应用支持向量机监测电站锅炉受热面积灰研究

以某300MW机组为例,使用支持向量机理论和遗传算法,利用电站分散控制系统(DCS)获取的热工数据,建立预测锅炉低温过热器受热面清洁状态下的吸热量(清洁吸热量)模型,进而推算出表征积灰污染程度的清洁系数,得到时序变化的积灰曲线,从而对吹灰状况进行监测。其结果表明,以清洁系数表征锅炉低温过热器受热面积灰情况具有可操作性;所建立模型的测试集决定系数、均方根误差和平均绝对误差分别为0.920、36.381和25.457,表明该模型具有良好的预测性能,可以在一定范围内对吹灰信号产生响应;锅炉实际运行工况下应用所建模型表明,给煤量大幅度变化会对受热面的积灰曲线造成一定程度的干扰。该研究为开发大型电站锅炉积灰结渣在线监测系统提供参考和依据。     

基于模糊神经网络的锅炉受热面积灰监测

该文利用模糊神经网络，实现了对锅炉受热面积灰状态的实时监测。与常规方法相比，模糊神经网络的推理过程透明直观，容易理解，可以实现推理过程的自解释，实际上起到一个附加的运行咨询系统的作用。     

电站锅炉对流受热面积灰状态的在线监测

为提高电站锅炉运行经济性状和安全性，提出一种基于热力学模型的电站锅炉对流受热面积灰状态实时监测方法，并利用其监测结果对吹灰系统进行优化。根据这一方法开发的实时监测系统已在太原第一热电厂11号炉应用并获得成功。该监测方法具有简单、运行可靠、初投资少等优点，开发的软件具有良好的用户界面。     

燃煤电站锅炉受热面积灰结渣在线监测的研究

针对在线监测电站锅炉受热面积灰结渣的需要,建立了炉膛、对流受热面等主要受热面的污染监测模型。以某300 MW机组的1025 t/h锅炉为监测对象,开发了受热面积灰结渣在线监测系统,成功实现了锅炉受热面污染的在线监测。     

基于支持向量机与遗传算法的灰熔点预测

为了提高估算煤灰熔点的精度，文中采用支持向量机算法对求解灰熔点问题进行了建模，并利用遗传算法对支持向量机模型的参数进行了优化，获得了最优的模型参数。支持向量机模型将灰成分作为输入量，煤的灰熔点Tst作为输出量，用试验数据对模型进行了校验和参数的寻优，利用优化后的模型对单煤和混煤灰熔点进行了预测，并将预测结果与实验结果进行了对比，结果表明，优化后的支持向量机模型实现了对单煤和混煤灰熔点较精确的预测。支持向量机可用于小样本问题的学习，计算速度快，提高了实时处理与预测能力。     

基于支持向量机的感应电机状态监测

提出一种基于支持向量机的三相异步电动机状态监测的方法。利用健康电机、轴承故障、定子匝间短路和转子断条的电机在不同负载条件下的各种数据,计算三线电压和电流计算总谐波失真形成特征向量,然后将其用于支持向量机的训练,并针对两个核函数对基于支持向量机的感应电机状态监测的性能进行了评估。仿真结果表明,所提出的方法的故障识别准确率超过98%,验证了其有效性。     

燃煤锅炉对流受热面积灰在线监测及优化吹灰

针对目前我国电站锅炉对流受热面采用定期吹灰策略中存在的缺陷,提出了基于热平衡方法的锅炉对流受热面积灰在线监测模型,对锅炉对流受热面进行优化吹灰.该系统在某300 MW电站锅炉上实施后,结果显示:该方法可以有效地克服定期吹灰的不足之处,提高了锅炉运行的经济性和安全性.     

基于烟道热量分布的受热面积灰程度模型

为了分析燃煤锅炉无烟温测点的对流受热面积灰程度,本文对锅炉的对流受热面的传热特性及工质吸热特性进行热平衡机理分析,得到传热系数与温差之间的关系,建立了对流受热面积灰程度模型。同时考虑对特定受热面进行吹灰操作时,会对其余受热面进出口烟气、蒸汽的温度产生影响,而其余受热面的积灰程度并未改变,提出采用吹灰造成的其他受热面工质温差改变来修正积灰程度模型,增加负荷变量建立二元线性回归模型,提高了仅用温差表征积灰程度的准确性。以高温再热器为例对锅炉过/再热器进行仿真计算,结果表明过/再热器积灰程度的预测结果更加合理准确。     

基于HGWO-SVM的燃煤电站锅炉受热面积灰预测

针对燃煤电站锅炉受热面以积灰监测模型指导吹灰操作效率低的问题,建立混合灰狼算法(HGWO)优化支持向量机(SVM)的预测模型,实现对省煤器吸热量的实时预测。首先选取与省煤器吸热量高相关性的输入变量,搭建SVM预测模型;其次利用HGWO算法对SVM的核函数参量寻优,并将最优参量赋给SVM模型进行训练,完成对省煤器吸热量的预测;最后将预测结果带入热力学公式计算得到清洁因子,以表征省煤器的积灰程度。以浙江某燃煤电站660 MW锅炉机组为例,将实测数据作为样本进行训练和验证。通过与传统模型预测结果进行对比,该模型训练时间更短,预测精度更高。     

