关键字 |
| 智能系统,模糊控制,神经控制,混合动力系统锅炉效率。损失控制 |
我的介绍。 |
| 任何锅炉的效率取决于锅炉的各种间接损失的最小化。所以输入的能量在锅炉燃烧的燃料可以最大限度的利用代蒸汽和蒸汽可以最小化最终的成本。下面的间接损失可以最小化高效锅炉效率。 |
| ��。干燥烟气损失 |
| ��.Fuel水分损失 |
| ��。排污损失 |
| ��.Incomplete燃烧损失 |
| ��.Air水分损失 |
| ��。辐射和对流损失 |
| 了解各种热损失后可以采取反击行动 |
| 智能系统提供的一个最潜在有利可图的用法在最近的发展。已经被用于广泛的应用于优化,预测和自动控制过程在发电厂的集中行动后在提到损失控制回路。 |
| 燃烧控制优化- - - - - -燃烧煤炭和气流控制调整优化蒸汽生产汽轮机/发电机。然而,燃煤燃烧控制是复杂和影响的重要操作参数包括燃烧效率、蒸汽温度、炉猛击和污垢,氮氧化物的形成。灰碳含量的技术,煤流率、空气流速,CO含量、氧含量、渣存款和燃烧器指标以及先进的煤炭喷嘴和等离子体辅助煤炭燃烧。它可以提高效率by0.15%到0.84%。 |
| 冷却系统热损失恢复- - - - - -恢复部分热损失从温暖的退出蒸汽冷凝器冷却水循环之前彻底冷却塔或排放到水体。识别技术包括更换冷却塔填补(传热表面)和调优冷却塔和电容器可以提高整体效率,0.2%到1%的效率 |
| 烟气热回收从他们的预热,烟气出口温度的范围可以从250年to350°F根据烟气的酸露点温度,这是依赖于蒸汽阶段硫酸的浓度和水分。电厂安装了湿法脱硫系统,烟气进一步冷却到约125°F与脱硫剂喷浆。然而,它可能会恢复一些失去了能量在烟气预热锅炉给水通过冷凝换热器的使用。这有助于提高效率0.3%至1.5% |
| 煤煤干燥- - - - - -子沥青煤和褐煤含有相对大量的水分(15%对40%)相比,烟煤(少于10%)。大量的热煤在燃烧时释放的低等级是用来蒸发水分,而不是产生蒸汽涡轮机。因此,锅炉效率通常较低的fop蚂蚁燃烧煤煤。技术包括使用烟气余热和/或冷却水系统干煤煤燃烧前。Increas e的效率,有0.1%到1.7% |
| 吹灰装置优化- - -煤灰鼓风机间歇性地注入速度喷射蒸汽或空气清洁煤灰存款从锅炉管表面为了保持足够的传热。适当控制个人的时间和强度的煤灰鼓风机维持蒸汽温度和锅炉效率是很重要的。识别技术包括智能或神经网络烟灰吹(即。,锅炉烟尘吹来响应实时条件)和爆轰烟尘的打击,这种效率增加,.0.1%至0.6 |
| 智能系统(是)提供一个标准化的解决重要的系统方法和相当复杂的问题,随着时间的推移获得一致的和可靠的结果,数字计算机的发展成为可能的发明人类工程系统显示智能行为或功能。 |
| AI首先建立一个智能系统研究的结构问题(通常是在正式的逻辑术语),然后正式推理过程中应用结构。另外,non-symbolic和自底向上的方法(结构的发现和结果从一个无序源)也被认为是智能系统。模糊逻辑(FL),神经网络(NN)和进化计算(EC)综合计算智能(CI)名义作为混合动力系统 |
论文组织 |
二世。智能系统 |
| 软计算是面向智能系统的分析和设计。它是基于模糊逻辑、人工神经网络和概率推理包括遗传算法。混沌理论和机器学习的部分地区有近似的属性和dispositionality虽然在硬计算不精确和不确定性不可取的属性在软计算、不精确和不确定性的容忍是利用来实现一个可接受的解决方案在一个低成本、易处理、高机器智能。软计算,一个财团的方法提供了一个基础的概念和设计智能系统,针对形式化的人类能力作出合理的决定在一个不确定和不精确的环境。软计算的指导原则是:利用不精确的公差,不确定性和局部真理实现驯良,健壮性、低成本解决方案和更好的与现实的关系。 |
