基于特征优选和机器学习组合模型的锅炉受热面壁温预测

为及时有效预测锅炉壁温的变化趋势,以某火电厂600MW的1号机组高温再热器为例,提出一种融合特征筛选和极端梯度树（Extreme gradient boosting,XGboost）组合自适应增强算法（Adaptive boosting,Adaboost）模型。首先,利用灰色关联分析法和随机森林特征重要度分析法分别计算锅炉大量的历史运行数据与高再壁温之间的线性和非线性关联度,然后进行综合特征排序。在特征优选的基础上,利用建立的XGboost-Adaboost组合模型进行锅炉高再壁温的预测。结合真实运行数据的实验结果表明,该预测模型的平均相对误差和均方根误差分别为0.18%和1.34℃,预测的精度高于几种相关类型高再壁温的预测方法。     

数据挖掘在电厂锅炉管壁超温分析中的应用

锅炉管壁超温现象是当前火力发电厂普遍存在的问题,严重影响着锅炉的安全、可靠、经济运行。以华能南京电厂2台锅炉为研究对象,收集建立了锅炉管壁超温分析运行参数中间数据库,并采用BP神经网络、关联规则、决策树3种数据挖掘算法,对中间数据库中的锅炉运行状态数据进行规则挖掘,最终实现了运用BP神经网络对锅炉管壁某点温度的预测、利用关联规则寻找影响锅炉管壁温度的相关重要因素、运用决策树分析推测有关锅炉管壁超温点等目标。     

变负荷下超（超）临界机组过热器壁温预测

对超（超）临界机组过热器管壁温度的影响因素进行了分析,利用电厂现场DCS系统采集到的变负荷条件下的运行数据,与对应时刻管壁的温度实测数据进行了关联比较,确定了预测模型的输入变量。分析结果显示：一级、二级过热器出口汽温、主蒸汽温度、二次风E层风箱开度、有功功率等因素对过热器管壁温度的影响较为显著。采用BP神经网络算法,选取关联结果阈值超过0.70的14种主要因素进行升负荷、稳定负荷和降负荷3种条件下的管壁温度预测,预测结果与实测结果整体趋势保持一致,最大相对误差为1.42%,能够对过热器超温预警起到良好的指导作用。     

大同第二发电厂3号炉过热器超温原因分析及运行调整措施

根据机组不同工况下过热器受热面管壁超温的现象,从锅炉的受热面结构布置,锅炉的的运行和燃烧调整几方面进行了具体分析,从运行调整角度提出了缓解和避免过热器超温的方法。     

1 050 MW超超临界机组主汽温优化控制

分析主汽温控制策略的利弊,针对主汽温控制难点利用TOCS(终端操作控制系统)引入模糊控制和神经网络控制对主汽温控制策略进行优化,通过精确计算锅炉各级减温器所需最佳给水量对锅炉汽水系统各级过热器壁温进行控制;减温水是防止过热器壁管超温的重要控制手段,通过协调锅炉过热器减温水量,在保证各级过热器所有金属壁温度不超温的前提下,优化水汽系统温度分布,使锅炉在最优经济工况下安全稳定运行。     

基于NARX神经网络的锅炉壁温预测模型

壁温超温是超(超)临界锅炉爆管的主要原因之一,也是困扰超(超)临界机组运行的关键难题。本文在分析现有锅炉壁温预测技术的基础上,将NARX动态神经网络用于屏式过热器(屏过)壁温的预测,首先采用人工筛查和灰关联分析方法,确定影响屏过壁温变化的关键因素,然后设置不同影响因素的组合对预测性能进行分析和优化,确定外部输入变量,最后建立屏过壁温NARX神经网络预测模型。将该模型用于实际机组历史运行数据,并与NAR神经网络模型预测结果进行对比。结果表明:考虑了影响壁温变化关键因素的NARX神经网络有更好的预测性能,能长时间保持较好的预测精度,可提前1 min预测壁温的变化。该结果对解决超临界机组壁温超温问题有一定的理论和工程应用价值。     

超超临界锅炉高温受热面热偏差预测模型研究

通过BP神经网络建立锅炉运行方式与热偏差的映射模型,并对热偏差模型的输入变量进行灵敏度分析,找到锅炉热偏差较大工况时控制减少高温受热面热偏差的主要因素,建议以降低管壁温度峰值,减缓氧化皮生成速度,减少超温爆管事故,提高锅炉运行安全性。     

