基于模糊理论的电站锅炉结渣预测模型研究

对电站锅炉结渣的影响因素进行分析,利用模糊理论的方法对影响结渣的煤灰特性、锅炉燃烧温度、炉内空气动力场进行指标模糊化处理,建立模糊综合评判模型对电站锅炉结渣倾向性进行评判预测。     

基于QPSO优化模糊—SVM的电站锅炉燃煤结渣特性预测

选取电站锅炉结渣的7个影响因素作为燃煤结渣特性的判断指标。将5种模糊隶属度函数与支持向量机结合,构成模糊—支持向量机(Support Vector Machine,SVM)模型,并采用量子粒子群算法分别优化隶属度函数的参数,以实际电站锅炉结渣数据作为训练样本对优化后的模型进行训练,并对给定的10组测试样本进行预测。实验结果表明,量子粒子群算法优化后的模型预测准确率显著提高。将5个优化后的模糊—SVM模型组成专家诊断系统,采取投票机制确定燃煤结渣程度,此方法的预测准确度更高,可信度更好。     

锅炉结渣特性评判的模糊数学模型

综合考虑锅炉炉膛空气动力场,炉膛温度和局部气氛条件对结渣的影响,提出用无因次切圆直径、无因次炉膛温度和局部过量空气系数3个非常规结渣判别指标,结合煤质特性4项常规判别指标,分别用模糊聚类和模糊综合判别两种方法建立评判模型对下花园电厂燃用煤种进行结渣倾向性预测。     

基于粒子群优化的FCM-SVM算法的锅炉燃煤结渣预测

应用模糊C均值聚类算法(FCM)对影响电站锅炉燃煤结渣特性的指标预处理,并采用基于粒子群算法优化的SVM对电站燃煤锅炉的结渣特性进行建模。将煤的软化温度t2、硅铝比m(Si O2/Al2O3)、碱酸比m(B/A)、硅比G、综合指数R、无因次炉膛实际切圆直径Dw以及无因次炉膛最高温度tw作为模型的输入变量,结渣程度作为输出变量。应用30组数据对模型进行训练,最后,利用建立的模型对9台锅炉的结渣特性进行评判。结果表明:该模型具有较高的预测正确率,能够有效地减少训练过程中的过拟合度,模型本身具有很好地泛化能力。     

基于支持向量机的电站锅炉煤灰熔点预测

为解决结渣问题对电站锅炉高效稳定运行的影响,探讨了一种煤灰熔点预测模型。首先分析锅炉混煤燃烧时的煤灰结渣特性,介绍了支持向量机(support vector machine,SVM)回归方法,将煤灰中的8种氧化物成分作为输入量,以煤灰熔点作为输出量,建立煤灰熔点的SVM回归预测模型,并采用遗传算法对模型参数进行寻优。经过仿真实验,将模型的预测结果与广义回归神经网络模型的预测结果进行比较,结果表明本预测模型预测精度高、泛化能力强,有助解决电站锅炉的动力配煤技术中的结渣问题。     

电站锅炉结渣的模糊数学预示分析

指出电站燃煤锅炉的结渣除与煤质本身特性有关外．还与锅炉结构及运行工况有关。并引火炉膛平均温度和无因大实际切国直径作为新的指标，同煤灰特性4个指标进行综合考虑，利用模糊模式识别的方法判断锅炉结渣。此新方法可预示大容量锅炉的设计及运行时的结渣程度。     

电站锅炉结渣的模糊综合评判

电站燃煤锅炉的结渣除与煤质本身特性的有关外,还与锅炉的结构和运行参数有关。综合考虑锅炉炉镗空气动力场和炉膛温度对结渣的影响,提出用无因次炉膛最高温度和无因次实际切圆直径两项新的结渣判别指标,结合煤质特性４项判别指标一起,利用模糊数字方法建立综合评判模型,以此判锅炉的结渣倾向。     

两种模糊数学方法在锅炉结渣特性判别上的应用

基于模糊数学原理,分别用模式识别和模糊综合评判两种方法尝试性地提出将综合指数R与4个常规结渣指标一起构成评判因素集,对取自某水煤浆锅炉不同部位的4个样品进行了结渣倾向性判别。为了考察和保证评判结果的可靠性,分别用所建的五因素模型和以前的四因素模型对龙口电厂等11个已知结渣程度的燃煤进行了评判,结果表明该模型具有更高的准确性。     

电站锅炉水冷壁积灰结渣仿真模型的建立

对辽宁省阜新电厂200MW机组燃煤锅炉进行了多工况热态测试，获得了数据样本。运用BP神经网络和LM算法建立了电站锅炉水冷壁积灰结渣的仿真模型。所建神经网络仿真模型能够反映锅炉水冷壁积灰结渣的程度，为电站仿真机吹灰优化系统的开发打下了良好的基础。     

