产品概述
锅炉是一个典型的多输入、多输出系统，而且各种因素相互耦合，关系错综复杂，往往需要专业人员通过多工况的燃烧调整试验以获得不同优化目的的最佳操作方式。大量实践经验表明，通过燃烧优化调整可以获得如下效果：①锅炉最高的燃烧效率[1]；②锅炉最低的氮氧化物排放量[2]；③锅炉最佳的防结渣运行方式[3]；④最小的炉膛出口烟温偏差以防止受热面爆管[4]；⑤汽温问题的解决[5]等。这些优化过程都需要专业人员进行大量的或正交、或单因素轮回的试验，耗时耗力。而且由于锅炉燃用煤种往往多变，锅炉设备因为大修而更换等原因导致原有的优化试验结果偏离最优值或无效，如操作人员仍根据原有的优化运行规程进行燃烧调整，必然会造成偏差。
电站锅炉燃烧优化控制系统利用分散控制系统（DCS)采集实时数据，结合人工神经网络的非线性动力学特性和自学习特性，通过对锅炉输入参数和输出特性的样本学习，建立大型电站燃煤锅炉运行特性的神经网络模型，并利用遗传算法实现锅炉的低NOx燃烧优化运行指导，从而有效的降低电厂供电煤耗和NOx排放。
功能与特色
系统功能
- 该系统通过与DCS的有机结合，通过闭环控制的方式进行燃烧优化调整。
- 该系统为多目标多变量优化系统，用户可以根据机组的实际情况选择优化回路，通过投切优化回路变换，实现系统灵活配置。
- 该系统为开放式系统，用户可根据电厂实际情况加入优化对象，实现对后续对象的优化。
- 该系统具有动态预测功能。
- 提供离线仿真功能。该系统可以用来查找模型的失谐和提供偏差扰动的纠正能力。同时，神经网络燃烧优化系统可以采用动态反馈来升级模型，通过使用动态反馈，可以迅速地消除扰动偏差、模型的失谐以及传感器的噪声。
系统特色
系统作为一种高级优化控制系统"它依赖于机组现有DCS进行过程及协调控制，同时工作在独立的微机上。不会对机组现有DCS的安全及联锁进行干预，不改变机组原有DCS的控制思想。同时，它还有如下特点
- 它是基于多变量(MV'S)的多目标(CV's)综合优化;
- 它是对机组进行实时在线优化，提供机组的优化预测功能;
- 实现闭环控制，真正与DCS融合;
- 优化的控制策略是基于整个机组大量试验的基础上，因此:①其优化步长适度，是安全的;②考虑了变量的延迟特性，是高效的。
- 重要优化目标参量可以根据用户需要进行自由扩展，系统具有良好的开放性。
典型用户
相关资源
点击下载相关资料
联系我们
了解更多详情，请联系我们。
