摘要：如今我国的水、电、煤、油等资源缺乏，同时环境保护形势日益严峻，而电站运行需要消耗大量的煤炭资源，同时造成一定环境问题，因此在电站运营期间要重视锅炉燃烧优化问题，由于锅炉在投入使用期间设备能耗大，运行环境复杂多变，并且在锅炉燃烧期间，依燃料性质差异有不同的物理化学反应，产生不同的燃烧剩余物。为达到锅炉使用中节能减排的需求。我们在电站锅炉运行期间也要注重考虑相应的燃烧优化措施。这篇文章探讨了人工智能技术在锅炉燃烧优化中的应用，以期为相关领域的研究提供参考意见。
关键词：人工智能技术；电站锅炉；燃烧优化；应用探析
前言
在电站锅炉燃烧期间，锅炉运行效率在一定程度上会受到氮氧化物的影响，然而两者关系并不和谐，存在分歧。所以在电站锅炉运行期间，务必要对锅炉的热作用和氮氧化物的控制指标计划足够重视和掌握，切实提高锅炉燃烧的实际效果。如今我国乃至世界范围内兴起的人工智能技术，在多个领域均得到推广及应用，本文考虑将该技术运用于电站锅炉燃烧效率优化，在一定程度上提高了电站锅炉燃烧优化和整体运行效率。
1.电站锅炉燃烧优化的技术
我国经济发展模式逐渐从粗放型调整到集约型，对电站锅炉燃烧，既要保证经济合理性，还要注重清洁环保，符合绿色发展需求。早在上世纪七十年代，即有锅炉燃烧优化的措施，如测量技术的优化调整，全面推动了煤炭燃烧效率的提高，研究新型、更高效的锅炉燃烧优化技术是目前减少煤炭能量消耗的关键因素之一。
人工智能技术对于电站锅炉燃烧优化作用显著，对保障机组运行水平有积极作用，可以减少燃料费用，并有效控制电站锅炉NOx气体的排放。电站燃烧的主要过程是：燃料在电站锅炉内膛中充分燃烧，产生热能，再通过金属壁面传热，逐渐将锅炉水分转变成有足够压力和温度的过热蒸汽。在此过程中运用基于人工智能技术进行的燃烧优化技术，可以切实保障锅炉燃烧的水平并缓解环境污染问题。
通过分析电站锅炉的燃烧优化技术，电站锅炉的燃烧优化技术有三种类型：一是利用在线分析锅炉燃烧的关键数据，带领操作人员调整锅炉燃烧情况，这种燃烧优化技术是当前使用较为普遍的技术；二是燃烧优化技术通常是在DCS的前提下，建立锅炉运行较为关键的监督体系，结合新型控制思维、控制方法或人工智能技术，完成锅炉的燃烧优化操作，在新控制技术和人工智能技术的渐趋完善下和在工业领域的普遍推行下，这种燃烧优化技术发展前景广阔；三是燃烧优化技术，在考虑机械设施时，要对燃烧器、受热面等环节完成电站锅炉的燃烧优化处理。以上三种技术路线各自具备不同的优点，第二种技术是当前更多发电企业的首要选择。
人工智能技术在电站锅炉燃烧中广泛推行，主要对锅炉燃烧规律特征做了深入分析。融入了人工智能神经网络技术的燃烧优化技术，目的就是为了保证电站锅炉的热作用水平和减少NOx气体的排放。人工智能技术，根据DCS数据库中富含的海量信息作为数据探究的前提，通过建立神经网络模型，进贤在线探究，高效得出运行数据的最优值，在运用到DCS中，该系统利用控制偏移量的操作，充分完成NeuSIGHT对电站锅炉的优化调整。
人工智能技术渗透到电站锅炉燃烧优化中有以下几点作用：①锅炉燃烧煤质的自动分析。煤质多变是锅炉普遍存在的特征，各种性能的煤质有差异，锅炉的燃烧性质就会有所区别，一定要正确辨识出各种煤质，展开相应的优化分析。②对锅炉运行状态的非线性动态的建模，并探讨了模型的自主更新要素。锅炉燃烧具备非线性的运动规律，若是只存在于线性模型或稳态模型，就无法进行合理的燃烧优化管理，另外模型的自适应特征，是利于燃烧优化控制的重点。
2 基于多目标优化的锅炉运行优化控制问题
人工智能计算涵盖了人工神经网络系统、模糊调整法及遗传算法。
期刊文章分类查询,尽在期刊图书馆
2.1 人工神经网络系统
