基于BP神经网络的煤粉锅炉飞灰含碳量研究

飞灰含碳量是反映电站煤粉锅炉燃烧效率的一个重要指标。基于误差反向传播（BP）神经网络方法,建立了11-23-1型BP神经网络模型。根据某电站四角切圆煤粉锅炉特点选取了煤粉细度、燃烧器摆角、烟气含氧量、5个煤种参数、燃烧器喷口运行组合等11个影响燃烧的参数作为神经网络的输入因子,对建立的模型进行训练,得到模型参数。以此进行预测,与实际值的误差不超过6％。在此基础上,又提出了单参数影响飞灰含碳量的简化分析方法,使神经网络包含的多维非线性规律在一定条件下简洁、直观地反映出来。计算和分析结果表明,本模型方法能有效提取各参数对飞友含碳量的影响规律,可用于锅炉飞灰含碳量的分析、预测和优化调节。     

电厂锅炉飞灰含碳量测量模型

目前广泛采用微波技术进行在线测量电厂飞灰含碳量,现场使用过程中飞灰成分变化对仪器的测量精度有严重影响。利用RBF神经网络对影响飞灰成分的多维数据和微波功率进行融合,建立电厂锅炉飞灰含碳量测量模型。该模型能够避免飞灰种类变化对飞灰含碳量测量结果的影响,提高了飞灰含碳量的测量精度。     

基于改良BP神经网络的生物质锅炉飞灰含碳量预测模型研究

针对生物质锅炉飞灰含碳量较高的问题,文章提出了基于主成分分析法(PCA)或Garson算法与普通LM-BP神经网络相结合的两种生物质锅炉飞灰含碳量预测模型。这两种模型通过对负荷、燃烧室烟气温度、烟气含氧量等17个原始输入变量进行降维得到新输入变量,再进行训练建模,提高了模型精度。利用我国某生物质电厂飞灰含碳量的实测数据对模型进行检验,检验结果表明,LM-Garson-BP神经网络的MAPE为2.09%,MSE为0.11,MAE为0.25,泛化能力最强,稳定性最好。     

电站锅炉飞灰含碳量的优化控制

利用人工神经网络对锅炉飞灰含碳量进行建模，并采用混合遗传算法与复合形法进行运行工况寻优，获得当前最佳的锅炉燃烧调整方式，这种方法同时解决了锅炉变工况下运行参数基准值的问题。应用该模型对某台300MW四角切圆燃煤电站锅炉的飞灰含碳量进行优化控制研究，其结果可指导运行人员进行参数优化调整，降低锅炉飞灰含碳量，提高燃烧经济性。     

基于BP神经网络的超临界对冲火焰锅炉飞灰含碳量预测分析

飞灰含碳量是反映燃煤锅炉机组燃烧效率的重要技术指标和运行经济指标,同时也影响锅炉的安全运行。超临界对冲火焰锅炉由于掺烧劣质煤,经常出现飞灰含碳量偏高的现象。本文以660MW超临界对冲火焰锅炉为研究对象,将影响飞灰含碳量的负荷、煤粉细度等十个运行参数作为输入量,应用BP神经网络的非线性动力学特性和自学习能力,建立了飞灰含碳量预测模型。经网络预测,与实际值的误差小于5.48%。在预测模型的基础上,对飞灰含碳量影响因素进行单因素影响规律分析。预测和分析结果表明,本模型方法能有效提取各参数对飞灰含碳量的影响规律,可用于锅炉飞灰含碳量的分析、预测和优化调节。     

燃煤锅炉飞灰含碳量的BP神经网络模型

燃煤锅炉是复杂的多变量系统,其飞灰的含碳量形成机理复杂,不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大,测试工况有限等缺点;燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量,其相互耦合,导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱,应用该方法可以良好的描述其输入输出之间的黑箱特性,因此,人工神经网络应用广泛。利用燃煤锅炉试验数据,采用3层BP(back propagation)神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证,该BP神经网络对飞灰含碳量相对预测误差在0.19%~0.50%,预测效果良好。测试结果表明,建立的神经网络预测模型可以准确逼近验证样本数据,也能够较好的逼近非验证样本数据,具有良好的泛化能力。     

基于SVM的燃煤电站锅炉飞灰含碳量预测

将支持向量机方法引入燃煤电站锅炉飞灰含碳量预测领域．该预测方法很好地建立了燃煤电站锅炉飞灰含碳量特性与运行参数之间的复杂关系模型,并考虑到运行参数之间的耦合性,具有预测能力强、全局最优及泛化性好等优点．将该方法应用于某300 MW燃煤电站锅炉中,经过训练后的SVM模型对检验样本飞灰含碳量进行预测,均方根误差和平均相对误差分别为1．39%和1．30%,相当于BP网络模型的22．20%和21．07%．应用结果表明,支持向量机方法优于多层BP神经网络法,能很好地满足预测要求．     

