锅炉燃烧系统混合技术方法的优化效果

锅炉燃烧系统优化的广大前景是促使混合技术应用于智能 控制的最大因素，同时混合技术的使用也将极大提高优化效果的上限。过去有两种不同的锅炉燃烧优化技术：人工神经网络和模型预测控制。神经网络是一种非线性的、多变量的稳态模型，用于识别变量在不同条件下的最佳组合。模型预测控制使用动态模型来预测未来的变化，并预测扰动和未来变化的影 响。这两种智能控制方法都有好处和局限性。混合技术方法创造了一种混合神经网络和模型预测控制优化系统。

在锅炉燃烧优化方法中，神经模型可随时间调整以平衡燃烧单元运行的操纵变量，而模型预测主要用于空气控制，这些控制必须根据锅炉边界条件做出快速反应。此外，基于规则的燃烧优化也发挥着关键作用。启发式模型植根于人工智能的编码系统方面，这些规则可以由推理机系统地应用，它提供了一种在给定条件的情况下对一组可能的燃烧操作进行排序的方法，解决锅炉燃烧传统技术的长期离散变化，例如在使用中自动将最近训练过的模型替换为特定的磨煤机组合，或者在基于神经网络和直接控制的燃烧方案之间切换。这种日益复杂的做法使智能控制技术能够从对锅炉的燃烧有密切了解并编码在软件中提取出来，神经网络等其他方法无缝集成，形成更先进的混合算法，是应用于锅炉燃烧优化问题的最佳组合。