于偉鋒，陳鴻偉

(華北電力大學(xué) 能源動(dòng)力與機(jī)械工程學(xué)院，河北 保定 071003)

0 引言

循環(huán)流化床鍋爐作為一種新型的清潔燃燒技術(shù)，其爐內(nèi)脫硫非常復(fù)雜，運(yùn)行中影響脫硫效率的因素很多，包括Ca/S摩爾比、床溫、脫硫劑的品質(zhì)、煤質(zhì)特性、一/二次風(fēng)率等等，關(guān)于這些的研究已經(jīng)很多[1～3]。但是這些試驗(yàn)研究?jī)H涉及Ca/S摩爾比、床溫等主要影響因素，關(guān)于脫硫劑粒徑、煙氣含氧量等次要影響因素的研究不多，且不是在工業(yè)生產(chǎn)的參數(shù)下，如文獻(xiàn)[4]試驗(yàn)選擇的石灰石粒徑是2～8 mm之間;而且大部分研究多是在小型試驗(yàn)臺(tái)上進(jìn)行的，大型CFB鍋爐的爐內(nèi)過(guò)程要復(fù)雜得多，影響脫硫的因素變得相對(duì)復(fù)雜，如爐膛沿高度方向的溫度分布等，對(duì)于這種影響因素多、內(nèi)部機(jī)制復(fù)雜的問(wèn)題，神經(jīng)網(wǎng)絡(luò)是一個(gè)很好地工具。

本文在一臺(tái)以混矸煤為燃料的300 MW循環(huán)流化床鍋爐上，進(jìn)行了工業(yè)熱態(tài)脫硫試驗(yàn)，研究密相區(qū)床溫、Ca/S、一/二次風(fēng)份額等主要因素對(duì)對(duì)脫硫效率的影響。但是這些都是原始數(shù)據(jù)經(jīng)處理后平均值的反應(yīng)，只能是各影響因素一個(gè)質(zhì)的體現(xiàn)。所以本文在已有原始試驗(yàn)數(shù)據(jù)的基礎(chǔ)上建立了BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，對(duì)試驗(yàn)鍋爐脫硫效率進(jìn)行了有效預(yù)測(cè)。隨著國(guó)家污染物排放指標(biāo)的提高，研究燃用混矸煤發(fā)電的CFB鍋爐的脫硫效率具有重要意義。

1 試驗(yàn)簡(jiǎn)介及結(jié)果分析

試驗(yàn)用300 MW褲衩腿型CFB鍋爐采用單鍋筒自然循環(huán)、平衡通風(fēng)、絕熱式旋風(fēng)氣固分離器、循環(huán)流化床燃燒方式，旋風(fēng)分離器下設(shè)有外置床。一次風(fēng)分兩路進(jìn)入爐底水冷風(fēng)室，左右兩路二次風(fēng)分別進(jìn)入爐膛下部褲衩之間的夾弄及四周的二次風(fēng)道，分上下兩層進(jìn)入爐膛。燃煤經(jīng)給煤機(jī)送至落煤管從4個(gè)回料腿進(jìn)入爐膛，石灰石粉通過(guò)氣力輸送系統(tǒng)送入每個(gè)回料腿落煤管上設(shè)置的2個(gè)石灰石接口，同燃煤一同進(jìn)入爐膛。該鍋爐的主要技術(shù)參數(shù)見(jiàn)表1。

表1 鍋爐主要技術(shù)參數(shù)Tab.1 Main technical parameters of the CFB boiler

試驗(yàn)所用燃煤為洗中煤和煤矸石按6∶4比例混合后制得的混矸煤，表2為試驗(yàn)所用燃煤的工業(yè)分析和石灰石粉粒徑分析，可見(jiàn)混矸煤的含硫量雖然不高，但由于其熱值也比較低，所以折算含硫量比較大，SO2排放濃度也比一般煤種要高。