600 MW超临界循环流化床锅炉外置床壁温特性分析

为了防止首台600 MW超临界循环流化床（circulating fluidized bed,CFB）锅炉外置床受热面发生壁温超温现象,在受热面管壁上安装了温度测点.对锅炉额定负荷下的外置床受热面管壁温度进行了测量,得到了外置床受热面管壁温度的分布特性,在测量数据的基础上分析了外置床受热面的运行安全性.研究结果表明,外置床内的高温再热器管壁温度呈中间高、两边低的马鞍形分布,而中温过热器Ⅰ及中温过热器Ⅱ管壁温度分布比较均匀;外置床受热面管壁温度均在所使用材料的最高允许温度之内,并有足够的温度裕度.最后,针对外置床运行过程中的管壁温度报警值的设定方法提出了技术建议.     

考虑时延特性优化的燃煤锅炉主蒸汽温度预测模型

构建精确的锅炉主蒸汽温度预测模型有利于提高其控制品质,考虑锅炉运行参数的时延特性对主蒸汽温度的预测精度具有较大影响。使用长短时记忆（LSTM）神经网络算法构建模型预测锅炉主蒸汽温度变化趋势,并针对锅炉运行参数时延特性的问题,提出利用离散粒子群算法实现网络模型输入变量时滞的优化。最后,基于某1 000 MW燃煤锅炉的历史数据,验证时延特性优化后的主蒸汽温度预测模型。预测结果表明,该模型预测均方根误差为0.47 ℃,较传统方法构建的LSTM神经网络模型预测误差降低6%,预测精度更高。     

300MW机组W火焰锅炉高温再热器超温分析

针对某电厂300 MW机组W火焰锅炉高温再热器中间管屏超温现象,进行各受热面壁温测试,分析受热面壁温的分布规律,得出高温再热器管壁超温原因,并提出防止高温再热器管壁超温的技术措施.     

基于神经网络的锅炉过热器和再热器管壁温度预测研究

提出了采用BP神经网络和RBF神经网络对锅炉过热器和再热器壁温进行预测的方法,经过网络训练和测试,使预测的管壁温度有一定的准确度。RBF神经网络较BP神经网络误差更小,更稳定,更适合于预测锅炉过热器和再热器的管壁温度。     

数据-知识驱动的变工况运行风电机组塔筒振动状态预测

为有效监测塔筒异常振动，保障机组运行安全，提出数据-知识驱动的基于长短时记忆（long-short term memory,LSTM）神经网络、经验模态分解（empirical mode decomposition,EMD）-极限梯度提升（e Xtreme gradient boosting,XGBoost）算法分步建模的变工况塔筒振动预测方法。首先，根据机组运行机理分析剥离出环境变量与运行变量之间的关系，并确定影响塔筒振动的风机SCADA运行参数；然后，基于LSTM神经网络实现机组环境风速和运行功率的超短期预测，根据全工况历史运行数据建立机组数据知识模型，实现由预测风速和功率查询桨距角和转子转速；最后，采用希尔伯特-黄算法（Hilbert-Huang transform,HHT）对振动信号分解并提取塔筒低频振动，构建基于XGBoost算法的塔筒振动预测模型，通过输入预测变量输出塔筒低频振动预测结果并确定预测区间。结果表明：塔筒振动预测模型能有效预测塔筒振动，判定塔筒的运行状况，保障机组平稳运行。     

某660 MW锅炉低温过热器和后屏过热器长期高幅值超温分析及治理

某锅炉进行了低氮燃烧器、节能减排综合升级改造,使锅炉运行工况偏离设计值较大,引起低温过热器、后屏过热器等受热面管壁严重超温.通过对超温点、超温时间统计分析,提出了整改措施.     

