基于智能优化算法的电站锅炉燃烧优化

基于智能优化算法的电站锅炉燃烧优化

ID:34875577

大小:6.73 MB

页数:64页

时间:2019-03-13

基于智能优化算法的电站锅炉燃烧优化_第1页
基于智能优化算法的电站锅炉燃烧优化_第2页
基于智能优化算法的电站锅炉燃烧优化_第3页
基于智能优化算法的电站锅炉燃烧优化_第4页
基于智能优化算法的电站锅炉燃烧优化_第5页
资源描述:

《基于智能优化算法的电站锅炉燃烧优化》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、-哉;释纖瞧竿編穿黑,‘’—、?,-心;乂*‘;一:>,人二、记/:、杂、一、-;±学位论文、:’{溫.硕^-S于旨能體算法自袖站W纖體iMr-U村litoilerCombus村onOtyBpimizationBasedon.InteUigentOptimizationAlo州:hm每g^^8脚賴’心<^1U:;听:V?’‘'>,.r,;;〇媒.,.'‘、-‘飞‘i‘7’六公VL*4-,'{、J-V\<、、- ̄**LV\、",式,f井中一广VLf、■巧,矣

2、*_/立t、,,'三京J广,‘'—'、’?'''>?I’,‘,、、/';;‘:,/、?/2015年3月三^,、.双识、作’八弘,巧接转轉穀‘‘‘-、‘;"'、‘八,、i’义,鴻。,托測矜,f—f,^冷‘4u::,:!沪晒^国内图书分类号;TK227.1学校代码:10079国际图书分类号:621.1密级;公开硕±学位论文基于智能仇化算法的电站锅妒燃烧优化硕±研究生:张振星导师;孙保民教授申请学位;工学硕±学科;动力工程及其工程热物理专业:热能工程所在学院;能源动力与机

3、械工程学院答辩日期;2015年3月授予学位单位;华北电力大学ClassifiedIndex:TK227.1U:.D.C的1.1ThesisfortheMasterDereegUtilitBoilerCombustionOtimizationBasedonypIntellientOtimizationAlorithmgpgZhanZhenxinCandidate:ggSuervisor:Prof.SunBaominpSchoolofEnerPowerandMechanicalSc

4、hool:gyEnineeringgMarch2015Da,teofDefence:--nDegreeConferringInstitution:NorthChinaElectricPowerUiversity华北电力大学硕±学位论文原创性声明本人郑重声明;此处所提交的硕±学位论文《基于智能优化算法的电站锅炉燃烧优化》,是本人在导师指导下,在华北电力大学攻读硕±学位期间独立进行研究工作所取得的成果。据本人所知,论文中除已注明部分外不包含他人己发表或撰写过的研巧成果。对本文的研究工作做出重要贡献的个人巧集体,均已在文中!

5、^明确方式注明。本声的法律结果将完全由本入承担。作者签名:日期技年多月么巧华北电力大学硕±学位论文使用授权书《基于智能优化算法的电站锅炉燃烧优化》系本人在华北电力大学攻读硕±学位期间在导师指导下完成的硕±学位论文。本论文的研究成果归华北电为大学所有,本论文的研究内容不得W其它单位的名义发表。本人完全了解华北电力大学关于保、存,同意、使用学位论文的规定学校保留并向国家有关部口或机构送交论文的复印件和电子版本,同意学校将学位论文的全部或部分内容编入有关数据库进行检索,允许论文被查阅和借阅,学校可W为存在馆际合作关系的兄弟高校用户提供文

6、献传递服务和交换服务,。本人授权华北电力大学可W采用影印、缩印或扫描等复制手段保存、可W公布论文的全部或部分内容。""本学位论文属于(请在W上相应方框内打V):保密□,在年解密后适用本授权书不保密□作者签名:日期:从/巧若月>1?曰导师签名:日期:1〇/辟3>月从日摘要摘要燃煤电站锅炉不仅消耗大量的煤炭资源,也排放出了大量的大气污染物。在提高锅炉效率降低煤耗和控制污染物排放来缓解高耗能和重污染的突出问题上,基于智能算法的锅炉燃烧优化方法相比传统方法有其独特优势,可W为电站锅炉高效率低污染运行提供有效的指导。通

7、过分析300MW锅炉和1000MW锅炉的运行数据,利用支持向量回归机建立了NOJ非放SVM模型和锅炉热效率SVM模型,比较了基于RBF核画数和Smoidig核函数的模型性能(GA)和果蛹优化算法(FOA)对;分别采用自适应遗传算法模型参数进行优他,并比较了各自模型的泛化能为和预测精度性能,结果表明FOA优化的SVM模型更具有优势。建立好的锅炉NOy排放和锅炉热效率的SVM模型为基础,结合自适应遗传一,算法,在不考虑对效率影响的情况下单对NOx排放进行优化时,NO,排放水平在优化后能够得到大幅降低,但是与此同时也会造成锅炉

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。