电站燃煤结渣特性的模糊模式识别

目前国内外普遍采用的单一煤灰结渣特性指标分辨率较低,有时甚至出现按某一准则判别的结果与实际结渣程度相矛盾的情况。本文运用模糊数学的方法对电站燃煤的结渣特性进行了模式识别,用以综合判定燃煤的结渣性能,可作为锅炉运行和设计部门预测炉内结渣程度的依据。     

气氛条件对典型煤种结渣特性影响的实验研究

燃煤锅炉受热面结渣问题一直是困扰电站锅炉安全和经济运行的重要因素.因b选取三种不同的煤种在不同气氛条件下进行灰熔融性试验的基础上对煤种的结渣特性作出分析.分析结论为还原性环境气氛可显著降低煤灰熔融温度,从而使煤灰结渣特性增强;单一评判法与多指标综合评判法对煤灰结渣特性进行判定,为避免锅炉受热面结渣提供理论依据.在锅炉实际运行中,因保证炉内受热面周边氧化性气氛,降低煤灰结渣特性,减少锅炉受热面结渣的可能性.     

基于神经网络的电站锅炉水冷壁积灰结渣监测模型的研究

针对阜新电厂 2 0 0MW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监测模型。所建的神经网络监测模型 ,能够反映锅炉水冷壁积灰结渣的程度 ,为电站锅炉吹灰优化系统的开发打下了良好的基础。     

基于SVM的燃煤电站锅炉飞灰含碳量预测

将支持向量机方法引入燃煤电站锅炉飞灰含碳量预测领域．该预测方法很好地建立了燃煤电站锅炉飞灰含碳量特性与运行参数之间的复杂关系模型,并考虑到运行参数之间的耦合性,具有预测能力强、全局最优及泛化性好等优点．将该方法应用于某300 MW燃煤电站锅炉中,经过训练后的SVM模型对检验样本飞灰含碳量进行预测,均方根误差和平均相对误差分别为1．39%和1．30%,相当于BP网络模型的22．20%和21．07%．应用结果表明,支持向量机方法优于多层BP神经网络法,能很好地满足预测要求．     

模糊综合评判模型预测电站燃煤结渣特性研究

基于最大隶属度原则,采用常规煤质结渣特性指标以及炉膛运行参数组成的"6指标法"对模糊理论预测燃煤结渣的四种常用模型进行了分析和检验。     

电站锅炉用煤常规结渣指标的模糊综合评判

运用常规结渣指标在判别电站锅炉用煤结渣特性时存在着较强的主观性,导致判别结果分歧较大.为此,提出了常规结渣指标的模糊综合评判方法,并将之用于8个煤种的结渣特性判别,所得评判结果与实际结渣状况相符.文中还强调了隶属函数的建立及权重集的选择对模糊综合评判的影响.     

一种评判煤灰结渣特性的新方法

针对煤灰结渣特性单一评判指标的预测精度普遍偏低的问题,基于偏最小二乘算法（PLS）和交叉验证理论建立了煤灰结渣特性预测模型,该模型有4个输入变量,即煤灰的软化温度、碱酸比、硅比和硅铝比,1个输出变量,即结渣程度．提出了指标的同向性和异向性的概念,依据所提出的概念对各单一指标对煤灰结渣特性的作用进行了定性分析与讨论,结合拟合方程,给出了煤灰结渣特性的评判依据．通过对测试样本进行检验,结果表明：所提出的PLS预测模型的预测精度远高于单一评判指标的预测精度,所建模型是合理可行的．     

基于支持向量机的煤灰结渣特性判别

在研究燃煤煤灰成分与其结渣特性之间关系的基础上，提出了基于支持向量机算法的煤灰结渣特性判别模型。该模型将煤灰成分作为输入量，煤灰结渣特性作为输出量，并用离子群优化算法对支持向量机参数进行优化。最后用实测数据对模型进行校验，结果表明，基于支持向量机的煤灰结渣特性判别模型的判别准确率高于采用相同训练集和测试集的其他算法。支持向量机判别速度快，准确率高，有利于提高动力配煤经济性以及锅炉运行安全性。     

协同能效与NO_x排放的锅炉系统综合评价模型研究

为了有效控制燃煤电站锅炉NO_x的排放、保证锅炉高效率运行,运用模糊综合评价法建立了锅炉系统能效与污染物排放综合评价模型,对电站锅炉系统运行实施有效的控制。利用热效率及氮氧化物的预测优化模型确定包含经济性和环保性多级评价指标的隶属度函数;选用序综合法和熵权法确定指标权重;并利用某实际运行锅炉的数据验证了评价结果的准确性,为确立切实可用的协调能效与大气污染物排放的锅炉系统综合评价方法奠定基础。     

