基于自适应模糊推理辨识方法和果蝇优化算法的cfb锅炉燃烧优化-张文广.pdf
《基于自适应模糊推理辨识方法和果蝇优化算法的cfb锅炉燃烧优化-张文广.pdf》由会员分享,可在线阅读,更多相关《基于自适应模糊推理辨识方法和果蝇优化算法的cfb锅炉燃烧优化-张文广.pdf(7页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、第36卷第2期 动 力 工 程 学 报 V0136 No22016年2月 Journal of Chinese Society of Power Engineering Feb2016文章编号:16747607(2016)02008407 中图分类号:TK223 文献标志码:A 学科分类号:47010基于自适应模糊推理辨识方法和果蝇优化算法的CFB锅炉燃烧优化张文广1, 刊、亚洲2, 刘吉臻1, 高明明2, 陈 峰3(1华北电力大学新能源电力系统国家重点实验室,北京102206;2华北电力大学控制与计算机工程学院,北京102206;3北京国电智深控制技术有限公司,北京102200)摘 要:为提
2、高循环流化床(CFB)锅炉效率、降低污染物排放,利用国内某超临界CFB锅炉历史运行数据,基于自适应模糊推理辨识方法建立了锅炉效率、NO,和SOz排放特性的自适应模糊推理模型,提出了3种优化策略,使用果蝇优化算法对CFB锅炉运行工况的可调参数在一定范围内进行寻优,并进一步仿真验证了所提CFB锅炉燃烧优化方法的有效性结果表明:该模型用时较短、误差较小,对CFB锅炉的节能减排有重要借鉴意义关键词:CFB锅炉效率;NO。;S02;自适应模糊推理辨识方法;果蝇优化算法;燃烧优化Combustion Optimization of CFB Boilers Based on Adaptive FuzzyIn
3、ference Method and Fruit Fly Optimization AlgorithmZHANG Wenguan91,SUN Yazhou 2,LJUJizhenl,GAOMingming 2,CHEN Feng 3(1State Key Laboratory for Alternate Electrical Power System with Renewable Energy Sources,North China Electric Power University,Beijing 102206,China;2School of Control andComputer Eng
4、ineering,North China Electric Power University,Beijing 102206,China;3Beijing Guodian Zhishen Control Technology Co,Ltd,Beijing 102200,China)Abstract:To improve the combustion efficiency and reduce the pollutant emission of circulating fluidizedbed(CFB)boilers,soft measurement models were firstly est
5、ablished for the boiler efficiency and the emission of NO,and S02 based on adaptive fuzzy inference method using the historical data of a domestic supercritical CFB boilerThen,three optimization strategies were proposed based on above measurement modelsto optimize the adj ustable parameters of the C
6、FB boiler in a certain range using fruit fly optimization algorithm(FOA)Finally,the effectiveness of the combustion optimization method was further verified by numerical simulationResults show that the models proposed are fast in modeling and accurate in calculation,which may serve as a reference fo
