基于模糊神经网络的燃煤锅炉炉膛结渣特性研究

当前,我国电力行业仍以煤炭为主要能源消耗品,加之电站锅炉常用燃煤中的硫含量与灰分较高,易造成受热面的积灰和结渣,而炉膛严重结渣将限制锅炉出力,威胁机组运行的经济性与安全性,因此,开发一种全面、综合的结渣预测模型对锅炉炉膛结渣程度有效监测非常关键.将模糊数学理论与BP神经网络相结合,构建适用于燃煤电站锅炉炉膛结渣特性判定的模糊神经网络.在选择输入评判指标时,从煤灰本身考虑其结渣特性,同时将无因次炉膛最高温度纳入模型,考虑锅炉运行情况,使判别依据更加全面,共选取了分辨率较高且最具代表性的6个因素作为本模型的输入判别指标.采用4种不同类型的隶属函数,将判别指标模糊化后,作为模糊神经网络的模型输入,并与不进行模糊化处理的神经网络对比,根据统计学原理,选用出现概率最大的结果作为最终评判指标,增加预测结果的精确度.针对华能秦岭电厂660 MW超临界锅炉BMCR负荷运行时炉膛结渣情况,采用构造好的炉膛结渣模糊神经网络模型进行预测.结果表明,该机组在燃用华亭煤时,炉膛结渣判别指标软化温度、硅比、硅铝比、碱酸比、综合指标、炉膛无因次最高温度分别为1 220℃、58.71、1.63、0.48、2.55、0.982,为重度结渣.在适当掺烧黄陵1号煤时,各项指标则分别为1 255℃、71.02、2.04、0.31、2.15、0.958,为中等结渣,因此可采用掺烧优质煤来改善炉膛结渣状况.该模型预测结果准确,为综合评价锅炉炉膛的结渣特性提供了新方法.