Auf der Basis von Mehrfachbedingungswärmeprüfungen des Kohlenstoffgehalts in den Flugaschen der Kohleverbrennungsmischung in einem Kraftwerkskessel wurde ein Modell des neuronalen Netzwerks der nichtlinearen Dynamik- und Selbstlerncharakteristiken aufgebaut und die relativen Fehler zwischen den Vorhersagen der Proben und den tatsächlichen Messungen betrugen jeweils 1,14 %, 1,19 % und 2,45 %, was die Durchführbarkeit des Modells bestätigt. Durch die Nutzung der Regulierungsparameter des Kessels als unabhängige Variable der Optimierungsziel funktion, Kombination von globaler Optimierung durch genetische Algorithmen und Durchführung der Optimierung für drei Bedingungen, wie das Mischen von indonesischer Kohle, Verbrennung in einer Kohlemühle und Verbrennung in zwei Kohlemühlen, wurden die besten Betriebsparameter erzielt und der Kohlenstoffgehalt in den Flugaschen wurde jeweils von 2,25 %, 1,96 % und 1,08 % auf 1.87 %, 1.69 % und 0.73 % gesenkt, was darauf hindeutet, dass das Mischen von indonesischer Kohle zur Reduktion des Kohlenstoffgehalts in den Flugaschen und zur Erhöhung der Effizienz des Kessels beiträgt. Die Auswahl der Kohlemühle oder der Kombination von Kohlemühlen zur Verbrennung von indonesischer Kohle wurde ebenfalls optimiert, und das Ergebnis zeigte, dass die Verwendung von Kohlemühlen B und C für die Verbrennung die beste Lösung ist.

Kessel; Kohlenstoffgehalt in den Flugaschen; genetischer Algorithmus; indonesische Kohle; Mischverbrennung; Kohlemühle