600MW超临界循环流化床锅炉外置床运行特性研究

介绍了600MW超临界循环流化床锅炉外置床结构及受热面蒸汽流程,对外置床受热面出口壁温偏差及吸热比例进行分析。研究结果表明,外置床受热面出口管壁温度分布比较均匀,外置床受热面管壁温度均在所使用材料的最高允许温度之内,并有足够的安全裕度。对外置床受热面吸热比例的调节性能进行了分析。最后,根据运行数据对外置床的优化设计提供改进建议。     

通用电站锅炉壁温计算系统的开发与实现

准确地进行锅炉受热面壁温计算是评估其安全状况的重要条件。针对传统锅炉管壁温度计算模型效率低、适应性差以及只能对某一特定炉型进行计算等问题,建立了能够用于不同炉型及各受热面形式的通用电站锅炉壁温计算系统,并进行了实际验证,得到的锅炉管壁温度计算结果与实际温度误差小于0.5%。     

基于水冷壁壁温的炉膛火焰中心位置预测方法

根据炉内辐射传热原理,提出一种基于锅炉水冷壁壁温的炉膛火焰中心位置预测方法。以某600 MW超临界墙式切圆锅炉为例,建立火焰中心预测模型,进行75%BMCR工况下火焰中心位置的预测,并与现场实际数据进行了比较。结果表明:下部水冷壁出口壁温与炉膛火焰中心位置的偏移量可建立关联模型;根据水冷壁壁温的变化可完成火焰中心位置的预测;该预测方法仅需利用锅炉已有测点,投资低、预测过程简单可靠,工程实用性强。     

300 MW机组锅炉掺烧无烟煤对比试验

为了掌握掺烧无烟煤对锅炉机组安全、经济性的影响,进行了掺烧对比试验。试验采用运行统计和对比实测的方法,试验中只变煤种和煤粉细度等,测量相关参数,计算锅炉各项热损失。对比试验表明:300MW机组的燃贫煤锅炉掺烧30%无烟煤后,对锅炉热效率、制粉单耗、受热面壁温等带来一定影响,且负荷越低,影响程度越大。180MW和300MW负荷掺烧工况下的锅炉机组净效率降低1.5%～0.5%,折合供电煤耗5.0～1.7g/(kW.h),炉膛出口烟温升高约40℃;蒸汽受热面管壁温度两侧偏差加大,部分管壁温度升高。     

基于秃鹰搜索算法优化LSTM的短期风速预测

为了实现短期风速的精准预测,提出了一种基于秃鹰搜索算法优化长短时记忆神经网络的短期风速预测方法。将风速、风向、温度和气压作为特征量,采用秃鹰搜索（bald eagle search,BES）算法对长短时记忆神经网络（long short term memory,LSTM）的隐含层单元数量、正则化系数和初始学习率三个超参数进行优化,建立基于BES-LSTM的短期风速预测模型。采用实际风电场相关数据进行仿真分析,并与其他风速预测方法进行对比,结果表明,本文所提BES-LSTM模型预测结果的方均根误差、平均相对误差和可决系数分别为0.182、3.742%和0.992,各项指标均优于PSO-LSSVM模型和SSA-ELM模型,短期风速预测效果更好。     

基于PSO-Elman神经网络的燃煤机组受热面清洁状态预测

随着节能减排政策力度的加大,国家十分重视火电厂节能降耗技术的开发研究。针对目前锅炉受热面吹灰方式不合理的情况,以污染率（FF）表征受热面清洁状态对锅炉受热面传热的影响,建立了基于PSO-Elman神经网络的受热面清洁状态预测模型,实现对受热面清洁状态的预测。采用粒子群算法（PSO）和Elman动态神经网络相结合的预测方法,首先根据输入、输出参数个数确定Elman神经网络结构,然后利用PSO优化网络的权值和阈值,将优化后的最优权值、阈值赋给Elman神经网络作为初始值进行网络训练,建立基于PSO-Elman神经网络的受热面清洁状态预测模型。通过具体实例仿真证实了所提方法的有效性,获得了较满意的预测精度,验证了该方法的有效性。     

锅炉蒸汽侧氧化膜对过热器金属壁温的影响分析

针对大型燃煤锅炉高温受热面沿宽度方向受热不均从而引发受热面超温的问题,以某600 MW超临界燃煤锅炉末级过热器为研究对象,结合高温受热面蒸汽侧氧化膜生长预测模型,通过热偏差计算,分析了氧化膜的生长对金属壁温的影响。结果表明:蒸汽侧氧化膜的生长引起管壁温度不同程度地升高,严重的可能导致过热器局部区域超温运行,从而降低了金属高温蠕变断裂寿命,因而热偏差计算中必须考虑氧化膜对金属壁温的影响。