模糊综合评判模型预测电站燃煤结渣特性的研究

基于最大隶属度原则,采用常规煤质结渣特性指标以及炉膛运行参数组成的"6指标法"对模糊理论预测燃煤结渣的4种常用模型进行了分析和检验.分析发现,4种模型都具有较好的预测效果,但相比而言,具有"主因素决定型"特征的模型由于过于强调单一指标的作用效果,在评判过程中容易陷于局部最大修正隶属度的误区,从而导致对结渣倾向性不明显样本预测的失效.考虑各因素影响的综合评判方法则避开了这一误区,在整体预测效果上获得了更高的准确度.     

基于模糊C均值聚类和支持向量机算法的燃煤锅炉结渣特性预测

应用基于模糊C均值聚类算法预处理的支持向量机算法对锅炉结渣特性进行预测建模,将煤的软化温度、碱酸比、硅铝比和硅比以及无因次炉膛烟气平均温度和无因次实际切圆直径作为模型的输入变量,结渣程度作为输出变量,利用优化后的模型对10台锅炉的结渣特性进行评判.结果表明:该模型能够减小训练样本的过拟合度,具有较强的泛化能力;本试验中FCM-SVM预测模型预测结果的正确率为100%,可以实现对锅炉结渣特性的精确预测.     

Assessing slagging propensity of coal from their slagging indices

Energy production by coal combustion is the most commonly used energy technology. At this time, the correlation between the existing coal slagging indices and the actual observations made in most conventional boilers is poor. Some of the conventional test results and empirical ratios frequently offer misleading information, especially, when their use is extended to other coals or blends. For better understanding of the coal properties related to slagging problems, here a multi-variable regression (MR) analysis equation to predict slagging propensity and new models based on multi-resolution wavelet neural network (MWNN) and vague sets are proposed. Coal samples collected from a wide range of Chinese power plants are evaluated. The results of predictions correlate well with the reported field performance of the coals and the new models offer better predictive capability for understanding the field slagging observations than the conventional indices. The methods proposed here provide an encouraging development towards the search for a generic technique of assessing the slagging potential of pulverized coals/blends in boilers.     

3种型号W火焰锅炉结渣特性的数值模拟

采用结渣模型耦合气固两相流动燃烧模型,对3种不同型号W火焰锅炉的结渣特性进行了多工况数值模拟,结合实际运行状况,对结渣位置、程度及原因进行了对比分析.结果表明:在燃用结渣倾向相同的煤时,不同型号锅炉的结渣特性有明显差异,这是由于炉膛结构尺寸、下炉膛热力参数、燃烧器类型、分级二次风配风方式等不同造成的;切停侧边燃烧器、降低锅炉负荷和燃用结渣倾向低的煤都能有效减轻侧墙结渣,显著改善锅炉结渣特性.为此,提出了防止W火焰锅炉结渣的措施.     

对福建省锅炉炉渣余热回收可行性研究

叙述了福建省锅炉炉渣余热回收可行性研究的背景,进行了换热设备的可行性研究,分析了经济上的合理性,得出该炉渣余热回收技术是确实可行     

燃煤工业锅炉的发展与解耦燃烧技术的开发

比较了我国现有典型燃煤工业锅炉,包括链条炉排锅炉、循环流化床锅炉和煤粉燃烧锅炉的技术现状,分析了这三种锅炉的燃烧特性及其存在的优势和劣势。介绍了一种新型的煤炭解耦燃烧工业锅炉的技术原理和研究开发现状,从燃烧效率、烟气排放、设备投资、运行维护和负荷及燃料的适应性等几方面综合考虑,解耦燃烧工业锅炉具有良好的发展和应用前景。     

基于BP神经网络的煤粉锅炉飞灰含碳量研究

飞灰含碳量是反映电站煤粉锅炉燃烧效率的一个重要指标。基于误差反向传播（BP）神经网络方法，建立了11-23-1型BP神经网络模型。根据某电站四角切圆煤粉锅炉特点选取了煤粉细度、燃烧器摆角、烟气含氧量、5个煤种参数、燃烧器喷口运行组合等11个影响燃烧的参数作为神经网络的输入因子，对建立的模型进行训练，得到模型参数。以此进行预测，与实际值的误差不超过6％。在此基础上，又提出了单参数影响飞灰含碳量的简化分析方法，使神经网络包含的多维非线性规律在一定条件下简洁、直观地反映出来。计算和分析结果表明，本模型方法能有效提取各参数对飞友含碳量的影响规律，可用于锅炉飞灰含碳量的分析、预测和优化调节。