实验条件对煤粉着火稳定性指数测定的影响

采用热重分析(thermogravimetry,TG)可以快速、准确地评价煤的燃烧性能,但缺乏统一的判定和评价准则。JB/T10440—2004《大型煤粉锅炉炉膛及燃烧器性能设计规范》(以下简称"设计规范")规定了利用TG测定煤粉着火稳定指数的方法,其中氧量(氧的体积分数)和样品量的设定与众多文献有较大差异。为探讨这两个参数设定的必要性,针对性地开展了氧量和样品量的对比实验,所得结果表明,提高氧量和增加样品量可促使煤粉由非均相着火模式向均相着火模式转变;设计规范中79%氧量和以含10 mg可燃物质(以下简称"可燃物")为基准的实验条件设定合理,所测得的着火稳定性指数更易于明确区分不同煤样的着火特性。     

基于人工神经网络的煤粉燃烧特性预测模型

煤质常规分析指标与燃烧特性参数的综合运用有利于指导电厂的优化运行。对81个煤样进行了热重分析实验并获得燃烧特性参数,利用人工神经网络建立基于煤质分析数据的燃烧特性参数预测模型,并通过相关性分析、遗传算法和多次预测取平均的方法对模型进行优化。结果表明:优化建立的着火稳燃特性指数(R_w)预测模型的拟合度(R~2)为0.957,10个预测样品的平均绝对误差(MAE)为0.15;燃尽特性指数(R_j)预测模型的R~2为0.938,MAE为1.17。在生产现场利用常规分析快速预测煤粉的燃烧特性。     

基于LIBS和NIRS信号同步采集和融合的入炉煤发热量测量研究

快速准确地对入炉煤发热量进行检测是指导电厂经济安全运行的关键，然而煤炭成分复杂，其发热量与元素组成和分子结构都有一定的相关性，单一分析技术快速准确测量入炉煤发热量比较困难。基于激光诱导击穿光谱（LIBS）技术和近红外光谱（NIRS）技术，提出联用2种技术检测入炉煤发热量的方法。同步采集输送带上煤炭的LIBS和NIRS光谱信号，进行光谱数据预处理后融合2种光谱信息，并结合偏最小二乘（PLS）建模方法定量分析煤炭发热量。将该方法用于搭建煤样测量系统，得出煤样发热量定标集的决定系数为0.98，预测集均方根误差为0.37 MJ/kg，平均绝对误差为0.26 MJ/kg，平均相对误差为1.09%。表明所提出的在输送带上LIBS和NIRS信号同步采集方法可快速准确测量入炉煤发热量。