7、r energy conservation and pollution reduction of CFB boilersKey words:CFB boiler efficiency;NO,;S02;adaptive fuzzy inference method;FOA;combustion optimization收稿日期:2015-0326 修订日期:2015-0520基金项目:国家重点基础研究发展计划(973计划)资助项目(2012CB215203);中央高校基本科研业务费专项资金资助项目(2015MS33)作者简介:张文广(1975一),男,山东海阳人,副教授,博士,研究方向为燃煤机组
8、燃烧优化电话(Tel):01061772843;Email:zwgncepuedue11万方数据第2期 张文广,等:基于自适应模糊推理辨识方法和果蝇优化算法的CFB锅炉燃烧优化燃煤发电成本中燃料成本一般要占70以上,提高锅炉燃烧过程的运行水平对机组的节能降耗具有重要意义2030年我国的供电煤耗目标为310 g(kWh),而目前我国火电平均供电煤耗达到321g(kWh),距离目标还有一定差距同时,大气污染中90二氧化硫、67氮氧化物均来源于燃煤从2014年7月起现有火力发电机组正式实施排放新标准,要求二氧化硫和氮氧化物排放限值分别为200 mgm3和100 mgm31在节能环保要求日益严格的情况
9、下,燃煤机组的燃烧优化控制是一种快捷、简单、有效的节能降耗措施阴。3循环流化床(CFB)燃烧技术是一项洁净煤燃烧技术,具有燃烧效率较高、燃料适应性广、氮氧化物排放少、石灰石炉内脱硫成本低和负荷调节范围大等突出优点,在近几十年内得到重视并快速发展然而由于CFB锅炉比普通煤粉炉有更多的变量参数,且各变量之间相互耦合严重,很难建立相应的机理分析模型4蜘随着基于电站锅炉运行数据的统计分析和数据挖掘等技术日益得到重视,电站锅炉燃烧优化技术进入了新的发展时期锅炉燃烧优化模型是进行燃烧优化的关键所在,目前主要方法有人工神经网络和支持向量机等91引笔者基于自适应模糊推理辨识方法建立相应CFB锅炉燃烧优化模型,
10、并对该模型进行仿真验证随后利用果蝇优化算法对锅炉效率以及NO,和SO。排放质量浓度进行多目标寻优,所提出的3种优化策略均能达到预定优化目标,对实际工程应用具有重要借鉴意义1 自适应模糊推理辨识方法1985年,Takagi和Sugeno提出了TS模糊模型,该模型的模糊规则后件是前件各输入变量的线性组合,该模型在许多实际问题中得到了成功运用其中较为成熟的方法有自适应神经模糊推理系统(ANFIS)方法和模糊聚类方法然而随着输入维数的增加,ANFIS方法存在“规则爆炸”的问题,模糊聚类方法也难以避免不必要的模糊规则和计算量,这2种方法都具有很大的局限性Mao等口胡提出基于树结构的自适应模糊推理辨识方法
11、,其主要思想就是对输入空间进行自适应划分,这就意味着在线性逼近误差和输出数据密度大的地方子空问划分精细,而在线性逼近误差和输出数据密度小的地方子空间划分粗糙,其输入空间的划分情况以一棵二叉树来形象描述模糊空间划分完毕即可得到如下一组规则R:如果z是N那么y,一(c,)7i,其中t。一T,T为二叉树的叶节点集合,C。,一c0,c,f0,C。,为线性参数,j为集合,N。,为模糊子空间上定义的模糊集合,对应的隶属度函数为N,(z)若将N,的归一化隶属度函数记为h bL即心b,一器,fEi从而得到TS模糊模型的输出5,表达式:多(z)一EF,(z)(c,)1王 (1),亍模糊规则中的线性参数C。,可以
12、使用最小二乘法求解:2 f;、=S+sx州了州一(x汁1 rfiSlXi+l(文州)TS, (2)1+(X汁1)7S,X。+1式中:i一0,1,M一1;S。一AJ,A为足够大的正数,J为单位矩阵;文t一斋ci2,1,亍掣(扪t,N,(z 7),亍Nr(z。)N,(z)f亍具体算法如下:(1)假设给出M组输入输出数据集合(z 2,y1),i一1,2,M,56 2 E R“,3,2 E R,最大叶节点数为L(2)确定模糊带的宽度口o,初始化模糊树根节点N,(z)三1,树的深度d一1根据式(2)求解线性参数(3)划分该节点,计算划分后左右子节点上的隶属度函数,求出所有叶节点上的线性参数(4)根据式(