| 模糊逻辑(FL)主要关注不精确和近似推理、神经网络(NN)主要有学习和曲线拟合,进化计算(EC)与搜索和优化。软计算的成分是互补的而不是竞争。过去十年的经验已经表明,它可以更有效的使用它们以组合的方式,而不是全部。 |
1模糊逻辑 |
| 模糊性是指没有统计不精确和模糊的信息和数据。大多数概念处理或描述在我们的世界是模糊的。在经典逻辑称为清晰的逻辑,一个元素是或不是一组的一个成员。也就是说,每个元素的隶属度为1或0的集合。在一个模糊集,模糊隶属值反映会员等级的元素集。隶属函数模糊集合理论的基本思想是基于模糊逻辑,这是“近似推理的逻辑。“这是一个泛化的传统(二值或脆)逻辑。模糊集模型不精确的属性,近似或含糊不清。模糊逻辑解决问题的逻辑会失败。模糊逻辑应用在工程领域的广泛应用,从机器人和控制架构和环境工程。 |
2神经网络 |
| 一个人工神经网络(简要:神经网络)是一种分析范式,大概是模仿大脑的大规模并行结构。它模拟了一个高度互联、并行计算结构各个处理单元与许多相对简单。但因其处理噪声和可变信息的能力。 |
3所示。进化计算 |
| 进化计算包括机器学习优化和分类模式大致基于如生物遗传学和自然选择的进化机制。进化计算领域包括遗传算法、进化规划、遗传编程,进化策略和粒子群优化。以其普遍性和鲁棒性。遗传算法搜索算法,结合自然进化机制,包括交叉、变异,适者生存。他们usedfor优化和分类。进化规划算法与遗传算法相似,但不要把交叉。相反,他们依靠适者生存和突变。进化策略类似于遗传算法,但使用复合群体成员之间交换信息而不是交叉,并经常使用一种不同类型的突变。遗传规划方法用于发展计算机程序。被操纵的结构通常是分层树结构。 |
| 粒子群优化果蝇可能的解决方案,称为粒子,通过空间的问题。粒子的加速向选定的点在问题空间以前的健身价值高。进化算法已应用于优化有效诊断,跟踪测定,调度优化、保形分析、载荷分布、神经网络解释设施,和产品成分组合优化。应用包括基于规则的机器学习分类系统和分类器系统的高层语义网络。 |
4所示。混合动力系统 |
| 混合动力系统结合两个或两个以上的个人技术(模糊逻辑神经网络和遗传算法)来构建智能系统。个人技术代表人类智慧的各个方面,为提高性能是必要的。然而,所有单个技术约束和限制。有可能把两个或两个以上的人一起在一个混合动力系统增加了系统的功能和性能,也会导致更好的理解人类的认知。分为以下四类:这种组合:典型的混合架构是一个顺序的组合神经网络和模糊统治者基于规则的系统。 |
| 集成:这个架构通常使用三个或更多的个人技术,介绍了各个子系统之间的层次结构。例如,一个子系统可能主导和任务分发给其他子系统。融合:解决和合并架构通常基于数学优化能力强的遗传算法和神经网络。当其他技术将这些特性,由此产生的系统的学习效率增加。 |
| 协会:体系结构,包括不同的个人技术,交换知识和事实一双智慧的基础上。与。“模糊逻辑主要是关心不精确和近似推理、神经网络主要有学习和曲线拟合,进化计算与搜索和优化。 |
三世。锅炉智能建模 |
| 在本文中,我们使用一个模型组成的榆树,简称ANFIS和PS ABC文等。建立一个全球模式。听见,简称ANFIS训练应用于识别和补偿误差的主要模型。,榆树为了提高孔的精度模型andPS——ABC是用来优化输入重量和隐藏层。为了建立这个模型有效性,它应用于建立锅炉效率之间的映射关系和300 mw燃煤锅炉的运行条件。这种方法可以应用于减少热损失通过适当调节副控制循环。榆树好多学习机器属于人工神经网络ANN的家庭。这是一个隐藏层前馈神经网络。榆树的关键原则之一是隐藏节点参数是随机选择的,固定简称ANFIS一类自适应多层前馈网络,ANFincorporate自我学习能力的神经网络与模糊推理的语言表达功能。即ANFISallowes如果=然后规则和隶属函数构造基于历史数据和同步包括自动调优的自适应特性的目的 |
