基于神神经元网络的电厂锅炉燃烧优化系统

介绍应用于某200MW机组锅炉、基于神经元网络在线辨识技术的锅炉燃烧优化系统的结构和实现方式，讨论基于神经元网络的优化模型和优化算法，并在同类型仿真机上进行了仿真实验，证明了锅炉燃烧优化系统的正确性和有效性。     

煤粉锅炉热效率在线监测系统的研究与开发

利用煤粉锅炉风粉流量在线监测系统模型，对锅炉热效率在线监测系统进行了研究与设计，开发出了系统的可视化软件，并利用某热电厂锅炉实测数据对系统进行了检验，证明系统能够适合现场应用要求．     

基于Internet/ Intranet的火电厂锅炉低NOx燃烧优化指导系统

从分散控制系统（DCS）上采集数据，结合人工神经网络的非线性动力学特性和自学习特性，通过对锅炉输出参数和NOx输出特性的样本学习，建立了大型电站燃煤锅炉的氮氧化物排放特性神经网络模型，并利用遗传算法实现锅炉的低NOx燃烧的优化运行指导，系统采用Browese/Server方式，实现基于Internet/Intranet模型下的大型电站锅炉燃烧优化指导。     

汽轮发电机组动态模型研究与应用

介绍汽轮发电机组动态模型研究的发展状况，分析现有模型在研究组动态特性和设计评价新的协调控制系统的应用中存在的一些问题，为解决这些问题，对锅炉－汽轮机动态模型做进一步分析研究，描述一种充分考虑系统非线性的汽包锅炉动态模型结构，探讨求取动态模型未定参数的方法，模型的有效性和通用性等问题。     

锅炉蓄热过程对机组煤耗的影响分析

目前普遍采用稳态性能计算模型计算机组的煤耗，而没有考虑机组在较大幅度变负荷、启停等非稳态过程中，锅炉的蓄热量对于机组煤耗的影响。文中针对这一问题，对考虑锅炉蓄热的机组非稳态工况下的煤耗计算方法和蓄热对煤耗计算结果的影响进行了研究。建立了结合电厂实际的、用于机组非稳态工况煤耗计算的锅炉系统离散化动态模型，汽水、烟气和金属蓄热量的计算模型和考虑锅炉蓄热的煤耗量计算模型，进行了实例计算与分析，并与稳态模型的计算结果进行了比较。结果表明，锅炉蓄热对结果的影响较大，机组非稳态工况下煤耗量的计算应考虑锅炉中蓄热的影响。     

基于遗传算法的锅炉效率优化在电厂耗差分析系统中的应用

为解决电厂耗差分析系统中锅炉侧运行参数基准值的问题．结合神经网络和遗传算法技术，建立了锅炉效率优化模型．对飞灰含碳量进行在线预测，同时确定锅炉效率、排烟含氧量等参数的最优值，为通过调整运行参数提高锅护效率提供了有效手段.基于此模型开发的耗差分析系统能有效改善运行人员的操作水平和全厂运行管理水平．     

电站锅炉水冷壁积灰结渣仿真模型的建立

对辽宁省阜新电厂200MW机组燃煤锅炉进行了多工况热态测试，获得了数据样本。运用BP神经网络和LM算法建立了电站锅炉水冷壁积灰结渣的仿真模型。所建神经网络仿真模型能够反映锅炉水冷壁积灰结渣的程度，为电站仿真机吹灰优化系统的开发打下了良好的基础。     

锅炉智能吹灰优化系统研发与应用

现有的锅炉受热面清除积灰和结焦方式为定时或基于经验的，常常不符合实际需求又不经济。电厂锅炉智能吹灰优化系统通过建立有效的软测量模型，将锅炉各受热面的积灰程度进行量化处理，并将锅炉污染状况可视化。在此基础上．结合锅炉运行实际状况和安全运行的要求，对锅炉吹灰的需要和过程进行优化。实现了按需吹灰。系统投运前后整体吹灰次数减少27％，吹灰时间减少了28．9％，可减少因不合理吹灰带来的管壁磨损和蒸汽消耗损失：锅炉平均排烟温度的下降也可带来一定的直接经济效益。     

