SA一3000火焰检测系统的调试与运行

火焰检测系统用于对炉膛火焰燃烧状况的检测和监视,是锅炉运行状态检测的一个重要组成部分。本文介绍了SA-3000火焰检测系统的硬件设备、调试步骤及方法,通过分别设置有火、无火两套火检文件,可以有效地避免火焰偷看。通过设置合理的增益和频率值,对于同类型机组火检的调试,具有一定的参考价值。     

火检系统常见故障分析及处理

针对大方电厂ABB Uvisor火检系统应用中存在问题和出现故障,提出了处理措施,有效降低了火检系统故障率,提高了设备可靠性,保证了锅炉安全稳定运行。     

CFBB锅炉燃烧方案设计及现场应用案例

以130t/hCFB锅炉为研究对象,介绍DCS系统配置、功能及锅炉燃烧控制方案。针对CFB锅炉燃烧过程的复杂特性,基于多变量频域解耦控制理论,提出了"能量-氧量"双交叉燃烧控制方案,实现了CFB锅炉主要参数之间的解耦控制,消除了燃烧过程中主要内扰的影响,同时保证了燃烧的经济性,进而提高了锅炉燃烧自动控制系统的连续投运率,达到锅炉燃烧自动投运率为100%。     

基于SVM与遗传算法的燃煤锅炉燃烧多目标优化系统*

电站燃煤锅炉燃烧优化要求在保证燃烧效率的基础上降低NOx的排放,针对锅炉燃烧系统多变量、强耦合、强干扰、大滞后的复杂特性,提出利用支持向量机(SVM)对锅炉燃烧特性建模,利用遗传算法实现运行工况寻优,从而获得锅炉燃烧优化调整方式.仿真实验和实践结果表明,该系统实现了锅炉高效低氮的燃烧优化,满足实时性的要求.     

铜山华润电力1000MW机组微油火检信号检测及保护系统改造与完善

介绍铜山华润电力1000MW机组炉膛火检信号检测系统在运行过程中系统出现的故障及隐患,探讨铜山华润两台1000MW微油火检信号装置存在的问题,提出火检改造的方案,通过实践证明,这些措施有效的提高了炉膛火检信号采集的可靠性,从而保证了电厂的安全稳定运行。     

中小型煤粉锅炉燃烧系统优化控制

针对现有的煤粉锅炉燃烧系统存在供粉量不均匀、结渣、燃烧不充分和负压不稳等问题,以一台20 t的导热油炉为控制对象,提出了一种煤粉锅炉燃烧系统集散控制系统的设计方案;详细介绍了该系统的硬件及软件设计。测试结果表明,导热油炉运行稳定,各项技术指标符合设计要求,实现了煤粉锅炉燃烧系统的优化控制。     

基于神经网络和粒子群算法的锅炉燃烧优化方法

通过对火电厂锅炉燃烧控制系统送风调节系统研究现状分析,提出一种基于粒子群优化算法的锅炉燃烧优化方法.其基本思想:首先利用燃烧特性试验数据,借助于 Matlab 软件建立了火电厂锅炉燃烧特性的神经网络模型,在此基础上利用粒子群优化算法寻找送风调节系统最佳氧量设定值,进而调节送风量,实现锅炉燃烧的整体优化.结果表明:基于粒子群优化神经的算法为锅炉燃烧优化方法优化提供一条新的途径.     

流化床锅炉炉膛安全监控系统的功能及调试

详述了锅炉燃烧器管理系统（ＢＭＳ）的配置和组成,ＢＭＳ系统主要功能及系统调试。具体介绍了可编程序控制器性能指标,ＰＬＣ硬件配置,软件设计,编程器,操作方式以及炉膛吹扫,火焰检测及火检原理等。     

炉膛火焰数字图像处理系统研究和应用

本文着眼于目前在电站锅炉火检系统中应用最为广泛的炉膛火焰数字图像处理系统，分析了其硬件系统的构成，通过对其典型部件的研究，提出在炉膛火焰监测中，硬件设备的选择依据以及硬件系统实施的注意事项。对于炉膛火焰的数字图像处理的精确性、稳定性、可靠性有着重要的意义。     

工业燃煤锅炉燃烧自动化

本文是对链条炉排工业燃煤锅炉实现燃烧自动化的技术总结.文中对工业燃煤锅炉燃烧 过程特点做了分析,设计了突出风量作用的燃烧自动化方案.文中还提出工业燃煤锅炉燃烧 自动化系统过渡过程的特殊要求,推荐了整定参数计算的具体方法,最后介绍了系统实际投运 后的技术经济效果.     

