Ein intelligentes Optimierungsmodell für die Ein- und Ausgangsparameter der Brenner einer Kessel wurde unter Verwendung eines radialen Basisneuronalen Netzes erstellt. Es wurde die Auswirkung der unterschiedlichen Dichteverteilung der radialen Basisfunktionen auf die Genauigkeit der Modellvorhersage analysiert. Eine Echtzeit-Optimierung der Betriebsparameter wurde mit einem auf reiner Kodierung basierenden genetischen Algorithmus durchgeführt. Durch die praktische Anwendung in einem 600-MW-Kraftwerk können die tatsächlichen Betriebsdaten für die Verbrennung verwendet werden, um die Betriebsabläufe des Kesselpersonals zu leiten und die Effizienz des Kessels nach der Optimierung zu verbessern.

Kraftwerk; Kessel; Verbrennungsoptimierung; neuronales Netz; genetischer Algorithmus