一种考虑控制系统耦合关系的汽包锅炉简化模型与分析

考虑了控制系统间的耦合关系，根据基本物理定律，建立了一种汽包锅炉简化模型，并对模型进行了分析。在建模过程中，提出了系统压力变动焓的概念，对影响系统压力变动焓的因素进行了分析。利用该参数把锅炉给水和减温水的影响引入汽包锅炉简化模型，体现了控制系统间的耦合影响。同时，提出了一种新的水位控制系统和主汽温控制系统前馈信号，可更好地削弱耦合回路的影响，进一步改善控制效果。文中为研究复杂的电站机组系统提供了一种新思路和新方法。     

汽轮机及其热力系统性能分析与优化

为有效提升燃煤电站的经济效益，来满足后期节能环保的日常要求，电站锅炉燃烧系统优化在其中占据至关重要的作用，而锅炉热效率作为衡量锅炉燃烧系统的重要指标。锅炉热效率和降低质量浓度两者属于相互矛盾的存在，且电站锅炉燃烧系统其自身具有较强的复杂性，锅炉燃烧状态很容易受到各种因素的影响，如湿度、煤种、机组负荷等因素。针对该种情况，为满足提升锅炉热效率和降低污染物排放的共同要求，本文提出四种集成发电方案，来进一步分析热力计算模型，从而制定可行性方案。另外，将影响投资成本和传热效果的参数作为研究对象，来优化烟气换热器的设计参数。     

采用燃烧系统模型预测锅炉效率和NO_x排放浓度

以某电厂燃煤锅炉燃烧调整试验数据为基础,运用BP神经网络建立锅炉效率与NOx排放浓度的双目标锅炉燃烧系统模型,并用遗传算法优化BP神经网络的权值和阈值产生优化型GA-BP神经网络模型。通过对2种模型预测误差的比较表明,GA-BP神经网络模型的锅炉效率平均预测误差由6%降至3.4%,NOx排放浓度平均预测误差由0.1%降至0.04%,泛化能力相对于BP神经网络模型大大增强,可适用于建立锅炉燃烧优化系统。     

基于B/S模式的锅炉金属壁温在线监测系统

在借鉴过程仿真和热力系统分析方法的基础上，开发了一套锅炉高温受热面金属壁温在线监测系统。该系统以一体化过程模型开发平台（IMMS）及其算法库为基础进行模型开发，利用火电厂已有的管理信息系统（MIS）采集机组运行数据，通过模型在线计算确定受热面管蹙温度，并采用B/S结构显示实时监测信息。该系统已成功应用于某电厂200MW锅炉，有效减少了受热面超温爆管次数，延长了金属寿命，提高了机组安全经济运行水平。介绍系统的构成、功能及系统应用情况。     

基于生成机理的燃煤电站锅炉NOx排放量神经网络模型

到目前为止，对燃煤电站锅炉NOx生成规律的研究主要集中在试验和基于化学反应动力学的CFD模型研究上，而对基于NOx排放规律的人工神经网络模型研究得较少。为数不多的研究者也只是采用人工神经网络黑箱的特点，没有充分应用现已逐渐成熟的NOx生成机理。该文基于NOx的生成机理，针对某燃煤电站锅炉，提出NOx排放量的神经网络模型。该神经网络模型具有可以预测各一次风粉单元NOx生成量、锅炉NOx排放量、网络隐节点数少、泛化能力强、鲁棒性好、学习速度快等优点。所提出的模型可以为大型电站锅炉通过燃烧系统自动调整或结构改造降低NOx排放提供依据。     

采用燃烧系统模型预测锅炉效率和NOx排放浓度

以某电厂燃煤锅炉燃烧调整试验数据为基础,运用BP神经网络建立锅炉效率与NOx排放浓度的双目标锅炉燃烧系统模型,并用遗传算法优化BP神经网络的权值和阈值产生优化型GA-BP神经网络模型.通过对2种模型预测误差的比较表明,GA-BP神经网络模型的锅炉效率平均预测误差由6％降至3.4％,NOx排放浓度平均预测误差由0.1％降至0.04％,泛化能力相对于BP神经网络模型大大增强,可适用于建立锅炉燃烧优化系统.     

