一台10吨蒸汽锅炉,要求蒸汽供应压力1Mpa,锅炉热功率75%,所用煤低发热量5500大卡,一吨煤能产多少汽

  式中q2为排烟热丢失，q3为可燃气体不完全焚烧热丢失，q4为固体不完全焚烧丢失，q5为锅炉散热丢失，q6为其他热丢失。

  依据遗传算法的要求，确认锅炉热功率η为遗传算法的方针函数，用式（1）核算。对该300MW锅炉，使用DCS与厂内MIS网的接口按每6s下载各运转参数，包含排烟氧量、排烟温度、锅炉负荷、各二次风挡板开度、燃尽风挡板开度、燃料风挡板开度、各磨煤机给煤量、炉膛与风箱差压、一次风总风压、焚烧器摆角等。锅炉飞灰含碳量可由飞灰含碳量监测仪在线监测或人工取样剖析，燃用煤种由人工输入。这样锅炉的各项丢失即可在线取得，并从而核算出各运转工况下的锅炉实时热功率。将排烟氧量和煤种特性等影响锅炉排烟热丢失q2的参数按热功率核算，规范化为核算公式代入式（1），而影响q4的各参数选用人工神经网络模型代入式（1），其间炉渣含碳量对热功率影响由人工测验后输入。详细核算公式可拜见锅炉热功率核算规范。

  欧美蒸汽锅炉蒸发量标明中常注有：“at 212 ”字样，是说它的蒸发量是指212华氏度 的水蒸发为212华氏度 的蒸汽量， 也便是100℃的水蒸发为100℃的蒸汽量。这样1kg蒸发量相当于540kcal热量，咱们把它称作“当量蒸发量”，即： 1Ton/h = 54万kcal/h。

  现在锅炉运转往往依据实验调试人员针对锅炉的常用煤种进行焚烧调整，以取得最佳的各种锅炉运转参数供运转人员参阅，以此来完成锅炉的最大热功率。但这种办法会带来如下问题：①因为锅炉燃煤的多变性，针对某一煤种做调整实验取得的最佳操作工况或许与现在燃用煤种的所需的最佳工况违背；②因为调试实验进行的工况有限，实验取得的最佳工况或许并非大局最优值，即有几率存在比实验最佳值更好的运转工况。

  由此还可推算出，锅炉马力与“当量蒸发量”的联系为： 1BHp = 15.62kg/h。

  遗传算法是受生物进化学说和遗传学说启示而发展起来的依据适者生存思维的一种较通用的问题求解办法[2,3]，作为一种随机优化技能在解优化难题中显现了优于传统优化算法的功能。遗传算法现在在优化范畴得到了广泛的使用，显现了其在优化方面的巨大才能[3]。遗传算法的一个明显优势是不需要方针函数清晰的数学方程和导数表达式，一起又是一种大局寻优算法，不会象某些传统算法易于堕入部分最优解。遗传算法寻优的功率较高，查找速度快。

  本文在对某300MW四角切圆焚烧锅炉进行实炉工况测验并使用人工神经网络技能完成飞灰含碳量与煤种和运转参数联系的建模作业基础上，结合遗传算法这一大局寻优技能，对锅炉热功率最优化运转技能进行了研讨，并在现场得到使用。

  2遗传算法和神经网络结合的锅炉热Байду номын сангаас率寻优算法

  使用一个21个输入节点，1个输出节点，24个隐节点的BP网络来模仿锅炉飞灰含碳量与锅炉运转参数和燃用煤种之间的联系，取得了杰出的作用，并证明了选用人工神经网络对锅炉这种黑箱目标建模的有效性[1]。人工神经网络的输入选用锅炉负荷、省煤器出口氧量、各二次风挡板开度、燃尽风挡板开度、燃料风挡板开度、各磨煤机给煤量、炉膛与风箱差压、一次风总风压、焚烧器摆角和煤种特性，除煤种特性这一不行调理要素外，基本上包含了运转人员可以终究靠DCS做调整的一切影响锅炉焚烧的一切参数。

  锅炉的功率（或出力）也便是锅炉每小时发生的热量。热水锅炉功率用MW（1MW=1000kW）或万大卡/小时（万kcal/h）表明。

  蒸汽锅炉的功率又称蒸发量，便是每小时把水变成蒸汽的量：吨/小时（T/h）或公斤/小时（kg/h）。当然也可以用MW或kW表明。

  锅炉的热功率遭到多种热丢失的影响，但比较而言，以机械不完全焚烧丢失q4受锅炉焚烧情况影响最为杂乱，飞灰含碳量受锅炉煤种和运转参数影响很大，相互联系很难以惯例的核算公式表达，因而选用了人工神经网络对锅炉的飞灰含碳量特性进行了建模，并使用实炉测验实验数据对模型进行了校验，依据成果得出，人工神经网络能很好反映大型电厂锅炉各运转参数与飞灰含碳量特性之间的联系。选用锅炉负荷、省煤器出口氧量、各二次风挡板开度、燃尽风挡板开度、燃料风挡板开度、煤种特性，各磨煤机给煤量、炉膛与风箱差压、一次风总风压、焚烧器摆角作为神经网络的输入矢量，飞灰含碳量作为神经网络的输出，使用3层BP网络建模是较为恰当的。