試驗(yàn)時(shí)維持負(fù)荷基本穩(wěn)定，第一組控制鍋爐密相區(qū)溫度在885±10℃，一次風(fēng)量占總風(fēng)量的比例為45%±2%，二次風(fēng)量占總風(fēng)量的比例為40%+2%，通過(guò)改變石灰石給料量來(lái)改變Ca/S摩爾比，測(cè)試其對(duì)脫硫效率的影響。第二組控制石灰石給料量和一/二次風(fēng)配比不變，通過(guò)調(diào)節(jié)位于外置床中過(guò)流量對(duì)床溫進(jìn)行調(diào)節(jié)，從而測(cè)試床溫對(duì)脫硫效率的影響。第三組控制密相區(qū)溫度和石灰石給料量不變，保持一二次風(fēng)總比例基本不變，調(diào)節(jié)一/二次風(fēng)配比，測(cè)試其對(duì)脫硫效率的影響。每組試驗(yàn)過(guò)程中，每5 min記錄一次數(shù)據(jù)，每1 h取一次煤樣和石灰石粉樣。

密相區(qū)溫度通過(guò)設(shè)置在爐膛四周的18個(gè)溫度測(cè)點(diǎn)時(shí)刻監(jiān)測(cè)，爐膛頂部溫度由12個(gè)測(cè)點(diǎn)監(jiān)控;煙氣取樣點(diǎn)位于引風(fēng)機(jī)出口煙道;測(cè)量SO2濃度的儀器為日本HORIBA公司生產(chǎn)的，型號(hào)為ENDA-600ZG分析儀，標(biāo)氣校準(zhǔn)誤差≤1%;煤硫分分析儀選用的是長(zhǎng)沙瑞祥科技有限公司生產(chǎn)的型號(hào)為WS-S200的WS自動(dòng)測(cè)硫儀，測(cè)硫分辨率為0.001%。

表2 試驗(yàn)用煤的工業(yè)分析Tab.2 Proximate analysis of coal used in experiment

1.1 Ca/S摩爾比對(duì)脫硫效率的影響

脫硫效率 ηSO2可定義為[5]:

式中:ηSO2為脫硫效率;CSO2為引風(fēng)機(jī)后實(shí)際煙氣中SO2的排放濃度;為理論SO2原始排放濃度，其計(jì)算見(jiàn)式 (2):

式中:B為單位時(shí)間進(jìn)爐燃料量;Sar為燃料的收到基含硫量;Vy為單位時(shí)間實(shí)際測(cè)量的煙氣排放量;α為排放的煙氣濕度。

Ca/S摩爾比為以煤中的全硫?yàn)橛?jì)算基準(zhǔn)的鈣硫摩爾比，按式 (3)計(jì)算:

式中:Sar為燃煤的收到基含硫量，%;α為單位時(shí)間進(jìn)爐脫硫劑與燃料質(zhì)量之比;KCaCO3為脫硫劑中CaCO3的份額，% 。

表2中前5組為只改變Ca/S摩爾比的試驗(yàn)，其與脫硫效率的關(guān)系見(jiàn)圖1?？梢?jiàn)，CFB鍋爐脫硫效率隨Ca/S摩爾比的增大而增大，并且在Ca/S摩爾比較低時(shí) (小于2.72)，脫硫效率隨Ca/S摩爾比的增大而升高的比較快;這是因?yàn)槭沂械腃aCO3一旦被煅燒生成CaO后，與高溫?zé)煔饨佑|機(jī)會(huì)和接觸面積較大，CaO和SO2的接觸機(jī)會(huì)較多，SO2的擴(kuò)散起主要作用;由于CaSO4體積大于CaCO3體積，從而使得CaO表面的細(xì)孔很容易被生成的 CaSO4覆蓋而阻塞，而內(nèi)孔中心的CaO不能與SO2接觸而不被利用，因此應(yīng)該加入較多的脫硫劑滿足脫硫的需要[6]。當(dāng)Ca/S摩爾比達(dá)到一定高的值后 (約為2.72)，繼續(xù)增大Ca/S摩爾比，脫硫效率隨Ca/S摩爾比的提高而增加的幅度變緩。這是因?yàn)闅夥罩械腟O2已基本與CaO反應(yīng)固化，煙氣中殘留的SO2氣體濃度很低，繼續(xù)增加Ca/S摩爾比，對(duì)提高固硫反應(yīng)的作用不大[7]。

