鍋爐風煙系統過剩氧量特性建模技術

張鵬宇

摘 要：火電廠機組容量的不斷提高，對鍋爐燃燒系統的控制與運行優化就有著更加高的要求，風煙系統過剩氧量的測量與控制直接關系到對鍋爐燃燒系統的優化水平。

關鍵詞：鍋爐；風煙系統；過剩氧量；軟測量技術；神經網絡

中圖分類號：TK229.6 文獻標識碼：A 文章編號：1006-8937（2015）26-0074-01

本文介紹了過剩氧量建模的現狀與發展，通過對鍋爐運行過程的機理分析，分析了影響鍋爐風煙系統過剩氧量的因素。

基于軟測量建模方法，采用神經網絡模型對風煙系統過剩氧量進行建模。文中以鍋爐不同穩態工況和變負荷過渡工況采集的歷史運行數據作為神經網絡的訓練樣本，使用BP神經網絡模型對氧量進行建模，取得了良好的效果。

該文建立的模型可用于送風系統的優化控制，具有一定的工程實用意義。

1 背景及研究內容

火力發電廠是工業中耗煤量較大的用戶之一，每年耗煤總量占國家原煤產量的五分之一以上。因此，提高鍋爐效率、降低煤耗、節約能源是電力系統的一項重要任務。為了使鍋爐保持最佳燃燒工況，必須使空氣量與燃料量的比例合適，這個比例稱為過剩空氣系數。

由于目前直接測量和控制過剩空氣系數還很困難，所以只能采用間接的測量方法。

通常用連續測量煙氣中氧氣含量的方法來了解過剩空氣系數，以判斷燃燒狀況，控制進入爐膛的空氣量，從而維持最佳的風煤比，達到優化燃燒的目的。

2 BP神經網絡建模原理

BP神經網絡，即誤差反傳誤差反向傳播算法的學習過程，由信息的正向傳播和誤差的反向傳播兩個過程組成。……