论文部分内容阅读
增加烟气中一氧化碳含量作为电厂锅炉燃烧调整的参数，可以有效避免局部不完全燃烧，提高锅炉经济性。因此，如何快速准确地反映烟气中一氧化碳含量至关重要。为此采用软测量方法，利用与之相关的一些参数作为输入变量，对一氧化碳含量进行BP神经网络建模。根据对模型的训练仿真和验证样本的相对误差计算，该模型具有较好地泛化能力，可以较准确地预测一氧化碳含量。利用该模型预测结果可以快速调整燃烧工况，得到CO／O2变化关系，使锅炉处于最佳过量空气系数下。