圖1 不同Ca/S摩爾比下的每組脫硫效率平均值Fig.1 Medial desulfurization efficiency in different Ca/S molar ratio

爐內(nèi)脫硫效率不高的原因:(1)由表2可見(jiàn)，入爐石灰石粉粒徑小于0.1 mm的份額太大，使一部分脫硫劑未被充分利用而逃逸掉;(2)試驗(yàn)用石灰石為礦山原礦石，純度和活性不高、雜質(zhì)較多也可能造成脫硫效率偏低。

1.2 密相區(qū)床溫對(duì)脫硫效率的影響

表2中第2組和第6組為只改變密相區(qū)床溫的試驗(yàn)，兩組中各調(diào)節(jié)一次溫度，共用4個(gè)不同溫度下的脫硫效率，見(jiàn)圖2。當(dāng)Ca/S=2.25左右不變時(shí)，密相區(qū)床溫為860℃時(shí)，脫硫效率較高(67.4%)，隨著密相區(qū)床溫的升高，脫硫效率越來(lái)越低，且降低的幅度先快后慢，過(guò)900℃后，基本不在降低，當(dāng)密相區(qū)溫度為910℃時(shí)，脫硫效率降到57.4%。

圖2 不同密相區(qū)溫度下的每組脫硫效率平均值Fig.2 Medial desulfurization efficiency in different bed temperature of dense phase zone

床溫是CFB鍋爐燃燒脫硫的重要影響因素[8，9]。高的床溫雖然會(huì)使脫硫反應(yīng)的速率提高，但也會(huì)使脫硫劑燒結(jié)，導(dǎo)致CaO的表面孔隙過(guò)早堵塞，增加脫硫反應(yīng)中氣體向顆粒內(nèi)部的擴(kuò)散阻力;但是床溫過(guò)低，脫硫劑煅燒生成的CaO孔隙數(shù)少、孔徑小、反應(yīng)速度低等，脫硫效率也會(huì)變低，且影響鍋爐的燃燒效率[10]。理論上，循環(huán)流化床的最佳脫硫溫度在850～900℃之間[11]，但考慮到電站CFB鍋爐的溫度測(cè)點(diǎn)安裝方式和位置，熱電偶并未伸進(jìn)爐膛，測(cè)到的溫度比爐膛中央實(shí)際溫度要低，因此監(jiān)測(cè)到的最佳脫硫床溫應(yīng)偏低。

1.3 一/二次風(fēng)配比對(duì)脫硫效率的影響

表2中第2組和第7組為只改變一/二次風(fēng)配比的試驗(yàn)，第7組調(diào)節(jié)一次一/二風(fēng)配比，共得出3個(gè)不同二次風(fēng)比例下的脫硫效率，見(jiàn)圖3。二次風(fēng)率在0.393～0.412之間時(shí)，脫硫效率隨二次風(fēng)率的增大而提高，但提高的很緩慢;而當(dāng)二次風(fēng)率大于0.412后，脫硫效率則隨其增大而快速下降。可推斷，對(duì)于本試驗(yàn)來(lái)說(shuō)，存在一個(gè)最佳的二次風(fēng)率，使其脫硫效率最大。

圖3 不同二次風(fēng)比例下的每組脫硫效率平均值Fig.3 Medial desulfurization efficiency in different secondary air ratio

