电站燃煤锅炉全负荷SCR脱硝控制技术探讨

为了解决燃煤电站锅炉在低负荷时由于SCR入口烟温低于SCR催化剂正常工作温度窗口而导致脱硝系统无法投运的问题,主要对策有增加省煤器旁路、提高锅炉给水温度、省煤器分级技术以及开发宽温度窗口SCR脱硝催化剂。这些方法能在一定程度上改善低负荷SCR脱硝系统运行情况,目前国内所采用的省煤器旁路烟道等技术是以牺牲一定的经济性为代价的,高效节能锅炉全负荷SCR脱硝控制技术的研究对于逐步改善周围大气环境质量具有显著的经济效益和社会效益。本文旨在为燃煤锅炉进行全负荷SCR脱硝控制提供参考。     

一次调频回路的设计与应用

以外高桥电厂300MW机组为例．介绍了一次调频回路的设计和不同投用方案的比较分析，并通过一次电网频率骤跌时记录下的历史数据，总结实际应用中存在的问题和改进的方法。     

燃煤烟气超低排放全流程协同削减三氧化硫效果分析

烟气三氧化硫（SO₃）是形成雾霾的前驱体之一,研究火电厂烟气污染物控制流程中SO₃的形态、浓度、排放水平以及影响因素很有必要。对容量300~1000MW的燃煤机组超低排放设施进行实测,并对1 000 MW机组开展了全流程测试,同时与常规污染物控制流程进行比较,表明超低排放设施对SO₃具有更好的控制效果,SO₃综合脱除效率可达到90%。对烟气流程各设备脱除SO₃机理与减排效果进行分析,结果表明：（1）SCR脱硝装置具有将SO₂催化氧化成SO₃的作用。（2）空气预热器烟温降低过程间接消耗SO₃,低低温电除尘器、湿法脱硫吸收塔与湿式电除尘器对SO₃有削减作用,各设备对SO₃的削减份额分别占SO₃总量的30%、40%、15%、5%。（3）空气预热器、电除尘器运行温度对SO₃脱除率有较大影响。（4）高效脱硫协同除尘一体化吸收塔具有更好的脱除SO₃效果。     

分布式冷热电三联供智能集控平台研究及应用

介绍了分布式冷热电三联供和智能化平台建设的政策和行业背景,结合国家能源局“互联网+”智慧能源（能源互联网）示范项目的智能集控平台的研究和集成应用,分析了该类分布式能源站的工艺系统特点,阐述了集控平台总体设计原则和功能规划,总结了集控平台架构和各层级中智能化技术应用情况,以及关键控制技术。探讨了智能化技术在分布式能源站集控平台中的实践应用,为分布式能源站的智能化规划,建设和发展提供一定参考。     

灵活智慧火电支撑上海城市能源转型发展

火力发电是我国电力供应的主力,可再生能源发电的大比例消纳也需要火电来灵活调峰。灵活智慧火电是火力发电转型发展的新方向,我国灵活智慧火电技术的系统性研究和应用还处于起步阶段。通过梳理灵活智慧火电面临的技术问题,分析上海发展灵活智慧火电的需求和优势,提出灵活智慧火电技术发展方向和配套政策措施的建议,为上海火电行业未来发展提供参考。     

1000MW超超临界机组自动调节优化的探讨

以上海上电漕泾发电有限公司2台1 000MW超超临界火电机组为对象,采用智能超调优化、给水控制系统优化、对电网负荷指令处理优化、机组协调优化等处理手段,对2台机组的控制策略和控制系统进行优化。运行结果表明:锅炉与汽轮机之间及锅炉燃料与给水之间的协调控制品质显著提高。     

能源互联网下基于HS-Elman的光伏出力预测研究

文章在阐述能源互联网概念的基础上,针对光伏出力的预测问题,提出了一种基于天气类型的改进Elman神经网络(HS-Elman)光伏出力预测模型。首先,分析了天气类型、环境温度、空气湿度、风速、太阳辐照度等对光伏出力的影响;然后,利用和声搜索算法对预测模型的权值和阈值等进行优化;最后,利用上海某能源网实验平台的历史数据,对所提出的预测模型进行验证。分析结果表明:基于HS-Elman的光伏出力预测模型的预测结果能够达到光伏出力的预测标准;与传统的Elman神经网络相比,在不同的天气类型条件下,文章所提出的预测模型具有更优的运算速度和预测精度。     

自适应模糊控制策略在燃煤机组脱硫供浆的应用

介绍了在安徽淮南田集发电厂二期工程2台660 MW超超临界机组脱硫供浆系统中,采用自适应模糊控制技术对吸收塔浆液pH值进行自动控制,为燃煤发电机组脱硫减排取得稳定实效提供了保障,为地区环保作出了积极贡献。     

电厂安全帽佩戴安全性监控的智能图像处理方法

立足于电厂安全管理现状,针对部分人员不按规定佩戴安全帽进入电厂作业区域造成安全隐患问题,对基于图像智能处理的安全帽佩戴检测技术开展研究。设计一种安全帽佩戴检测方法,通过掩膜区域卷积神经网络(mask region convolution neural network,Mask R-CNN)深度学习算法对作业人员图像分析,采集5000张安全帽佩戴照片样本作为训练图集,对其进行预处理,再由改进的特征金字塔网络算法(feature pyramid networks,FPN)进行神经网络训练。对于测试集500张图像分析结果表明,结合改进的FPN算法和ResNet-101作为主干网络的Mask R-CNN模型能够有效实现对安全帽佩戴与否及佩戴错误的检测,模型精确率为0.971,召回率为0.973,均值平均精确度为0.970,获得较准确的电厂应用场景下安全帽佩戴安全性检测效果。