[发明专利]基于BP神经网络预测循环流化床锅炉最佳工作温度的方法

说明书

技术领域

本发明涉及一种基于BP神经网络预测循环流化床锅炉最佳工作温度的方法。

背景技术

循环流化床锅炉技术是近十几年来迅速发展的一项高效低污染清洁燃烧技术。国际上这项技术在电站锅炉、工业锅炉和废弃物处理利用等领域已得到广泛的商业应用，并向几十万千瓦级规模的大型循环流化床锅炉发展；国内在这方面的研究、开发和应用也逐渐兴起，已有上百台循环流化床锅炉投入运行或正在制造之中。未来几年将是循环流化床飞速发展的时期。

循环流化床锅炉系统通常由流化床燃烧室(炉膛)、循环灰分离器、飞灰回送装置、尾部受热面和辅助设备等组成。循环流化床锅炉系统通常由燃烧系统和汽水系统所组成，燃料在锅炉的燃烧系统中完成燃烧过程，循环流化床的燃料及脱硫剂经多次循环、反复地进行脱硫反应，具有低NO_x排放量，脱硫效率高，而且具有燃料适应性广、负荷调节性能好、灰渣易于综合利用等优点，在国内以及国际上使用较广泛，推广较迅速。

床层温度是一个直接影响锅炉能否安全连续运行的重要控制参数，同时也直接影响着锅炉运行中的脱硫效率及NO_x的产生量。操作员对床层工作温度的设定带有很强的随意性，考虑的因素过少，往往导致流化床锅炉的床层温度忽高忽低，进而燃料无法充分燃烧，脱硫效率较低，造成不必要的环境污染。

循环流化床锅炉的燃烧控制较为复杂，是一个具有强干扰、非线性、时变、多变量相关联的过程，燃料量、石灰石量、一次风量、二次风量等现场变量都对燃烧过程有影响，控制精度低，对锅炉的最佳工作温度的预测是难点，在实际的生产过程中确定流化床锅炉的最佳工作温度是提高燃烧效率，提高脱硫效率的关键，目前调节锅炉的工作温度的设定主要通过操作人员的经验，存在以下不足：

1、操作员的主观臆断性太强；

2、操作员的操作具有明显的滞后性；

3、硫化床工作温度波动较大、稳定性差；

4、煤的燃烧率达不到理想的最高值，浪费能源。

发明内容

本发明为了解决上述问题，提出了一种基于BP神经网络预测循环流化床锅炉最佳工作温度的方法，本方法利用BP神经网络方法预测热电厂流化床锅炉的最佳工作温度，进而能够给操作人员提供流化床锅炉的最佳工作温度这一关键参数，提高燃烧效率，提高脱硫效率，减少硫化物的排放量，达到节能减排的目的。

为了实现上述目的，本发明采用如下技术方案：

一种基于BP神经网络预测循环流化床锅炉最佳工作温度的方法，包括以下步骤：

(1)根据热电厂循环流化床锅炉的实际运行情况，选取燃料量x₁、石灰石量x₂、一次分量x₃、二次风量x₄作为BP神经网络模型的输入，将循环流化床锅炉的最佳工作温度作为BP神经网络的输出；

(2)记录并存储现场的历史数据并作滤波处理，选取这些数据作为训练集样本，确定BP神经网络的输入层节点个数、隐含层结点个数、权值和阈值参数；

(3)通过BP神经网络的方法结合输入参数进行分析计算，得到预测出的热电厂流化床锅炉的最佳工作温度；

(4)进行仿真测试，将通过预测的结果与现场的实际结果进行比对分析。

所述步骤(1)中，具体方法为：根据热电厂循环流化床锅炉的实际运行情况，分析相关的输入输出量，通过仿真实验，筛选出能够对循环流化床最佳工作温度进行分析的变量，作为BP神经网络模型的输入，将循环流化床锅炉的最佳工作温度作为BP神经网络的输出，最终选取燃料量x₁、石灰石量x₂、一次分量x₃、二次风量x₄作为输入，流化床最佳工作温度y₁作为输出。

所述步骤(2)中，具体方法包括：

(a)记录并存储现场的历史数据并作滤波处理，选取这些数据作为训练集样本，训练集样本共有4组，分别为燃料量训练集、石灰石量训练集、一次风量训练集、二次风量训练集；