在一二次風(fēng)總比例保持不變的情況下，隨著二次風(fēng)比例的增加，二次風(fēng)的穿透性和混合擾動(dòng)能力得到增強(qiáng)，在一定程度上延長(zhǎng)了石灰石顆粒在爐內(nèi)的停留時(shí)間，強(qiáng)化了稀相區(qū)的燃燒和脫硫反應(yīng)，進(jìn)而提高了脫硫效率。但是，維持一二次風(fēng)總量基本不變時(shí)，二次風(fēng)比例的增加，相對(duì)應(yīng)的一次風(fēng)比例就減少，這會(huì)影響爐膛溫度的分布，當(dāng)二次風(fēng)比例超過(guò)最佳值時(shí)，將使到達(dá)爐膛中上部的物料和脫硫劑變少，更多的物料和脫硫劑會(huì)停留在爐床高溫區(qū)[12]，由1.2節(jié)可知，這不利于脫硫反應(yīng)的進(jìn)行，所以脫硫效率會(huì)隨之變低。

2 BP神經(jīng)網(wǎng)絡(luò)模型與模型預(yù)測(cè)

2.1 BP神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，實(shí)現(xiàn)了一個(gè)從輸入到輸出的映射功能，學(xué)習(xí)和儲(chǔ)存大量的輸入-輸出模式映射關(guān)系，而無(wú)需實(shí)現(xiàn)揭示描述這種映射關(guān)系的數(shù)學(xué)方程，適合求解內(nèi)部機(jī)制復(fù)雜的問(wèn)題，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一[13]，在電廠脫硫系統(tǒng)中也有應(yīng)用[14]。標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)采用的算法是梯度下降學(xué)習(xí)算法，其權(quán)值的修正是沿著誤差性能函數(shù)梯度的反方向進(jìn)行的，這種算法存在著一些不足:學(xué)習(xí)速率慢，不能保證收斂到最小點(diǎn)，網(wǎng)絡(luò)結(jié)構(gòu)不易確定等[15]。針對(duì)這些不足，近幾年出現(xiàn)了幾種基于標(biāo)準(zhǔn)BP算法的改進(jìn)算法，本文選取附加動(dòng)量法、LM算法、學(xué)習(xí)率可變的算法等，分別對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，并對(duì)得到的3種BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)值與測(cè)試值進(jìn)行比較，得到最優(yōu)的預(yù)測(cè)模型。

2.2 BP模型建立及模擬結(jié)果分析

本文選取Ca/S摩爾比、6個(gè)密相區(qū)溫度平均值、4個(gè)爐膛頂部溫度平均值、一次風(fēng)占總風(fēng)比例、二風(fēng)占總風(fēng)量的比例、煙氣含氧量，試驗(yàn)煤樣的含硫量、低位發(fā)熱量、揮發(fā)分含量、入爐石灰石粉粒徑大于2.5 mm、小于0.1 mm和位于兩者之間的份額等影響脫硫效率的20個(gè)主要因素，作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入，輸出為脫硫效率，在Matlab軟件的基礎(chǔ)上建立一個(gè)20個(gè)輸入、1個(gè)輸出的神經(jīng)網(wǎng)絡(luò)模型。該模型在本試驗(yàn)條件下，由試驗(yàn)數(shù)據(jù)為依據(jù)，對(duì)燃用混矸煤的300 MW循環(huán)流化床鍋爐的脫硫效率進(jìn)行預(yù)測(cè)。

在模擬過(guò)程中，以Ca/S摩爾比為依據(jù)，每個(gè)工況下選取10組作為訓(xùn)練樣本，余下2組作為測(cè)試樣本，共100組訓(xùn)練樣本，20組測(cè)試樣本。為了修正網(wǎng)絡(luò)誤差性能，加快訓(xùn)練網(wǎng)絡(luò)的收斂性，在訓(xùn)練之前對(duì)訓(xùn)練樣本和測(cè)試樣本進(jìn)行歸一化處理。