135 t/h循环流化床锅炉的热分析和分析

摘要:为了分析有、无高压加热器(简称高加)对某135t/h循环流化床锅炉热效率和■效率的影响,从锅炉本体和锅炉系统进行了热分析和■分析。结果表明:锅炉系统的热效率和■效率取决于锅炉本体的热效率和■效率。在相同主蒸汽质量流量下,无高加有利于提高锅炉本体和锅炉系统的热效率,但不利于提高其■效率,所建立的锅炉■损失计算模型可为后续研究提供参考。     

电站锅炉燃烧安全性综合评判与诊断系统的研究

针对1台采用切向燃烧的670t/h电站锅炉，利用模糊数学理论建立了燃烧安全性综合评判和诊断的多层次模型，开发了电站锅炉燃烧安全性综合评判与诊断系统，为运行人员及时了解燃烧的安全状态、合理调整锅炉运行参数、防止事故发生提供了一种实用手段，对开发同类系统具有借鉴作用。     

电厂燃煤锅炉NOx排放计算模型的建立

抛弃了传统的建立在湍流模型和气固两相流模型基础上的NOx排放质量浓度计算方法，运用统计学的方法，建立了NOx排放质量浓度的多元回归计算模型。模型的建立是从锅炉运行因素出发，通过分析各种运行因素对锅炉效率和NOx排放质量浓度的影响，归纳出影响锅炉效率和NOx排放质量浓度的综合性影响因素——炉内风分配，并将其量化，从而建立起锅炉NOx排放质量浓度的多元回归计算模型。通过此模型可由各运行因素预测锅炉的NOx排放质量浓度。以此模型为基础可开发出应用于切圆燃烧煤粉锅炉的“NOx排放优化运行与在线监测软件”，在线指导运行人员优化燃烧，实现高效低NOx燃烧运行。该模型是针对某一特定锅炉建立的，但其建立方法对各种四角切圆燃烧锅炉具有普遍意义。     

电厂锅炉及辅机对电力系统动态频率影响的仿真研究

目前进行电力系统频率稳定研究主要是将系统进行单机单负荷等值,采用单机单负荷模型。该模型主要是基于Anderson提出的低阶系统频率响应模型,其忽略了锅炉及辅机对系统动态频率的影响。在低阶系统频率响应模型基础上,建立了一个包含电厂锅炉、辅机及机组控制系统的简单闭环模型,用于电力系统频率稳定研究。该闭环模型计及了由锅炉效应及厂用电驱动的辅机设备的频率效应。仿真对比了系统在遭受同一扰动时,锅炉主蒸汽压力恒定、辅机由无穷大电源供电及考虑辅机由厂用电电源供电三种情况下系统的动态频率。仿真结果表明,当系统所遭受的扰动较大时,锅炉及辅机设备对系统动态频率的影响不应被忽视。     

电站锅炉燃烧系统的神经网络建模

提高锅炉运行效率,降低烟气NOx的排放是电站锅炉燃烧优化的主要目标,而燃烧特性模型是燃烧优化的核心.基于某电站锅炉燃烧系统的稳态试验数据,通过对锅炉系统模型结构的分析,应用人工神经网络建立了NOx排放量和锅炉效率的预测模型,实现了其飞灰舍碳量、排烟温度、炉膛温度、NOx排放量等参数的软测量和锅炉效率的预测,为锅炉燃烧优化奠定了基础.     

用神经元及灰色系统模型预报锅炉金属壁温

基于人工神经网络中的ＢＰ模型和灰色系统理论中的ＧＭ（１，２）模型，建立了火电厂锅炉受热面金属壁温动态预报系统，运用此系统不仅可根据受热面进出口金属壁温实时预报炉内各管段的金属壁温，而且对安全、优化、指导运行和预测部件寿命有着指导意义。