融合EMD和LSTM的受热面积灰预测研究

针对锅炉受热面积灰将会降低传热效率和安全性,采用清洁因子作为健康指标来监测锅炉受热面健康状况,并且提出融合经验模态分解(EMD)和长短期记忆网络(LSTM)的模型来预测未来锅炉积灰。经验模态分解可以将时间序列分解为一系列频域稳定的本征模态函数,长短期记忆网络拥有记忆功能,它能够通过学习来挖掘时间序列之间隐藏的长期依赖关系,二者结合,增加了对于时间序列预测的准确度。通过仿真软件验证,该模型对锅炉受热面积灰状况的预测有较为满意的精度,并与两种常用模型进行对比发现,预测精度分别提升了67.7%与59.2%,验证了该模型的可行性与有效性。     

融合CEEMD和TCN的受热面积灰预测研究

对锅炉受热面积灰程度的有效预测,可为锅炉提升生产效率和故障预警提供重要依据。 采用清洁因子来评估受热面的 灰污沉积状况,针对其序列非线性、非平稳性的特点,提出一种基于互补集合经验模态分解与时间卷积网络的受热面积灰预测 方法。 首先,通过互补集合经验模态分解将经过小波阈值去噪处理后的原始序列分解为一组子序列分量;然后,针对不同子序 列分别构建基于时间卷积网络的时序预测模型,并优化网络超参数提升预测准确性;最后,将各 IMF 分量的预测结果叠加得出 清洁因子的预测数值。 由实验结果可得,相较于其他两种模型,预测精度分别提高 62. 1%和 57. 1%,CEEMD-TCN 模型对受热 面积灰状况预测精度最高,验证了该模型的准确性和可靠性。     

锅炉尾部受热面积灰、堵灰问题浅析

锅炉改烧神华煤后，尾部受热面存在积灰、堵灰问题，困扰着锅炉安全经济运行。针对此问题，着重从积堵灰的部位、程度，粉煤灰的沾污倾向判别、预测及其对经济性能的影响，形成积堵灰的原因分析及预防对策等方面予以介绍。     

基于支持向量机的绝缘子污秽度在线监测的研究

随着工业的迅速发展,绝缘子污秽度过大发生的闪络事件增多,给国家造成很大的经济损失。现有的绝缘子污秽度监测技术存在很大的弊端,本文以光纤传感器作为核心,将支持向量机原理技术和绝缘子污秽度监测结合在一起,在支持向量机中进行数据训练,将光功率损耗率、温度、湿度和污秽度等级联系起来。通过实际测量和支持向量机输出数据进行对比分析,结果表明本文所提方案的可靠性和有效性。     

基于支持向量机的小波变换变压器振动信号监测研究

通过分析小波的特性,提出一种基于支持向量机（Support Vector Machine,SVM）的小波分析振动信号监测法。将不同频段的振动信号通过小波变换构成一个特征矢量,经过训练得出一个SVM分类器。作为变压器故障诊断的依据。     

基于多层支持向量机的蓄电池在线监测方法研究

常规的蓄电池在线监测节点一般采用独立或区域布设形式,监测的范围受限制,导致在线监测频率均值下降,因此探讨了基于多层支持向量机的蓄电池在线监测方法。根据当前测定,先进行蓄电池电动势及幵路电压应用数值采集,采用自适应的方式,打破监测范围的限制,部署自适应在线监测节点;然后构建多层支持向量机的蓄电池在线监测模型,采用持续跟踪预警处理强化在线监测。针对选定的4个蓄电池,按照顺序分别植入0.8 mm、1.2 mm及2.1 mm的4个型号的电阻丝,形成不同的电阻率。经测定计算最终得出在线监测频率均值均可达到150 Hz以上,说明设计的蓄电池在线监测方法更加稳定、安全,在不同环境下的整体适应度更强,监测效率得到了显著提升。     

基于支持向量机的随钻测量

针对目前随钻测量的需要,提出了一种基于支持向量机预测的随钻测量方法.与传统随钻测量方法相比该方法能够预测提示井下钻头需要待钻进的地理方位位置,为司钻人员下一步的施工钻进提供方位信息.通过现场试验数据测试,结果表明,该方法能够预测提示井下定向钻进过程中的定向方位信息,大幅度节省钻进施工时间.     

基于支持向量机的变压器故障诊断研究

在变压器故障诊断方法的研究进程中,以油中气体分析技术(DGA)运用的最早而且最为广泛,它在变压器的预防保护试验中有着重要的意义。但是DGA技术存在许多缺点:不能准确的诊断多重故障、诊断准确率不高等。针对以上缺点,提出基于支持向量机的变压器故障诊断方法。通过变压器故障诊断仿真证明,该方法能诊断出多重故障,准确率也很高。     

基于声学测温与最小二乘支持向量机的锅炉炉膛灰污监测方法

研究电站锅炉炉膛灰污监测问题,提出了基于声学测温和最小二乘支持向量机的电站锅炉炉膛灰污监测方法。该方法采用声学测温装置获得实际运行状态下锅炉炉膛出口烟温,用最小二乘支持向量机获得实际运行状态下锅炉炉膛清洁时的潜在炉膛出口烟温,运用上述两参数定义灰污特征参数来表征锅炉炉膛整体灰污状况。建立了监测模型,从电厂采集数据对模型进行了训练和验证,并对获得的灰污特征参数进行了分析,结果表明:基于声学测温和最小二乘支持向量机的锅炉炉膛灰污监测方法可以较准确地实现电站锅炉炉膛的灰污监测,为炉膛的吹灰优化打下了良好的基础。