輸入層到隱含層傳遞函數(shù)的選取對(duì)網(wǎng)絡(luò)性能和訓(xùn)練速度有著重要影響。采用S型激活函數(shù)可以去處理和逼近非線性的輸入/輸出關(guān)系，采用線性激活函數(shù)，則可使網(wǎng)絡(luò)輸出任何值[16]。本模型中輸入層到隱含層傳遞函數(shù)設(shè)置為雙曲正切S型函數(shù)“tansig”，隱含層到輸出層的傳遞函數(shù)設(shè)置為純線性函數(shù)“purelin”。

訓(xùn)練時(shí)，附加動(dòng)量法的學(xué)習(xí)率設(shè)置為0.01，動(dòng)量因子設(shè)置為0.95;LM算法μ的初始值設(shè)為0.001、μ的減量因子設(shè)為0.1、μ的增量因子設(shè)為10、μ的最大值設(shè)為1.0e+10;學(xué)習(xí)率可變的算法的學(xué)習(xí)率設(shè)為0.01，學(xué)習(xí)率增量因子設(shè)為0.7，學(xué)習(xí)率減量因子設(shè)為1.05，動(dòng)量因子設(shè)為0.95;最大訓(xùn)練次數(shù)全部為10 000次，目標(biāo)誤差為0.001。

隱含層的神經(jīng)元數(shù)對(duì)網(wǎng)絡(luò)性能有較大影響，對(duì)于單隱含層的網(wǎng)絡(luò)，增加其隱含層神經(jīng)元數(shù)可以提高網(wǎng)絡(luò)的訓(xùn)練精度[16]。本文在一個(gè)只設(shè)置一個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)上進(jìn)行模擬預(yù)測(cè)，為了確定最佳算法和神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元個(gè)數(shù)，隱含層神經(jīng)元數(shù)依次選為8，12，15，18，22，采用3種算法分別對(duì)其進(jìn)行訓(xùn)練，認(rèn)為相對(duì)誤差較小且穩(wěn)定的算法和網(wǎng)絡(luò)為最優(yōu)。由表3可見(jiàn)，每一種算法，都存在一個(gè)隱含層神經(jīng)元個(gè)數(shù)的區(qū)間，在此區(qū)間內(nèi)，預(yù)測(cè)值的誤差相對(duì)較小。LM算法收斂最快，但誤差偏大;學(xué)習(xí)率可變的算法次之，但誤差低;附加動(dòng)量法收斂最慢，但當(dāng)其隱含層神經(jīng)元數(shù)為15時(shí)模型預(yù)測(cè)值的相對(duì)誤差達(dá)到最小，網(wǎng)絡(luò)性能達(dá)到最優(yōu)。

表3 不同神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值的相對(duì)誤差Tab.3 Relative error of the BP neural network with different parameters %

用平均偏離度σ來(lái)評(píng)價(jià)模型預(yù)測(cè)值與試驗(yàn)值的平均偏離情況，其定義如下[17]:

式中:ηSO2.m為預(yù)測(cè)值;ηSO2.c試驗(yàn)值;N為樣本點(diǎn)數(shù)。

附加動(dòng)量法隱含層神經(jīng)元數(shù)為15的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果如圖4和圖5，由圖可見(jiàn)，在本試驗(yàn)條件下，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)脫硫效率的預(yù)測(cè)值與試驗(yàn)值吻合較好。根據(jù)式 (4)得到的所有數(shù)據(jù)點(diǎn)的平均偏離度為3.76%，這表明總體偏離程度很小。在所有預(yù)測(cè)數(shù)據(jù)點(diǎn)中，第4，7，11和20點(diǎn)的預(yù)測(cè)值與試驗(yàn)值偏差略大，差值分別為-0.032 7，-0.059 5， -0.059 9，0.065 7，最大偏差為第20點(diǎn)的0.065 7，但這個(gè)點(diǎn)的脫硫效率試驗(yàn)值較高，而第11點(diǎn)的相對(duì)誤差最大為8.97%?？梢?jiàn)預(yù)測(cè)模型所得結(jié)果能夠達(dá)到工業(yè)運(yùn)行和工程設(shè)計(jì)允許范圍內(nèi)，能夠很好地反應(yīng)運(yùn)行參數(shù)對(duì)脫硫效率的影響，對(duì)尋求CFB鍋爐脫硫最優(yōu)參數(shù)具有一定意義。

