基于清洁因子模型的炉膛结渣污染监测的研究

进行了电站锅炉受热面污染监测的研究,主要针对锅炉炉膛辐射受热面结渣的问题,采用炉膛清洁因子作为灰污监测模型,基于声学测温技术直接测量炉膛出口烟温,并且通过热力计算和结渣分析,建立炉膛出口烟温、炉膛清洁因子、结渣状态三者之间的对应关系,由清洁因子的数值判断炉膛结渣状况。计算分析结果表明,炉膛清洁因子模型能够达到有效的炉膛结渣实时监测,作为判定指标帮助实现电站锅炉的吹灰优化运行。     

基于声学测温与最小二乘支持向量机的锅炉炉膛灰污监测方法

研究电站锅炉炉膛灰污监测问题,提出了基于声学测温和最小二乘支持向量机的电站锅炉炉膛灰污监测方法。该方法采用声学测温装置获得实际运行状态下锅炉炉膛出口烟温,用最小二乘支持向量机获得实际运行状态下锅炉炉膛清洁时的潜在炉膛出口烟温,运用上述两参数定义灰污特征参数来表征锅炉炉膛整体灰污状况。建立了监测模型,从电厂采集数据对模型进行了训练和验证,并对获得的灰污特征参数进行了分析,结果表明:基于声学测温和最小二乘支持向量机的锅炉炉膛灰污监测方法可以较准确地实现电站锅炉炉膛的灰污监测,为炉膛的吹灰优化打下了良好的基础。     

燃煤电站锅炉炉膛污染在线监测的研究

针对在线监测电站锅炉炉膛积灰、结渣的需要,建立了炉膛污染监测模型.以某300 MW机组1 025 t/h锅炉作为监测对象,开发了炉膛污染在线监测系统,成功实现了炉膛污染的在线监测.     

炉膛出口烟气测温装置的分析与比较

本文就炉膛出口烟温测量装置为立足点,结合近年来测温装置的使用情况及其发展趋势,分析了现有传统的测温装置存在的优势和弊端,新兴的红外和声波测温的原理及其各自的特点,提出了解决锅炉能够在全负荷范围内长期连续测量炉膛出口烟温装置困难问题的方案。     

燃煤锅炉炉膛灰污染监测的炉膛出口烟温增量方法

应用非线性化的增量分析方法,将锅炉运行状态与设计状态下的炉膛出口烟温（ftmaance exit gas temperature,FEGT）增量作为表征炉膛灰污染程度的参数,建立了I-FEGT的计算模型;在经过仿真计算验证模型正确性的基础上,结合某台600Mw机组燃煤锅炉实时采集的数据,利用所建模型对炉膛灰污染状况进行了实时监测,结果表明：I-FEGT能正确反映炉膛灰污染程度及其变化。可用于电站锅炉炉膛受热面灰污染实时监测、实时指导吹灰或检验吹灰效果。     

基于热流计炉膛灰污结渣监测和吹灰优化

提出了一种锅炉炉膛受热面的灰污结渣监测和优化吹灰的方法,通过利用脏污热流计测量受热面热流密度,建立监测模型,并在某电厂300MW锅炉试验。结果分析表明该模型能有效地监测炉膛受热面热流密度随灰污结渣动态变化,掌握炉内沾污结渣发展,并在此基础上提出了炉膛吹灰优化的策略,为吹灰优化研究提供了新的途径。     

大型锅炉炉膛结渣的预防

燃煤锅炉炉膛结渣问题，除与燃煤煤质有关外，还与炉膛结构特性，燃烧器型式与布置、运行方式、防渣措施有关。本文概述了上述相关因素并提出了相应的防止措施和建议。介绍了结渣倾向预测的研究成果。     

炉膛结渣的原因及处理

简述炉膛结渣的类型，认为产生结渣的主要因素与燃煤特性，燃烧区域的温度水平和热流强度，炉内空气动力工况，单只燃烧器输入热功率、燃烧器结构和布置方式以及炉壁附近气氛等有关。从设计及运行两方面论述防止结渣的具体措施。介绍了对燃用各种易结渣燃料的新设计锅炉和改燃易结渣燃料的现有锅炉的各种设计原则和防止结渣方法。     

燃煤电站锅炉受热面积灰结渣在线监测的研究

针对在线监测电站锅炉受热面积灰结渣的需要,建立了炉膛、对流受热面等主要受热面的污染监测模型。以某300 MW机组的1025 t/h锅炉为监测对象,开发了受热面积灰结渣在线监测系统,成功实现了锅炉受热面污染的在线监测。     

