燃煤电站锅炉的燃烧优化技术及相关算法应用研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-19页 |
| ·引言 | 第10-12页 |
| ·课题相关背景 | 第12-15页 |
| ·研究的原因及意义 | 第15-17页 |
| ·课题研究的主要内容 | 第17-18页 |
| ·本章小节 | 第18-19页 |
| 2 锅炉燃烧优化相关算法概述 | 第19-27页 |
| ·非线性预测建模方法的基本原理 | 第19-21页 |
| ·BP神经网络简介 | 第19-20页 |
| ·SVM回归算法简介 | 第20-21页 |
| ·LS-SVM回归算法简介 | 第21页 |
| ·优化算法的基本原理 | 第21-23页 |
| ·遗传算法简介 | 第21-23页 |
| ·差分进化算法简介 | 第23页 |
| ·建模方法 | 第23-24页 |
| ·优化策略 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 3 基于非线性预测建模方法的比较分析 | 第27-34页 |
| ·影响因素分析及模型输入参数的选取 | 第27-28页 |
| ·非线性预测模型的建模过程 | 第28-31页 |
| ·基于BP神经网络建模 | 第28-29页 |
| ·基于支持向量机和遗传算法建模 | 第29页 |
| ·基于最小二乘支持向量机和遗传算法建模 | 第29-30页 |
| ·不同算法的模型性能对比分析 | 第30-31页 |
| ·煤质指标因素对预测建模的影响 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 4 燃烧优化系统中煤质元素预测模型 | 第34-40页 |
| ·煤质元素分析的DE-SVM预测模型 | 第34-38页 |
| ·煤质样本数据预分析 | 第34-36页 |
| ·基于DE-SVM方法的预测建模 | 第36-38页 |
| ·模型比较 | 第38-39页 |
| ·本章小节 | 第39-40页 |
| 5 基于混煤掺烧的锅炉燃烧特性建模 | 第40-53页 |
| ·研究对象 | 第40-41页 |
| ·燃烧特性指标的影响因素分析 | 第41-47页 |
| ·锅炉燃烧中飞灰含碳量的影响因素 | 第42-43页 |
| ·锅炉燃烧中排烟温度的影响因素 | 第43-44页 |
| ·NOX的影响因素及控制技术 | 第44-47页 |
| ·基于混煤掺烧的预测建模 | 第47-52页 |
| ·样本数据的获取及分析 | 第47-48页 |
| ·基于混煤掺烧的飞灰含碳量预测建模 | 第48-49页 |
| ·基于混煤掺烧的排烟温度预测建模 | 第49-50页 |
| ·基于混煤掺烧的NOX排放浓度预测建模 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 6 燃煤电站锅炉中的燃烧优化应用 | 第53-61页 |
| ·基于混煤掺烧的飞灰含碳量优化 | 第53-56页 |
| ·基于混煤掺烧的高效燃烧优化 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 7 全文总结与展望 | 第61-65页 |
| ·全文总结 | 第61-62页 |
| ·今后展望 | 第62-65页 |
| 参考文献 | 第65-70页 |
| 作者简历 | 第70页 |