该系统与脑神经网络模拟密切相关，属于模拟人类大脑思维模式的数字模型，现今主要研究成果有神经网络、神经计算机或者并行处理器。近几年人工神经元网络科研分析，及其对锅炉燃烧优化产生的优化作用备受关注，取得了一定的优化效果。
神经网络锅炉燃烧优化系统属于一套系统、全面、闭环控制的锅炉燃烧优化系统，目的在于获取燃烧优化所需的相关信息，从而建立神经网络模型，进而推动系统的优化调整水平。涉及到很多输入变量，如机组出力、气体排放、运行条件、设备质量等，能够在模型中使用，来协调炉内燃料量与空气量，实现燃烧优化控制的作用。燃烧优化控制系统运用在锅炉燃烧管理这一环节，要确保在当前DCS、PLC、DDC控制系统的前提下，结合NeuSIGHT系统，不仅发挥了之前的DCS控制系统获取的锅炉数据，还结合了新型控制分析设备对信息的优化调整，实现了燃烧控制优化的作用。
2.2 模糊控制方法
此方法的思路是模拟人脑思维思维模式，结合实践数据对燃烧系统运用算法进行内部数据规划，此方法具有可行性高、算法便捷、跟踪高效等优点，所以在目前各个工程领域的应用研究是个热点。根据神经网络方法时，无需创建数据模型，利用对算法的调整，保持DCS的动作，这会使得系统改良更加快捷，是处理问题的新方法。自寻优技术，结合了经典控制学说，将新型自寻优控制器推广到系统中，将PID技术、智能自寻优技术根据监测要求进行结合，发挥系统的最佳效果。这种技术适用于一些传统、老旧的锅炉燃烧系统的优化改造，由于其保持了部分老PID系统，再结合人工智能技术，既能减少改造资金投入，还能保证一定燃烧效率。
2.3 遗传算法（GeneticAlgorithm）
遗传算法是模拟达尔文生物进化论的自然选择以及遗传学机理的生物进化过程的数学模型，是一种通过模拟自然进化过程得到最优解的方法。从理论分析，最优控制通常是保障一定概率的接近最优值，根据足够的适应度去靠近最优值，遗传算法的方案往往是根据具体的情况来分析解决。早在1975年美国J.Holland教授提出该概念，目的在于能够对结构对象直接控制，无需考虑对求导和函数连续性的操作，存在一定的并行性和强大的寻优能力，结合概率论的寻优技术，能自动得出引导优化的搜素空间，自主的优化搜索途径，无需明确的标准要求。遗传算法的这些特征，逐渐受到人们的关注，在组合优化、机械借鉴、信号分析、自适应管理和人工生命等行业都有所涉及，其是当前智能技术的重要技术之一。
3.结束语
建立数学模型是进行电站锅炉燃烧优化的关键步骤，数学模型建立的好坏对电站锅炉燃烧优化效果有很大影响。此方法的劣势在于：若是在操作环境复杂的情况下，往往无法获得科学精准的数学模型，一般仅通过辨识法来获取类似的数学模型，此时产生的误差就较大。仅仅使用一种技术都有所不足，所以，就整合不同的方法，确保取长补短是目前的发展形势。比如模糊神经网络把模糊规则优势与人工神经学结合起来，取长补短，既能发挥语言优势进行构造网络的论述，确保网络权值有实际的作用；还能借鉴学习机制，提高知识精度性。
从优化措施分析，我国人工智能技术在工业领域有所运用，然而效果不佳，仅仅是处于科研层面。将人工智能技术投入到锅炉燃烧优化项目中，对锅炉燃烧进行整体把握，对未来有极大的促进作用，为切实保障采暖锅炉的热作用提供重要前提。
参考文献：
[1]李峰，林伟.燃烧优化控制在蒸馏装置常压加热炉的应用[J].石油化工自动化，2008（6）.
[2]王培红，李磊磊，陈强，董益华.人工智能技术在电站锅炉燃烧优化中的应用研究[J].中国电机工程学报，2004（4）.
[3]张红福，张曦，罗嘉.基于预测控制方法的燃烧优化研究与应用[J].自动化博览，2015（7）.
论文作者:刘阳1,袁圆2
论文发表刊物:《电力设备》2018年第12期
论文发表时间:2018/8/2
标签：锅炉论文; 电站论文; 技术论文; 人工智能论文; 神经网络论文; 系统论文; 作用论文; 《电力设备》2018年第12期论文;