基于决策树的燃煤锅炉运行优化规则的提取

以数据挖掘的决策树方法为理论基础,结合燃煤锅炉的具体特点,将基于决策树归纳分类算法运用于锅炉历史运行数据的分析中.以锅炉效率为决策目标,对不同烟气含氧量、排烟温度等属性进行分类,构建决策树模型,采用决策树归纳分类的方法挖掘出指导锅炉运行的有用规则,并对挖掘结果进行分析和评价.     

支持向量机算法在电厂中的应用

支持向量机(SVM)是基于结构风险最小化原理的机器学习技术,在解决小样本、非线性和高维的机器学习问题中表现出许多特有的优势,适用于函数预测、模式识别和数据分类领域.该算法在火电厂运行优化、清洁生产、故障诊断等方面均有应用,参数预测精度能够满足工程应用,为火电厂的节能优化和故障诊断提供一个新的研究方向.     

基于烟气成分软测量的煤质元素分析在线监测方法研究

建立了基于烟气成分分析的电站锅炉入炉煤质监测模型,利用较容易测量的烟气气体含量和燃煤灰分数据,结合电厂记录的煤质数据的研究结果,通过软测量技术,实现了锅炉入炉煤元素成分和发热量的全面监测,并可以进一步矫正入炉煤量。试验表明:燃煤收到基低位发热量模型的计算值和实验室分析结果的偏差在3%以内,入炉煤量偏差在3%以内,各元素的偏差也在2%以内,满足工程需要。     

燃煤锅炉掺烧褐煤的经济性与环保特性分析

目前大部分电厂锅炉实际燃用煤种与设计煤种不符,针对某电厂600 MW实际锅炉选取神木、褐煤和优混等煤种按不同的掺混比例进行混煤燃烧试验研究,分别得到混煤燃烧整体经济性和环保性的相关运行参数。试验结果表明:神木煤中掺混33%左右的优混A时锅炉效率可达94.78%,表现为经济性最佳;掺混33%左右的褐煤时污染物排放总量相对较低,表现为环保特性最佳。