13、3)计算均方根误差,如果均方根误差小于划分前模型输出的均方根误差R。驼,则保存此次划分,否则此次划分无效,处理当前层的下一个节点R。= (3)2果蝇优化算法目前,被应用于寻优的算法主要有遗传算法、蚁群算法、免疫算法和粒子群算法等,但都由于其各自的缺点:遗传算法容易出现早熟收敛,计算量大;蚁群算法过于复杂;免疫算法复杂、计算量大;粒子群算法容易陷入局部极点1 4I,导致上述算法不易被广泛应用于解决实际问题笔者所采用的果蝇优化算法+,汁dSr,(L万方数据动 力 工程学报 第36卷简单、易于实现、全局寻优能力较强、寻优精度高,比较容易应用于解决实际问题中,步骤153简述如下:(1)初始化果蝇种群个
14、数M、种群迭代次数N和随机初始果蝇群体的坐标位置z。和Y。(2)赋予果蝇个体利用嗅觉寻找食物的随机距离与方向:x zzam+Ran (4)IY,一Y。+R。,i一1,2,M其中,R。为区间一1,1中的随机值(3)计算果蝇个体到原点的距离D:和相应的味道浓度判定值S,:j Dt一x;+y; (5) LJlS,一1D,(4)将味道浓度判定值S:代入味道浓度判定函数,求出该果蝇个体位置的味道浓度值:S。e(i)一Fun(S,) (6)(5)找出该果蝇群体中味道浓度最佳的果蝇:6Sm。Il 6I。dex一rain(S。11) (7)(6)保留最佳味道浓度值与X、y坐标,并且fSb。一bs。llz。=X
15、(6I。dex) (8)【Y。一Y(6I。dex)(7)进行迭代寻优,重复执行步骤(2)步骤(5),判断味道浓度值是否优于前一次迭代若是,则执行步骤(6);若否,继续循环直到满足最大迭代次数3 CFB锅炉燃烧优化模型的建立31样本采集及预处理所用验证数据来自某超临界CFB锅炉的历史运行数据,如表1所示,其中V,A和V出为一次风门左、右挡板开度,;SEA和S。为上二次风门左、右挡板开度,;S。和S。D为下二次风门左、右挡板开度,;妒(O:)为烟气含氧量,;PE和Pn为床压和一次风压,kPa;Q为燃料热值,MJkg;m。为加入石灰石量,kg;T。为加入燃料总量,kg;t。为炉膛温度,;tE为外置床
16、温度,;t。为排烟温度,;ts为二次风温度,;啦为锅炉效率,;IDN0和P。分别为NO,和SO。排放质量浓度,mgm3由于样本集中输入参数的取值范围不同,参数大小不一,为使各参数所起作用大致相同,需要对输入数据进行归一化处理,即将样本数据归一化到一l,1内,归一化公式为 X一型坚婪堂X一忑i菊二盖面丽一 丁一式中:X和X分别为归一化前后的值(9)32模型结构所建立的自适应模糊推理模型结构如图1所示,输出变量分别为锅炉效率珈(通过文献16中的正平衡方法计算得出)以及NO,和S0:排放质量浓度,通过对CFB锅炉燃烧系统的动态特性进行分析,选取相应的变量参数作为各模型的输入变量33建模结果按照图1的
17、模型结构,分别选取相应变量参数对锅炉效率珈以及NO,和SO:排放质量浓度建立自适应模糊推理模型,选用200组工况数据进行建模,前190组数据作为训练样本,后10组数据作为预测样本图2图4为建模效果图一酬一一一一一一焉焉篡篡蘩一鬻量羔昶蛐一彬m一坞HMM内龇一,一=三万方数据第!期 张文广等:基于自适应模糊推理辨识方法和果蝇优化算法的CFB锅炉燃烧优化 87图1 CFB锅炉燃烧优化模型结构Fig1 Model structure for combustion optimization of theCFB boilerp。=_0DE蜊避蚓蜂辎靶oZ图2 CFB锅炉效率模型Fig2 Efficien
18、cy model of the CFB boiler时间s图3 CFB锅炉N0。排放质量浓度模型Fig3 Model for NO。emission concentration of the CFB boiler时间s图4 L、FB锅炉SO排放质鲢浓度模型Fig4 Model for S02 emission concentration of the CFB boiler由图2图4可以看出,所建立的自适应模糊推理模型对工况数据有着较好的拟合与预测效果为对比该模型的建模效果,分别建立Nq和SO:排放质量浓度的基于遗传算法的神经网络模型(GA-BPNN)表2给出了2种建模方法的数据对比由表2可知,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 自适应 模糊 推理 辨识 方法 果蝇 优化 算法 cfb 锅炉 燃烧 张文广
限制150内