摘要：床温对循环流化床（CFB）锅炉的安全、环保、经济运行具有重要影响。本文利用自适应神经模糊推理系统（adaptiveneuro-fuzzyinferencesystem,ANFIS）的非线性动力学特性、自学习能力和泛化能力,对某台650t/dCFB生活垃圾焚烧锅炉设计了床温预测模型;根据该锅炉的工艺特点,选择模型的输入变量,然后利用减法聚类算法对历史过程数据进行分析,自适应地确定初始模糊规则和模糊神经网络的初始结构参数;
再结合最小二乘估计法和误差反向传播算法对模糊神经网络的参数进行学习,构建自适应神经模糊推理系统,完成CFB生活垃圾焚烧锅炉床温智能建模。与多元线性回归模型、BP神经网络模型以及支持向量机模型的床温预测结果对比表明,本文建立的模型预测精度更高,对锅炉的运行和控制具有指导作用。
关键词：CFB锅炉，垃圾焚烧，减法聚类算法，ANFIS，床温，多元线性回归模型，BP神经网络，SVM
由于垃圾焚烧能够良好实现垃圾减容化、减量化、无害化和资源化处理,近十几年内,在国家相关产业政策的引导下,国内垃圾焚烧行业取得了蓬勃的发展[1]。从20世纪90年代开始,国内多家科研机构对中国垃圾的燃烧机理进行了大量研究,掌握了混合收集、水分高、成分复杂、热值偏低且波动性很大的城市生活垃圾的燃烧特性,并在对煤、煤矸石等劣质燃料CFB燃烧技术研究的基础上,开发出了CFB垃圾焚烧锅炉,实现了对国内生活垃圾的大规模焚烧处理[2]。
目前,CFB垃圾焚烧技术已经在国内的多个城市进行了推广应用,截至2013年,国内已建成垃圾焚烧锅炉60余台,日处理垃圾量5.6万t[3],为我国的垃圾焚烧处理行业做出了重要的贡献。床温是影响CFB垃圾焚烧锅炉安全、环保、经济运行的重要运行参数,一般要求其床层运行温度控制在850~950℃之间。
床层温度太低,不利于垃圾的充分干燥和燃烧,难以保证垃圾中有害物质被彻底分解,对锅炉燃烧稳定性造成不良影响,同时也不利于锅炉蒸汽品质的提升;床层温度太高,则会带来高温结渣、腐蚀和增加炉体负担等问题[4-5]:因此,国内外的研究人员对CFB锅炉的床温特性进行了建模研究。
