火电厂锅炉热效率优化调整软件的开发

大型燃煤电厂锅炉热效率目前通常依靠燃烧试验调整优化，现场试验耗时费力，而且由于锅炉输入输出特性复杂，耦合性强，燃用煤种和操作条件变化较大，通过试验进行燃烧优化往往效果不佳。介绍开发的一种设计软件，它利用人工神经网络对锅炉特性建模，并采用遗传算法进行最佳运行工况寻优，可获得目前最佳的锅炉燃烧调整方方式，实现锅炉的节能降耗。     

城市生活垃圾中废弃木料流化床热解气化试验研究

为开发适合我国城市生活垃圾处理的低污染气化熔融技术，对城市生活垃圾中广泛存在的废弃木料组分进行了流化床热解与气化试验。流化床中，在反应温度400～700℃、过量空气系数0～0．8的范围内，对木料进行了系统的热解气化试验，分析了反应产物特性及其产量变化规律。结果表明，热解温度5000℃，热解油产量最大，可占原料质量的38％，热解气产量随温度增加而增大；气化温度600℃、过量空气系数0．4时，气化效率最高，达到73％，此时每标准立方米气化气热值为5800kJ，气化气产率为2．01m^3／kg；并进行相关的反应特性及机理分析。     

基于支持向量机与高斯分布估计的低NOx排放

燃烧优化的核心在于建立有效而快速的建模工具及寻优算法,以便于在线应用。为了研究新方法的适用性以及克服常用算法的缺点,本文利用支持向量回归建立了大型四角切圆燃烧电站锅炉NO_x排放特性模型。利用大量的热态实炉试验NO_x排放数据对模型进行了训练和验证。结果表明,支持向量回归模型能获得较神经网络模型更加准确的预测结果,相对于神经网络,支持向量回归能更好处理大样本量数据的非线性问题。随后,采用一种基于高斯概率密度 (GPDD)的分布估计优化算法对NO_x排放模型进行了寻优。研究发现,与遗传算法相比,GPDD具有更好的寻优能力与更快的收敛速度。结合支持向量回归与高斯概率密度分布(GPDD)算法能有效降低燃煤锅炉NO_x排放量,不到1 min的优化时间便于在线应用。研究结论可为该算法在实际电厂中推广应用提供参考依据。     

阳极支撑平板状SOFC过电势模型及分析

平板型固体氧化物燃料电池由于具有高效率、低污染物排放等特点,是未来发电的主要方向。当电池运行产生电流时,就会伴随电荷传输产生活化极化,伴随质量传输产生浓差极化,根据材料导电性的不同相应产生一定大小的欧姆极化,从而降低了燃料电池的开路电压,并对电流密度和输出功率产生影响。为了能使燃料电池更好地运行,就必须要了解对过电势产生影响的各种因素,所以建立了阳极支撑的平板状SOFC过电势模型,分析了电流密度、温度以及一些结构参数对三种过电势的影响,对阳极支撑型和电解质支撑型燃料电池的性能进行了比较。     

螺旋肋片管与气固多相流传热特性研究

本文在试验的基础上对气固多相流横向冲刷螺旋肋片管的传热特性进行了研究。试验所用物料为平均粒径ｄｐ＾－＝４４μｍ电厂灰和ｄｐ＾－＝１２０μｍ细石英砂。颗粒重量浓度Ｍｓ在０￣４．５ｋｇ／ｋｇ范围内。结果表明,螺旋肋片管与气固多相流传热与气流Ｒｅ数,颗粒浓度以及颗粒尺寸均有关,在较细颗粒和较低Ｒｅ数下,气固多相流强化传热程度随颗粒浓度的增加而增加。     

高压燃烧室进气雷诺数对旋流预混燃烧特性的影响

采用数值模拟的方法对干式低排放高压燃烧室的燃烧特性进行研究,通过与文献中实验数据对比,验证了模型的正确性。分析了不同进气雷诺数下燃烧室的速度场、压力场及燃烧室出口截面温度的分布情况。结果表明,雷诺数对燃烧室内的流场影响较大。随着雷诺数的增加,燃烧室的回流区范围增大,燃气流速增加。燃烧室出口温度上升,燃烧室出口截面中心区域温度由外向内呈升高趋势。     

谈谈挤压泵的设计

谈谈挤压泵的设计浙江大学热能工程研究所杨家林１前言由于挤压泵在输送高浓度、高粘度液固浆料方面具极佳适应能力，并以其结构简单，维护方便，适用性广等优点，除建筑以外，已在国内的化工、煤炭、冶金及轻工食品行业相当规模地开始应用。所以，如何规范设计思想，优化...     

云遮挡条件下熔融盐吸热管防护的数值模拟

基于吸热器单管模型,采用Fluent数值软件模拟研究云遮挡发生时及防护后,不同热流密度、熔融盐流速、表面对流换热系数吸热管温降特性的影响。研究结果表明：辐射热流密度对于熔盐吸热管壁面温度降低至接近凝固点的时间影响有限;对流换热系数越大越容易出现熔盐凝固;熔盐进口流速越低,熔盐出口温度降低至接近凝固点的时间越长;单根吸热管壁面温度下降至熔盐最低使用温度时间约为20 s,采用加装防护装置及降低熔盐进口流速相结合的防护策略,可将其时间延长近6倍,最长延缓至143 s。     

基于遗传算法优化的煤粉着火温度BP神经网络预测模型

采用遗传算法（GA）对BP神经网络（结构和初始权值、阈值）进行了优化，获得了影响煤粉着火温度预测的主要煤质指标（M_ad，A_ad，V_ad，O_ad），建立了优化的煤粉着火温度BP神经网络预测模型．对20个校验样本的预测结果表明：预测值与试验值的平均相对误差为0.29%，均方差为59.29，达到了较高的预测精度．     

循环流化床锅炉脱硫的工业试验及模型预测

通过在７５ｔ／ｈ循环流化床锅炉上所进行的试验研究,取得了加石灰石脱硫的动态特性。依据循环流化床锅炉运行特点,对原有的循环流化床锅炉脱硫模型进行了部分改进,成为已建的循环流化床锅炉总体数学模型的一个子模型。运用该模型对循环流化床锅炉炉内ＳＯ２的生成和脱除进行模拟,模拟结果与工业试验结果吻合。模拟结果还揭示了加石灰石脱硫对循环流化床锅炉运行的影响。