基于RBF神经网络的军粮城发电厂锅炉燃烧优化分析与改造
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 锅炉燃烧系统神经网络优化的意义 | 第8-9页 |
| 1.2 神经网络技术的发展 | 第9-11页 |
| 1.2.1 神经网络技术发展的历史 | 第9-10页 |
| 1.2.2 神经网络的模型结构 | 第10页 |
| 1.2.3 神经网络的学习方式 | 第10-11页 |
| 1.3 锅炉燃烧优化的发展现状 | 第11-14页 |
| 1.3.1 DCS锅炉自动控制系统 | 第11页 |
| 1.3.2 基于单一指标参数的燃烧优化系统 | 第11-12页 |
| 1.3.3 基于指标参数组的神经网络燃烧优化系统 | 第12-14页 |
| 第二章 基于RBF神经网络燃烧优化方法 | 第14-22页 |
| 2.1 燃烧优化神经网络类型的选择 | 第14页 |
| 2.2 燃烧优化神经网络原理 | 第14-16页 |
| 2.2.1 燃烧优化神经网络中参数的选择 | 第15页 |
| 2.2.2 燃烧优化神经网络的算法设计 | 第15-16页 |
| 2.3 网络分析所需参数的测量 | 第16-17页 |
| 2.3.1 由DCS中采集的数据 | 第16-17页 |
| 2.3.2 由独立测量装置及实验取得的数据 | 第17页 |
| 2.4 确定输出期望值所需计算公式 | 第17-19页 |
| 2.4.1 锅炉损失 | 第18-19页 |
| 2.4.2 供电煤耗 | 第19页 |
| 2.4.3 机组排放NOx含量 | 第19页 |
| 2.5 军电燃烧系统的构成 | 第19-22页 |
| 第三章 基于RBF的军电燃烧优化实验分析 | 第22-43页 |
| 3.1 军电燃烧系统性能摸底实验 | 第23-39页 |
| 3.1.1 习惯运行工况摸底实验 | 第23-25页 |
| 3.1.2 氧量调整试验 | 第25-29页 |
| 3.1.3 燃尽风(OFA)开度调整实验 | 第29-31页 |
| 3.1.4 二次风配风方式调整实验 | 第31-33页 |
| 3.1.5 一次风压力调整实验 | 第33-35页 |
| 3.1.6 磨煤机出力特性试验 | 第35-36页 |
| 3.1.7 磨煤机风量特性试验 | 第36-37页 |
| 3.1.8 磨煤机出口温度调整实验 | 第37-39页 |
| 3.1.9 磨煤机投运方式调整实验 | 第39页 |
| 3.1.10 训练前性能摸底实验总结 | 第39页 |
| 3.2 网络训练实验 | 第39-43页 |
| 3.2.1 各段负荷中心点的确定 | 第39-41页 |
| 3.2.2 初始权值的确定 | 第41-43页 |
| 第四章 神经网络燃烧优化软件设计 | 第43-48页 |
| 4.1 系统硬件结构 | 第43页 |
| 4.2 锅炉燃烧优化软件结构和数据接口 | 第43-45页 |
| 4.2.1 软件系统组成模块 | 第43页 |
| 4.2.2 软件系统数据接口 | 第43-44页 |
| 4.2.3 软件系统结构 | 第44-45页 |
| 4.3 优化系统核心算法设计 | 第45页 |
| 4.4 神经网络优化软件功能设计 | 第45-47页 |
| 4.4.1 优化系统功能设计 | 第45-46页 |
| 4.4.2 发布系统功能设计 | 第46-47页 |
| 4.5 燃烧优化经济效益分析 | 第47-48页 |
| 第五章 结论 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
