供热锅炉是大型能源转换设备,其耗煤量大且难以长期维持在高效运行状态。因此对供热锅炉的运行优化有重大的经济效益。其运行优化问题可分为两个子问题:第一是对燃烧过程建立准确模型;第二是搭建供热锅炉信息物理系统以完成在线寻优并生成操作指导。本文以大连某供热公司一号炉(功率为94MW)为研究对象进行以下研究:1、针对燃烧过程中由于滞后性与复杂性导致的建模困难问题,引入基于时间序列分析的改进RBF神经网络方法建模。对系统进行非线性检验,选取传递熵作为时间序列分析方法。由于原始时间序列数据扰动大,需要对原始时间序列做编码化处理。设计非线性时滞函数验证改进后的算法,并将该方法应用于提取供热锅炉操作变量与炉温和效率间的延迟时间。对于RBF神经网络由于隐节点选取不合理,导致抗干扰与预测性能差的问题,提出基于数据密度聚类对算法改进,用改进的K-means算法对建模数据聚类,将聚类中心作为RBF神经网络隐节点中心,并设计函数验证其性能。结合时序处理结果,证明时间重排序后的改进RBF神经网络预测精度高。通过实验验证了算法的优越性,并将其应用到供热锅炉的热效率和炉温的操作预测。2、针对供热锅炉的运行优化问题,提出搭建供热锅炉信息物理系统。嫁接于现场的分散控制系统开发供热锅炉信息物理系统,将现场数据通过GPRS无线网络上传至云端。在云端完成效率与炉温的在线建模,并基于模型,选用智能寻优算法ABC对操作进行寻优,用于现场操作指导。其中寻优目标根据工艺确定为炉温与效率的共生目标,可解决由于存在数据扰动等原因造成的效率假提升的问题。选取给煤、炉排和鼓风作为调节变量,通过调整不同的操作变量组合,寻找最优操作,再通过无线网络发回工业现场。具体通过在云端完成部署Matlab与数据库并完成通讯,将Matlab计算出的下一步操作建议写入数据库。另开发组态王客户端、WEB客户端与小程序客户端,为统一管控平台提供接口和支撑。通过多次基于模型寻优实验,理论上效率的提升为1.6%～2.3%,根据现场锅炉的功率,折合经济效益单采暖季可节省97万元左右。以提取延迟时间并重排序为前序数据准备,以改进RBF神经网络建立更有效适用的供热锅炉效率与炉温模型,继而搭建供热锅炉信息物理系统,使用ABC进行基于模型的操作寻优,将指导建议下发至现场,以辅助生产工作。此项研究对于存在滞后的且运行优化复杂的生产过程,也有一定的借鉴和指导意义。