基于加权模糊C-均值聚类的锅炉运行参数基准值建模

锅炉运行参数基准值是锅炉耗差分析的基础和前提。本文提出了基于加权模糊C-均值聚类的锅炉运行参数基准值确定方法,该方法基于不同锅炉运行参数对锅炉效率影响程度不同,利用锅炉效率简化计算模型对锅炉运行参数进行求导,进而确定不同锅炉运行参数各自的权重;然后利用加权模糊C-均值聚类算法在典型负荷区间进行多参量同步挖掘,从而确定锅炉运行参数基准值。实例分析结果表明,相对于基于模糊C-均值聚类的传统方法,本文方法确定的锅炉运行参数基准值更加合理有效。     

改进的煤气发电锅炉耗差分析模型

冶金煤气发电锅炉通过耗差分析对锅炉关键运行参数的运行值与目标值的偏差进行实时监测,从而优化指导煤气锅炉的运行。本文从冶金煤气燃烧的基本方程出发,推导出适用于煤气发电锅炉的排烟过量空气系数简单计算方法,提出了一种改进的煤气锅炉热效率计算模型。分别从锅炉热效率及厂用电率2个方面,建立了煤气锅炉主要运行参数如排烟温度、排烟氧量、排烟CO体积分数以及燃气热值等的偏差对机组供电煤耗影响的耗差分析模型。并对某240 t/h煤气锅炉主要运行参数进行了耗差分析计算。结果表明,所建模型能够较准确地计算出因锅炉运行参数偏离目标值而引起的供电煤耗偏差,对实现煤气锅炉机组的优化运行具有指导意义。     

火电厂锅炉主要运行参数的耗差分析

在用反平衡法对火电厂锅炉进行热效率计算的基础上,提出了主要运行参数偏离目标值所引起的煤耗偏差计算模型,给出了锅炉主要运行参数变化与煤耗变化的关系式。对某电厂1 025 t/h锅炉主要运行参数进行了实时耗差计算,结果表明,所建模型能够比较准确地计算出因锅炉运行参数偏离目标值而引起的耗差,计算精度能够满足现场性能监测的要求。     

聚类算法在锅炉运行参数基准值分析中的应用

大型火力发电厂的实时控制过程中，许多数据之间呈现复杂的非线性关系，而数据挖掘技术能从数据中发现知识或规则，及时分析、调整参数。该文利用数据挖掘方法确定监控参数的基准值，为火电机组耗差分析提供重要依据。介绍了数据挖掘方法的相关理论，研究并应用聚类算法确定热力设备监控参数的基准值模型。采用k-means法分析实时运行数据，分别挖掘再热器压损和锅炉排烟温度的基准值，所得锅炉运行主要监控参数的基准值模型经样本图证实效果良好。为基准值模型的确定提供了一个新的思路和有效方法。     

锅炉汽水系统运行参数的煤耗偏差分析

锅炉汽水系统给水温度变化以及过热蒸汽、再热蒸汽的温度和压力变化时机组的标准煤耗有着十分重要的影响.为此,建立了火电机组运行参数偏离目标值引起标准煤耗偏差的计算模型,并导出了锅炉汽水系统运行参数变化与标准煤耗的关系.利用该模型对某电厂1 025 t/h锅炉汽水系统运行参数进行实时耗差计算,计算结果精度能够满足现场监测的要求.     

关联规则挖掘在电站运行优化中的运用

大型火力发电厂的实时控制过程中,许多数据之间呈现复杂的非线性关系,而数据挖掘技术能从数据中发现知识或规则,及时分析、调整参数。该文利用数据挖掘方法确定监控参数的目标值,为火电机组耗差分析提供重要依据。介绍了数据挖掘方法的相关理论,研究并应用组织进化算法确定锅炉监控参数的目标值模型。通过分析实时运行数据,挖掘出锅炉运行主要监控参数的目标值,为目标值模型的确定提供了一个新的思路和有效方法。     