| ABC算法已被证明是一种非常有效的优化技术求解全局优化问题。ABC不仅是一种高性能优化器很容易理解和实现。PSABC算法是一个高效混合ABC算法修改。它有极快的收敛速度和拥有更好的搜索能力。 |
四、智能控制器 |
| 适应部分包括PID控制器和模糊预测PID控制器计算控制行动。预测构造仅从投入产出数据的测量实际过程的模糊模型,而不需要一个过程的第一个主要模型通常很难获得。前面的多步预测过程的输出由模糊预测提供。模糊预测输出是用于调整收益通过最小化的平方误差的总和之间的预测和预测地平线的引用。Thefuzzypredictoristrainedonlinetoadapttothevariationsinplantparameters,从而提高预测精度 |
| 一定的历史实际植物输入和输出存储在先进先出堆栈,提供在线培训数据在每个步骤PID控制器收益和预测模糊系统参数都调整。实际的工厂控制的PID控制器与oadaptation阶段,在每个控制周期收益的转移 |
诉响应控制器 |
| 我们可以看到,智能系统(自适应模糊神经网络工作)明显比任何控制方法。这种控制系统调节时间短。负载变化时具有更好的适应性 |
| 。可以观察到,更好的表现显示使用传统PI控制器的智能控制器。智能系统具有更快的预期在任何过程变量的变化。 |
六。结论 |
| 讨论本文清楚的设计最优调节器实现在火力发电厂控制性能得到明显提高。在实现之前,建议对植物模型进行模拟研究。系统分析和控制器设计的程序应该在工厂做好准备电脑,这样工厂工程师能够理解的基本概念,分析了植物动态,调整反馈增益,也能够将技术转移到下一代。 |
|
数据乍一看 |
|
|
|
引用 |
- S.Panda,Dr.N.K。Barpanda, P。Ratha, S。Pradhan,热功率的新方法为最优操作计划,。IJIRSE。卷3、特殊问题3,ISSN - 2319 - 8753, 3月14日
- 美国熊猫博士,Ajitpatro, s先生(夫人),自适应NeuroFuzzu控制器热电厂Optimazation,,我J E ttc、issn - 2278, 2期6卷,2013年。
- 美国熊猫b .情郎,s先生(夫人),C s博士。熊猫,人工智能在火力发电厂控制损失。我J AR.vol。-01年,Issue6 ISSN, 584 - 588年,2013年
- 美国熊猫b .情郎,s . Mishra使用过程神经网络,锅炉性能优化。我J R, issn - 2249 - 555,第-03卷,发行2013。
- 美国熊猫b .情郎,s . Mishra排污损失控制在火力发电厂使用神经网络,IJOART。2卷,问题5,ISSN 2278 - 7763年,2013年
- 美国熊猫b·斯温,提高火力发电厂效率使用软计算,.IJERT,发行-03。2卷,ISSN: 2278 - 0181年,2013年
- S.PANDA,火力发电厂效率优化使用反向传播神经网络ATCIT -2013年11 thto 13日在电子计算机科学,Sambalpur大学。
- S.PANDA。博士s先生(夫人)。火力发电厂自动化使用自适应神经模糊控制器,ICCCI 2013 Internationalconference GIET, Gunupur.oct。2013年27日至29日
- S.PANDA博士,N。K Barpanda热电厂的优化操作的新方法,在KLNCollege IEEE会议(2014年ICIET), Maduri, 2014年3月22日至24日
- 美国熊猫,Dr.N.K。Barpanda,智能系统的应用前景的损失控制在热电厂IEEE会议(2014年IC ETST)在2014年8月22日至23日举行SSSUTMS,博帕尔
|
菜单
