| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 课题研究背景 | 第13-15页 |
| 1.1.1 NOx 的组成和危害 | 第13-14页 |
| 1.1.2 国内电站锅炉排放现状 | 第14页 |
| 1.1.3 我国NOx 排放法规和标准 | 第14-15页 |
| 1.2 本文研究的主要内容 | 第15-17页 |
| 第二章 低NOx 燃烧技术综述 | 第17-33页 |
| 2.1 国内外烟气脱硝技术的发展 | 第17-19页 |
| 2.2 燃烧过程中NOx 的形成机制 | 第19-21页 |
| 2.3 燃煤锅炉中的低NOx 燃烧技术 | 第21-25页 |
| 2.3.1 低氧燃烧 | 第21页 |
| 2.3.2 废气再循环 | 第21-22页 |
| 2.3.3 浓淡燃烧 | 第22页 |
| 2.3.4 空气分段燃烧 | 第22-23页 |
| 2.3.5 燃料分级燃烧 | 第23-24页 |
| 2.3.6 新型低NOx 燃烧器 | 第24页 |
| 2.3.7 其他燃烧技术 | 第24-25页 |
| 2.4 空气分段低NOx 燃烧技术研究 | 第25-31页 |
| 2.4.1 基本原理及分类 | 第25-27页 |
| 2.4.2 拟解决的关键问题 | 第27页 |
| 2.4.3 外高桥电厂300MW 机组应用实例介绍 | 第27-31页 |
| 2.4.3.1 锅炉概况及改造方案 | 第27-29页 |
| 2.4.3.2 预期成果 | 第29页 |
| 2.4.3.3 投运情况 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 BP 神经网络建模原理及其在燃煤锅炉低NOx 燃烧优化建模中的应用 | 第33-57页 |
| 3.1 人工神经网络概述 | 第33-36页 |
| 3.1.1 神经网络的基本概念 | 第33页 |
| 3.1.2 人工神经元模型 | 第33-35页 |
| 3.1.3 神经网络及工作方式 | 第35-36页 |
| 3.2 BP 神经网络建模原理 | 第36-43页 |
| 3.2.1 BP 网络拓扑结构 | 第36-37页 |
| 3.2.2 BP 网络算法及其改进 | 第37-43页 |
| 3.3 BP 网络的设计 | 第43-45页 |
| 3.3.1 BP 网络常用传递函数 | 第43-44页 |
| 3.3.2 隐层的设计技巧 | 第44页 |
| 3.3.3 误差的选取 | 第44-45页 |
| 3.4 利用BP 神经网络建立外高桥电厂300MW 机组燃煤锅炉NOx 排放特性预测模型 | 第45-56页 |
| 3.4.1 模型建立 | 第45-48页 |
| 3.4.2 试验结果与分析 | 第48-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第四章 遗传算法及其在燃煤锅炉低NOx 燃烧优化中的应用 | 第57-71页 |
| 4.1 遗传算法基本原理与方法 | 第57-59页 |
| 4.2 基于遗传算法的BP 神经网络 | 第59-61页 |
| 4.2.1 概述 | 第59-60页 |
| 4.2.2 用遗传算法学习神经网络权值 | 第60-61页 |
| 4.3 利用遗传算法优化外高桥电厂300MW 机组锅炉NOx 排放模型 | 第61-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第五章 300MW 机组电站锅炉低 NOx 燃烧数值模拟研究与分析 | 第71-90页 |
| 5.1 试验对象与方法 | 第71-72页 |
| 5.2 试验仿真与分析 | 第72-88页 |
| 5.2.1 省煤器出口氧量对NOx 排放的影响 | 第72-74页 |
| 5.2.2 飞灰含碳量对NOx 排放的影响 | 第74-76页 |
| 5.2.3 供电煤耗有对NOx 排放的影响 | 第76-78页 |
| 5.2.4 过热器进口烟气温度对NOx 排放的影响 | 第78-80页 |
| 5.2.5 SOFA 层档板开度对NOx 排放的影响 | 第80-82页 |
| 5.2.6 OFA 层档板开度对NOx 排放的影响 | 第82-84页 |
| 5.2.7 二次风档板开度对NOx 排放的影响 | 第84-86页 |
| 5.2.8 大风箱开度对NOx 排放的影响 | 第86-88页 |
| 5.3 燃烧配风方案设计 | 第88-89页 |
| 5.4 本章小结 | 第89-90页 |
| 第六章 全文总结与展望 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 致谢 | 第95-96页 |
| 攻读硕士学位期间已发表或录用的论文 | 第96-98页 |
