離線數據，做一個試驗所需時間長、試驗費用多，且不能實時在線計算機組煤耗，一旦某個參數測點損壞，其性能計算結果就無法反映機組的真實狀況，因此不太適合在線的節(jié)能降耗經濟性管理。論文描述了利用BP神經網絡非線性映射方法對某電廠氣煤混燒機組煤耗進行仿真的

4、過程。通過對輸入參數選取、輸入參數個數、學習樣本組數、隱層結點個數、學習率與動量因子組合等模型結構參數的討論，建立起適合仿真汽機熱耗和鍋爐效率的復雜物理過程的優(yōu)化BP神經網絡模型，通過利用試驗數據進行學習訓練，結果表明，選取與仿真對象強關聯的參數作為輸入參數能夠得到較高的仿真精度；對于15個左右輸入參數的神經網絡模型，20個隱層節(jié)點數就能夠得到較優(yōu)地仿真結果；學習率和動量因子大小搭配使用才能夠平穩(wěn)達到學習精度。論文最后利用汽機熱耗和鍋爐