基于GPU并行计算的数值模拟与燃煤锅炉系统的优化研究

【摘要】：随着能源消耗的增加与环保需求的提高,节能减排已经成为我国各项研究的重中之重。锅炉燃烧优化可以针对锅炉的效率或者污染物的排放量进行有效的调节。但是以往的锅炉燃烧优化都是对锅炉的单个目标进行优化,单目标的优化结果可以使得优化的目标变量得到大幅度的改进,而其他的运行参数则不太理想从而不能达到节能减排的目的。为了能够有效实现节能减排的目标,对锅炉的多目标优化也势在必行。锅炉系统本身的机理非常复杂,复杂的机理研究需要更大的计算量和更能反映机理的方法。GPU并行计算技术在显卡上可以实现十几倍甚至几十倍于主流CPU的加速比,为大数据量的处理和数值模拟研究带来了新的思路和方法 锅炉系统是一个复杂的系统,保证锅炉安全稳定的运行是首要的任务。而锅炉送粉管道的阻力的均衡特性是保证锅炉燃烧火焰居中的首要特性。目前大部分的电力设计部门已经采用了电厂三维设计软件进行管道布置的设计,但是缺乏相应的阻力计算软件和准确的阻力计算公式,如果能将管道阻力计算与三维设计软件相结合对管道阻力的设计优化将会有很大的好处。 基于上面的问题,本文进行了如下的研究： 首先,本文基于GT200架构的GPU分析了GPU的硬件结构和GPU可用于通用计算的原理,同时介绍了Nvidia公司的CUDA技术。 其次,在基于GPU并行计算的基础上,采用CUDA技术,针对经典的圆柱绕流问题实现了格子玻尔兹曼的在GPU上的并行算法,同时讨论了并行算法中影响算法执行效率的各个因素。 第三,采用支持向量机对燃煤锅炉的NOx排放量和飞灰含碳量的建模。同时在将GPU并行计算的概念引入到支持向量机建模当中,在大数据量下的基于CUDA并行计算的支持向量机可以获取一定的加速比,数据量较小的情况下建模速度和预测速度并没有相应的提高。 第四,在支持向量机建好的模型的基础上,分别采用的了改进的非支配排序算法、增强的多目标进化算法、多目标细胞遗传算法、多目标分散搜索算法和多目标粒子群算法对锅炉的NOx排放量和飞灰含碳量进行了多目标优化。同时对以上的各个算法在算法的执行时间、解的分布范围、解分布的均匀程度方面进行了比较 第五,在三维电厂设计软件PDMS平台上实现了送粉管道阻力的准确计算,并实现了与PDMS软件可以无缝连接的管道阻力计算软件,大大提高了设计人员的工作效率。 最后,在送粉管道阻力研究的基础上,从阻力平衡角度对比了海门投标方案中的前煤仓方案和侧煤仓方案。发现前煤仓方案在阻力均衡方面要优于侧煤仓方案。

【学位授予单位】：浙江大学
【学位级别】：博士
【学位授予年份】：2010
【分类号】：TK229.6