陈 波 ，曹歌瀚，黄亚继 ，岳峻峰 ，徐文韬 ，王亚欧，李雨欣，金保昇

(1.江苏方天电力技术有限公司 江苏 南京 211102；2.东南大学 东南大学 能源热转换及其过程测控教育部重点实验室，江苏 南京 210096)

0 引 言

随着信息技术的发展和新基建理念的提出，传统火力发电厂亟需向智能化方向升级[1]。利用人工智能算法构建电厂锅炉的燃烧模型是目前的研究热点。锅炉效率是衡量锅炉运行状态的重要指标，也是锅炉燃烧优化的重要目标。传统的锅炉优化方法主要通过专家经验，采用交叉试验或单因素轮回试验对燃烧工况进行优化调整[2-3]，不仅费时费力，而且试验工况有限，一旦锅炉煤种或运行状态发生变化，原有的优化试验结果即失效。因此为了更好地对锅炉效率进行优化，采用启发式算法对锅炉进行参数寻优是目前较好的方法之一，要求首先构建锅炉运行参数与锅炉效率之间的实时计算模型。应明良等[4]提出了一种基于锅炉有效输出热量和总输出热量计算锅炉热效率的方法，该方法无需进行煤质测试，具有良好的实时性，但其依赖于对过热蒸汽与再热蒸汽的测量，大型设备需安装大量测点。王诣[5]针对锅炉效率计算中灰渣含碳量难以获得的问题，研究了基于图像处理技术的灰渣含碳量快速检测系统，并对锅炉效率反平衡计算进行简化分析，建立了锅炉效率的实时计算模型。赵国强[6]利用极限学习机方法对锅炉烟气含氧量和飞灰含碳量建模，将结果输入锅炉热效率计算模型，得到实时的锅炉效率计算结果。……