火电厂锅炉飞灰含碳量测量技术发展与现状

飞灰含碳量是反映火电厂锅炉燃烧效率的重要指标,提高锅炉运行效率的关键前提是精确和快速地测量出飞灰含碳量.全面介绍了当前常见的多种飞灰含碳测量方法的工作原理,分别了它们的优缺点,并给出了典型产品.还详细地介绍了近年来发展起来的飞灰含碳量数据融合测量方法和软测量方法,并分析了它们的技术特点.对飞灰含碳量测量方法的选择与研究...     

基于神经遗传的电站锅炉炉渣含碳量软测量技术

针对锅炉炉渣含碳量难以在线实时测量及测量精度低等问题,采用了基于神经网络结合遗传算法的新型软测量模型,通过遗传算法训练BP神经网络权值的方法,实现了对某热电厂220 t/h四角切圆煤粉锅炉炉渣含碳量的软测量。以锅炉实际运行数据为输入值得到的模型输出结果表明,该方法具有较好的软测量效果。     

人工神经网络在燃煤锅炉含碳量测量中的应用

论述了主元分析 (PCA)和神经网络相结合的建模方法 ,对不同的算法进行分析比较。结果表明 ,PCA RBF网络可提高模型的训练速度和精度。     

基于混合智能的锅炉飞灰含碳量实时目标值模型

为了降低飞灰含碳量,提高锅炉运行水平,运用混合智能技术建立了飞灰含碳量目标值模型.从运行优化角度提出了飞灰含碳量目标值的定义和技术可行方案.通过对锅炉的历史运行工况数据库进行数据挖掘,建立了锅炉历史最优工况数据库,以此作为训练样本建立飞灰含碳量目标值的神经网络模型,在进行了实例验证后对模型进行了分析讨论.实际应用表明该模型具备自调节能力,能够向运行人员实时提供当前工况下的飞灰含碳量目标值,为飞灰含碳量的实时优化指明了调整的方向.     

基于燃烧与传热相耦合的飞灰含碳量预测模型

通过总结前人对煤粉燃烧的研究,建立了一个将炉内燃烧和传热相耦合的飞灰含碳量一维预测模型.利用此模型可分析炉型、煤质、煤粉细度和运行参数等对飞灰含碳量的影响规律,其对锅炉设计人员和运行人员均具有一定的应用价值.     

锅炉飞灰测碳仪的技术现状及发展趋势

物理不完全燃烧 (飞灰含碳 )是锅炉损失中很大的一项 ,提高锅炉运行效率的关键问题是如何能精确和及时地监测飞灰中的含碳量。介绍现今已有的飞灰测碳仪种类 ,分析了各种类的优缺点     

大型电站锅炉飞灰含碳量在线自校正建模

为降低飞灰含碳量,实现锅炉的优化运行,对其进行了软测量建模研究.在建模过程中,针对模型输入变量之间存在强耦合、非线性以及辅助变量选择难的问题,采用核主元分析(KPCA)提取变量的特征信息以有效处理非线性数据,生成新的综合辅助变量,并结合特征值碎石图及累积方差贡献率,对KPCA参数的选择提出了新的方法.为解决模型在线校正...     

飞灰未燃尽碳对吸附烟气汞影响的试验研究

采用HYDRA AA全自动测汞仪对3个燃煤电厂的飞灰未燃尽碳进行测试,并利用垂直炉试验系统对电厂飞灰吸附烟气汞进行了试验研究.结果表明：不同燃煤电厂飞灰中的未燃尽碳含量不同是由于各电厂不同煤种、不同燃烧工况以及机组的不同参数造成的;同一电厂的飞灰在灼烧后与原灰相比,对烟气汞的吸附效率相差不大;除了飞灰中的未燃尽碳对汞有吸附外,尾矿对汞也有一定的吸附作用;未燃尽碳含量高的飞灰对汞的吸附效率也较高.     

介绍国外电站锅炉未燃碳的几种测定法

测定燃煤锅炉的未燃碳含量是降低煤耗的重要措施。本文介绍几种国外在运行中测定未燃碳的方法,并重点介绍火焰图象处理技术法。后者在日本仙台发电厂进行了成功试验。     

循环流化床锅炉飞灰含碳量的分析

循环流化床锅炉飞灰含碳量对于锅炉效率有重要的影响,通过分析影响飞灰含碳量的因数,得出降低飞灰含碳量的方法。同时通过工业实验研究,详细阐述一二次风配比对于飞灰含碳量的影响。