圖4 試驗(yàn)值與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值對(duì)比Fig.4 A comparison of the real value and the output of BP neural network

圖5 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)相對(duì)誤差Fig.5 Relative forecasting error of BP neural network

3 結(jié)論

CFB鍋爐脫硫效率隨Ca/S摩爾比的增加而提高，并且在Ca/S摩爾比較大時(shí)脫硫效率的提高幅度變緩;隨密相區(qū)溫度的升高而降低，當(dāng)Ca/S=2.25不變時(shí)，從860℃時(shí)的67.4%降到910℃時(shí)的57.4%，在密相區(qū)溫度較大時(shí)脫硫效率降低的幅度越來(lái)越小，在達(dá)到900℃以后，基本不在降低;隨二次風(fēng)占總風(fēng)比例的增加先緩慢增大，后迅速下降，存在一個(gè)最佳的二次風(fēng)率。

通過(guò)對(duì)3種不同算法的BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果比較發(fā)現(xiàn)，采用附加動(dòng)量法時(shí)，在單隱含層、且神經(jīng)元數(shù)為15的BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值誤差最小，網(wǎng)絡(luò)性能達(dá)到最優(yōu)，其平均偏離度為3.76%，最大相對(duì)誤差為8.97%，這能比較準(zhǔn)確地反映主要參數(shù)對(duì)脫硫效率的影響，對(duì)脫硫效率的提高具有指導(dǎo)意義。

[1]Boskovic S，Reddy B V，Basu P.Effect of operating parameters on sulphur capture in a pressurized circulating fluidized bed combustor[J].International Journal of Energy Research，2002，26(2):173-183.

[2]呂清剛，雍玉梅，那永潔，等.循環(huán)流化床鍋爐的SO2和NOx排放的試驗(yàn)和數(shù)值計(jì)算[J].中國(guó)電機(jī)工程學(xué)報(bào)，2005，25(1):142-146.Lu Qinggang，Yong Yumei，Na Yongjie，et al.Influence of coal on SO2and NOxemissions of circulating fluidized bed combustion[J].Proceedings of the CSEE，2005，25(1):142-146.

[3]李永華，陳鴻偉，高建強(qiáng)，等.循環(huán)流化床鍋爐的燃燒脫硫試驗(yàn)研究[J].動(dòng)力工程，2008，28(6):935-939.Li Yonghua，Chen Hongwei，Gao Jianqiang，et al.Experimental study on combustion desulfurization of circulating fluidized bed boilers[J].Journal of Power Engineering，2008，28(6):935-939.

[4]趙鵬勃，王鵬利，王海濤，等.不同粒徑石灰石的脫硫效率試驗(yàn)研究[J].內(nèi)蒙古電力技術(shù)，2010，28(5):24-26.Zhao Pengbo，Wang Pengli，Wang Haitao，et al.Desulfurization efficiency test and study on different particle size[J].Inner Mongolia Electric Power，2010，28(5):24-26.

[5]吳劍恒.循環(huán)流化床鍋爐燃燒福建無(wú)煙煤爐內(nèi)脫硫?qū)ξ廴疚锱欧藕碗姵龎m效率的影響[J].鍋爐技術(shù)，2012，43(3):33-38.Wu Jianheng.Influence of combustion desulfurization on pollutant emissions and efficiency of electrostatic precipitator of circulating fluidized bed boiler for Fujian anthracite[J].Boiler Technology，2012，43(3):33-38.