电站锅炉结渣的模糊数学预示分析

指出电站燃煤锅炉的结渣除与煤质本身特性有关外，还与锅炉结构及运行工况有关。并引入炉膛平均温度和无因次实际切圆直径作为新的指标，同煤灰特性４个指标进行综合考虑，利用模糊模式识别的方法判断锅炉结渣。此新方法可预示大容量锅炉的设计及运行时的结渣程度。     

燃煤锅炉结渣特性预测方法综述

从单指标和多指标两个方面对近20年来燃煤锅炉结渣特性的预测方法进行了综述,主要包括综合指数R、模糊数学、模式识别、人工神经网络等。同时,阐述了各评判方法的优点和不足之处,并针对存在的问题提出了相应的改进建议。     

基于改进BP神经网络的锅炉结渣预测模型

基于人工神经网络的改进BP算法,建立了大型燃煤锅炉对流受热面积灰结渣状况的预测模型。根据所建立的BP网络模型,对某电厂700MW机组锅炉的再热器进行了分析和计算,结果表明该模型可以准确地预测锅炉对流受热面的结渣状况,从而为优化吹灰提供指导。     

煤粉炉结渣预测技术的发展及新技术应用

介绍国内外锅炉结渣诊断与预报技术的发展和研究现状、模糊判断、燃烧过程的数值模拟等新技术在电厂锅炉结渣预测方面的应用，并用数值模拟技术对元宝山电厂2号炉结渣情况进行分析，以期对电厂安全经济运行提供有益的指导。     

基于煤灰成分的非线性结渣模糊综合预测模型的研究

燃煤锅炉的结渣主要是和煤质特性有关,常规的单一指标判断结果可能互相矛盾,所以结合煤质特性5项判别指标,应用模糊数学,建立综合预测模型。隶属函数选用非线性函数,对8种煤灰结渣特性进行了综合评判,并将其结果和实际结渣情况进行了对比,取得了很好的效果。     

电厂锅炉结渣预测模型研究

从燃料特性、锅炉结构、炉内动力工况等方面进行分析 ,探讨了结渣的原因 ,利用灰色理论及模糊数学知识对结渣进行预测 ,并对章丘电厂的煤种进行定量预测分析。     

动力用煤结渣倾向的判断

针对近年来珠江电厂锅炉频繁出现的严重结渣现象，从煤种方面分析了造成锅炉结渣的各种因素，并着重从煤灰的灰成分、灰熔融特性方面进行分析，计算出灰成分、灰熔点之间的相关参数，总结出对动力用煤结渣倾向进行判断的4种方法，并将这些方法应用于珠江电厂燃煤结渣倾向的判断。实际应用表明，判断结果与珠江电厂实际结渣情况相符合。该方法为煤种掺烧和电厂燃煤管理提供了依据。     

模糊模式识别在水煤浆锅炉结渣特性判别上的应用

该文基于模糊数学原理，采用模式识别方法，尝试性地提出将综合指数R与4个常规结渣指标(软化温度T2、硅比G、硅铝比SiO2/Al2O3和碱酸比B/A)一起构成评判因素集，对某燃料水煤浆灰和取自该锅炉不同部位的另3个样品(炉渣、转向室灰和除尘灰)进行了结渣倾向性判别，以验证该模型的可靠程度。通过沾污特性分析和粘聚特性试验及与同一模型的模糊综合评判对照，结果表明该新模型较以前的四因素法具有更高的准确性，从而保证了判别结果的可靠性。同时也证明了实验室煤灰明显有别于现场锅炉煤灰。     

煤粉锅炉频繁结焦灭火的分析与处理

某电厂#1、#2锅炉频繁发生结焦灭火.借停炉机会详细检查了炉内的结焦状况,掌握了结焦的分布情况与结构特点,分析了两台锅炉的结焦状况的差别,确定了导致结焦灭火的原因.炉内耐火浇注料的表面与水冷壁表面的不同特点是形成锅炉结焦状态的重要因素.     

燃煤锅炉结渣倾向性模糊预测分析

基于模糊数学原理,以反映煤灰特性的5个常用指标(软化温度t2、硅比G、硅铝比SiO2/Al2O3、碱酸比B/A和综合指数R)以及反映锅炉运行情况的两个指标(无因次炉膛最高温度φt和无因次实际切圆直径φd)构成评判因素集,对5个锅炉进行综合评判,评判结果与实际相符。还对隶属函数做了一些必要的改进,并分别用改进前后的隶属函数模型对10个受检对象进行评判,结果表明,隶属函数的改进是合理的,它提高了模型评判的准确率。