基于人工神经网络的绝缘局部放电信号提取方法的研究

提出了一种基于ＢＰ神经网络结构与算法的局部放电信号提取方法。该方法在网络节点连接权向量域,从强大的窄带周期性干扰（载波通讯干扰）和随机噪声中提取局部放电信号。仿真研究与现场实验结果表明,该方法能有效地提取局部放电信号,可用于大型发电机、变压器及其它电力设备局部放电在线监测系统中。     

基于神经网络的电力变压器状态监测

对电力变压器的几种常规的状态监测方法进行了讨论,并着重对基于神经网络的监测方法进行了分析.研究表明,神经网络是一种有效的模式分类器,可用于对电力变压器状态的识别.     

煤种结渣预报的模糊神经网络研究

提出一种改进的FCM(模糊c-均值聚类)方法构建模糊神经网络模型。对所给的煤种数据进行训练和验证,构建结渣预测模型。结果表明,这种方法预测准确率高,能够为电站经济运行提供一定的科学依据。     

基于BP神经网络的拱坝温度监测数据预测模型

实时监控拱坝的温度对工程进度和坝体安全具有重要意义。以白莲崖碾压混凝土拱坝温度监测数据为研究对象,建立基于MATLAB的拱坝温度监测反向传播（BP）神经网络预测模型,用原型观测数据对其进行校核和检验,并引入灰色理论中的GM（1,1）模型、混沌模型（最大Lyapunov指数法）与预测结果进行比较。结果证明,用人工神经网络建立坝体变形的神经网络模型对大坝变形能够进行较高精度的预测,具有良好的应用前景。     

变压器油色谱在线监测中BP神经网络算法分析

针对现今变压器故障诊断方法存在的编码不齐全、准确率不够高等问题,提出了一种基于BP神经网络的变压器油色谱在线监测综合智能诊断方法.该方法结合国标阚值诊断以及改良三比值法,运用BP神经网络理论诊断变压器综合运行状态.运用Matlab建立基于特征气体的BP神经网络变压器故障诊断模型,发现BP神经网络具有良好的特征提取功能,但是通过不断训练发现,只运用BP神经网络对变压器进行诊断得到的变压器运行状态并不是十分准确.最后,结合常用的比值法,通过仿真对实例进行综合诊断,得出此方法运用到变压器故障诊断中具有更高的准确性.     

基于模糊神经网络的电站燃煤锅炉结渣预测

分析了电站锅炉结渣的影响因素,确定评判锅炉结渣倾向性的指标.将模糊数学和BP网络相结合.构成模糊神经网络模型.采用不同的隶属函数将判别指标模糊化,以实际电站锅炉作为训练样本,对该模糊神经网络模型进行训练,并对给定4组电站锅炉进行预测.分析比较预测结果,最终确定4组锅炉的结渣倾向性;试验结果表明,此种方法能够更准确地预测电站锅炉结渣倾向性,为实际锅炉设计及运行提供科学依据.     

基于人工神经网络的综合负荷模型

指出了BP神经网络应用于动态综合负荷建模时存在的缺陷。提出了一种适合描述综合负荷动态特性的具有内反馈功能的动态Elman神经网络负荷模型,并采用改进遗传算法作为优化算法对某220 kV变电站综合负荷采集样本进行建模。大量建模实践表明,文章所提出的动态Elman神经网络综合负荷模型具有结构简单、参数少、应用简便、对综合负荷动态特性描述能力强等优点;Elman神经网络不仅对动态负荷建模具有良好的实用价值,也是一种很适合于电力系统其他动态非线性辨识的神经网络模型结构。     

基于改进型BP神经网络的瓦斯传感器的非线性校正

提出了一种基于改进型BP神经网络的瓦斯传感器的非线性校正方法,利用神经网络良好的非线性映射能力,逼近反非线性函数完成非线性校正.仿真实验结果表明:与分段线性校正和传统BP算法相比,改进型的BP神经网络收敛速度快、逼近精度高,准确度由原来分段线性校正的±5.02%提高到现在的±0.130%,且易于动态调校.     

基于人工神经网络的油中溶解气体在线监测系统的设计

介绍了变压器油中溶解气体微机在线监测系统的总体结构，解决了溶解气体对传感器“交叉敏感”的问题，阐述了系统硬件和软件实现方法。