[6]裴友民.循環(huán)流化床爐內(nèi)脫硫影響因數(shù)及脫硫組合工藝[J].鍋爐制造，2012，234(4):38-40.Pei Youmin，Desulfurization factors and combined processes of CFB boiler[J].Boiler Manufacturing，2012，234(4):38-40.

[7]劉志遠(yuǎn).循環(huán)流化床鍋爐脫硫運(yùn)行特性及工業(yè)性試驗(yàn)研究[D].大連:大連理工大學(xué)，2006:51-52.

[8]Zhao Yi，Xu Peiyao，Sun Xiaojun，et al.Experimental and mechanism studies on simultaneous desulfurization and denitrification from flue gas using a flue gas circulating fluidized bed[J].Science in China Series B:Chemistry，2007，50(1):135:144.

[9]岑可法，倪明江，駱仲泱，等.循環(huán)流化床鍋爐理論設(shè)計(jì)與運(yùn)行[M].北京:中國(guó)電力出版社，1998.

[10]李超，杜佳，呂晶.循環(huán)流化床鍋爐脫硫工藝參數(shù)優(yōu)化研究[J].東北電力技術(shù)，2010，31(1):7-10.Li Chao，Du Jia，Lu Jing，et al.Parameter optimization of desulfurization process on CFB boilers[J].Northeast E-lectric Power Technology.2010，31(1):7-10.

[11]岑可法，姚強(qiáng)，駱仲泱，等.燃燒理論與污染控制[M].北京:機(jī)械工程出版社，2004.403-408.

[12]何宏舟，鄒崢，俞金樹(shù)，等.循環(huán)流化床鍋爐燃燒福建無(wú)煙煤爐內(nèi)脫硫的工業(yè)試驗(yàn)研究[J].中國(guó)電機(jī)工程學(xué)報(bào)，2010，30(35):7-12.He Hongzhou，Zou Zheng，Yu Jinshu，et al.An industrial experiment research on the desulfurization of circulating fluidized bed boiler burning Fujian anthracite[J].Proceedings of the CSEE，2010，30(35):7-12.

[13]陳鴻偉，楊新，申赫男，等.基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)對(duì)提升管內(nèi)循環(huán)流化床顆粒循環(huán)流率預(yù)測(cè)研究[J].華東電力，2012，40(8):1399-1403.Chen Hongwei，Yang Xin，Shen Henan，et al.Prediction of CFB particle circulation rate based on optimized BP neural network[J].East China Electric Power，2012，40(8):1399-1403.

[14]楊維波，王惠敏，梁偉平，等.基于神經(jīng)網(wǎng)絡(luò)的火電廠脫硫系統(tǒng)設(shè)備狀態(tài)分析專家系統(tǒng)[J].電力科學(xué)與工程，2008，24(3):47-49.Yang Weibo，Wang Huimin，Liang Weiping，et al.State analysis expert system of smoke desulfurization equipment in power plant based on neural network[J].Electric Power Science and Engineering，2008，24(3):47-49.

[15]張良均，曹晶，蔣世忠.神經(jīng)網(wǎng)絡(luò)使用教程[M].北京:機(jī)械工業(yè)出版社，2008.

[16]叢爽.面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論和應(yīng)用[M].合肥:中國(guó)科學(xué)技術(shù)出版社，1998.45-73.

[17]陳鴻偉，劉煥志，李曉偉，等.雙循環(huán)流化床顆粒循環(huán)流率試驗(yàn)與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)[J].中國(guó)電機(jī)工程學(xué)報(bào)，2010，30(32):25-29.Chen Hongwei，Liu Huanzhi，Li Xiaowei，et al.Experimental research on solids circulation rate in a double fluidized bed and BP neural network prediction[J].Proceedings of the CSEE，2010，30(32):25-29.