锅炉计算机控制系统

锅炉系统中用计算机自动控制,不仅能为操作人员提供可靠的数据信息,而且还能提供主要检测点的动态出面,它还具有可靠的多级报警系统,可提示故障点和维修措施。同时,计算机系统还能从宏观的角度调节锅炉燃烧,使整个锅炉燃烧系统从整体上协调运行,实现生产过程自动化。     

基于无线多传感器信息融合的火灾检测系统

传统的火灾监控系统往往采用基于单传感器的有线信息检测与传输系统,布线不方便,环境适应性和抗干扰能力较差.本文提出了一种基于ZigBee无线多传感器网络的火灾监控系统,运用包括烟雾、温度、CO气体等多传感器感知火燃烧状态,对是否发生火灾分配不同信任度函数,利用D-S证据理论融合3种传感器信息以判断火灾状态.本文详细阐述了系统工作原理、多传感器信息、D-S证据理论等关键技术,并给出了多传感器响应燃烧实验的曲线图,理论分析和实验结果表明,该无线传感器火灾监测系统能更准确地检测火情,减少误报率,提高系统的可信度.     

运用组合探测方法对煤矿内因火灾进行模糊识别

内因火灾是煤矿的重大灾害之一。内因火灾的早期预报是保证煤矿生产安全的重要手段。文章在广泛收集煤炭自燃发火的影响因素和相关知识的基础上,分析了多种探测方法的特点并进行组合运用,以模糊推理为手段,建立了内因火灾早期的模糊识别系统。现场应用证明该方法对煤矿内因火灾的早期识别具有较高的可靠性。     

飞机发动机火警探测系统设计浅析

飞机发动机出现火警不仅严重损坏发动机,而且可能危及飞行安全.如何保证火警探测系统及时可靠工作非常重要.在介绍气动热敏式火警探测器工作机理的基础上,给出了发动机舱火警探测系统的基本设计原理.基于对系统故障模式和机理的分析,对工程上系统设计的思路策略进行了总结浅析.     

Online adaptive least squares support vector machine and its application in utility boiler combustion optimization systems

Boiler combustion optimization is a key measure to improve the energy efficiency and reduce pollutants emissions of power units. However, time-variability of boiler combustion systems and lack of adaptive regression models pose great challenges for the application of the boiler combustion optimization technique. A recent approach to address these issues is to use the least squares support vector machine (LS-SVM), a computationally attractive machine learning technique with rather legible training processes and topologic structures, to model boiler combustion systems. In this paper, we propose an adaptive algorithm for the LS-SVM model, namely adaptive least squares support vector machine (ALS-SVM), with the aim of developing an adaptive boiler combustion model. The fundamental mechanism of the proposed algorithm is firstly introduced, followed by a detailed discussion on key functional components of the algorithm, including online updating of model parameters. A case study using a time-varying nonlinear function is then provided for model validation purposes, where model results illustrate that adaptive LS-SVM models can fit variable characteristics accurately after being updated with the ALS-SVM method. Based on the introduction to the proposed algorithm and the case study, a discussion is then delivered on the potential of applying the proposed ALS-SVM method in a boiler combustion optimization system, and a real-life fossil fuel power plant is taken as an instance to demonstrate its feasibility. Results show that the proposed adaptive model with the ALS-SVM method is able to track the time-varying characteristics of a boiler combustion system.     

A neuro-fuzzy controller for a stoker-fired boiler,based on behavior modeling

A key issue in an industrial stoker-fired boiler is the design of an efficient and robust controller for its combustion system, so that the boiler can provide a continuous supply of steam at the desired pressure conditions. However, it is difficult to achieve this objective by using a model-based approach because of the high nonlinearity and uncertainty of boiler systems. In addition, the control performance may also suffer as a result of strong load changes, large disturbances, large time lags, and so forth. This paper presents a behavior-modeling-based approach to the design of a neuro-fuzzy controller for the combustion control of a stoker-fired boiler. In this approach, boiler combustion processes with unknown structure are modeled by defining three dynamic behaviors. According to these behavior ‘templates’, their corresponding fuzzy-logic controllers can be optimized off-line. During boiler system operation, the appropriate fuzzy-logic controller is fired, based on an on-line assessment of its dynamic behavior. The application results obtained demonstrate the effectiveness and the robustness of the proposed controller.