大型火电机组节能优化控制系统研究

建立了高精确度机组耗差分析模型，有效地解决了火电厂热力系统经济性分析中的几个主要难题；开发出汽轮机员优运行初压计算模型和锅炉经济性分析模型，为实现机组低负荷经济运行奠定了理论基础。在机组耗差分析的基础上，针对串级控制系统不确定性模型研究了鲁棒整定问题，提出鲁棒性指标应介于3和5之间以取得较好的鲁棒性，最终实现宽负荷范围内控制的稳定性与快速性。     

锅炉低氮燃烧与SCR脱硝联合运行优化系统

基于锅炉排烟含氧量、附加燃尽风风量、燃尽风风量等运行因素对机组脱硝经济性的影响,建立了锅炉低氮燃烧与SCR脱硝系统联合运行的综合成本模型,通过锅炉低氮燃烧调整试验与SCR脱硝特性试验获取机组的运行特性及模型参数,开发了以机组脱硝运行综合变动成本最小为目标的脱硝运行优化系统,实现了机组脱硝优化运行在线指导。试验验证及应用结果表明:脱硝运行优化系统给出的运行方式合理;A电厂2号机组按脱硝运行优化系统给出的运行方式调整后,灰渣平均含碳量减少了32%,锅炉效率提高约0.28%,氨耗量增加约23kg/h,综合节省费用约240元/h;B电厂3号机组调整后锅炉效率基本不变,尿素耗量下降约49kg/h,综合节省费用约180元/h。     

应用于火电机组节能和指标管理中的耗差分析

介绍了耗差分析方法在火电机组节能和指标管理技术中的应用,阐述了耗差分析方法的应用原则和考核方法,提出了性能系数的概念;以锅炉侧为例分析了主要的几个燃烧参数对耗差的影响;列举了实时耗差分析系统实现的几种方式,进行了优劣对比。     

耗差分析方法介绍

本文介绍了在机组优化运行管理工作中对机组经济性进行在线监测的基本方法,即耗差分析方法。该方法通过对机组运行中各偏差因素的定量分析,来指导运行人员调整运行方式,使机组保持在较佳的运行状态。利用耗差分析结果所得到的性能系数具有不受调峰、环境条件变化等因素影响的特点,能真实反映机组目前的运行水平。最后列举了耗差分析方法在机组性能分析中锅炉燃烧各参数对耗差的影响。     

基于新型测温技术的电站锅炉燃烧优化模型研究

为了提高锅炉效率,减少污染物排放,电站锅炉需要进行燃烧优化。新型测温技术的发展提高了电站锅炉状态监测水平,以此为基础提出一种包含炉内温度场测量结果的燃烧优化模型。由于缺少实际数据,对某电厂300 MW亚临界锅炉炉内煤粉的燃烧过程进行数值模拟,得到不同工况下炉内的燃烧状态。利用大数据原理建立燃烧优化模型并对其进行检验。研究表明,该模型将测温技术与燃烧优化结合起来,具有一定的可靠性,可以准确预测锅炉运行参数变化对炉内温度场分布造成的影响。     

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.     

燃煤锅炉效率与NOx排放混合建模研究

介绍了RBF神经网络的结构和特点,进而讨论了遗传算法与RBF神经网络相结合的方法.以某300MW电站锅炉燃烧调整试验数据为基础,利用RBF神经网络对锅炉效率与NOx排放混合建模,并用遗传算法优化RBF神经网络的性能,使其预测精度大幅提高.同时RBF神经网络具有收敛速度快的独特优点.因此,优化后的RBF神经网络模型为下一步的锅炉运行参数优化和燃烧优化系统的建立奠定基础.     

燃煤电站锅炉二次风控制系统优化

针对二次风控制系统中的风煤比优化问题进行研究。首先,以锅炉热平衡原理为基础,分析了过量空气系数、飞灰含碳量及排烟温度对锅炉效率的影响,建立了热经济性参数在烟气含氧量影响下的计算模型和以锅炉效率为目标的最佳烟气含氧量数学模型。其次,对于二次风控制系统,提出了用Smith模糊PID控制器替换传统的PID控制器的控制方法。最后,通过实验仿真比较两种控制器在被控对象模型匹配和不匹配情况下的控制性能。     

锅炉燃烧系统神经网络建模及多目标优化研究

电站锅炉面临降低运行成本与降低污染物排放的双重要求。依据采集到的燃烧数据,采用神经网络训练得到了锅炉燃烧模型,用于预测锅炉在不同燃烧参数的NOx排放和燃烧效率。并采用多目标优化算法,通过调整锅炉运行参数,在锅炉高效燃烧与NOx低排放之间找到合理的平衡点。     

锅炉燃烧智能优化技术研究

根据燃烧特性试验数据,利用支持向量机建立锅炉燃烧过程NOx排放与热效率的响应特性模型。结合粒子群算法分别对模型参数和锅炉的运行参数进行优化,找到了使得NOx质量浓度降低和热效率提高的运行参数组合,为实现电站锅炉高效低污染的优化目标提供了有效手段。     

锅炉优化燃烧与混配煤信息系统分析

通过对影响锅炉优化燃烧的着火特性、燃尽特性、结渣特性、含硫量、价格因素等的分析,给出了锅炉优化燃烧的模糊数学评判体系,同时与燃料混配煤信息系统联系,提出了系统开环控制模型,阐述了解决开环控制扰动的主要方法,认为：混配煤信息系统只有将锅炉侧的研究、信息系统、混配煤设备在理论上有机地联系起来,才能保证混配煤信息系统运营的实际效果。     

大型电站锅炉混煤掺烧的NOx排放特性预测与运行优化

在某700 MW四角切圆燃煤电站锅炉的NOx排放特性及锅炉效率多工况热态测试的基础上,应用人工神经网络建立大型四角切圆电站锅炉NOx特性及锅炉效率模型并进行预测,检验样本NOx排放浓度和锅炉效率预测值与实测值的平均相对误差分别为3.63%和0.23%,证实模型的可行性。并在此基础上,结合遗传算法对锅炉运行参数进行优化。优化后NOx排放浓度为421.44、255.05和215.40 mg×m-3,分别降低了37.56%、29.43%和30.56%;锅炉效率为94.56%、94.13%和94.80%,分别提高了0.09%、0.42%和0.88%。该模型可在掺烧非设计煤种情况下寻找出最优运行参数,降低锅炉NOx排放浓度并提高锅炉效率;同时随掺混比的增大,NOx排放浓度降低;掺烧D磨和E磨有利于降低NOx。     

电站锅炉热效率和NOx排放混合建模与优化

提高电站锅炉热效率和降低污染物排放对于节约能源和保护环境具有重要意义。人工智能方法在优化锅炉燃烧方面有广泛的应用。该文以某300MW电站锅炉燃烧调整试验数据为基础,采用BP神经网络建立以锅炉效率和NOx排放为目标的锅炉燃烧系统模型,利用遗传算法对模型进行优化,使模型训练精度和预测精度大为提高,锅炉效率平均预测误差由0．22％降至0．06％,NOx排放浓度平均预测误差由3．5％降至0．15％。利用遗传算法进行全局寻优,并用权重系数法将多目标优化转化为单目标优化。结果表明,该方法可根据需要对锅炉效率和NOx排放进行优化,实际中需重点优化锅炉效率或者重点优化NOx排放时只需要改变权重系数即可,由此得到相应的锅炉运行参数,并为锅炉优化运行提供指导。     

220t/h循环流化床锅炉燃烧优化调整

主要分析了总风量、床压、床温、一二次风比率和燃煤粒径等因素对循环流化床锅炉效率的影响.通过对220 t/h循环流化床锅炉燃烧调整得到的大量实验数据分析,对锅炉给入总风量、一二次风比率、燃烧温度、床压等运行参数进行了优化,等速取样飞灰的含碳量从23.09%最低降至11.75%,锅炉热效率由试验前83.86%提高到试验后的...