基于锅炉燃烧调整降低锅炉高温腐蚀的研究

鉴于某电厂3#锅炉水冷壁高温腐蚀情况较为严重,为降低锅炉高温腐蚀速率,通过进行锅炉燃烧调整试验,调整锅炉的运行参数,包括配风方式、运行氧量、煤种等,研究锅炉运行参数调整对水冷壁区域还原性气氛的影响,同时综合分析NOx排放浓度以及锅炉效率等指标的变化关系,找到最优锅炉燃烧方式,降低锅炉高温腐蚀,为锅炉优化运行提供指导.锅...     

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。     

某330MW锅炉燃烧调整实验及优化运行分析

以印尼330 MW亚临界机组锅炉为研究对象,采用现场燃烧调整试验方法,对主、再热蒸汽温度,排烟温度的影响因素进行了调整实验和分析优化,并且研究了一次风压和燃烧器配风对锅炉运行的影响。经过一系列试验及分析优化后,通过调整运行氧量、煤粉细度、风煤比、炉底漏风、一次风压以及燃烧器配风,使机组在330 MW负荷下主/再热汽温提高了20℃以上,排烟温度降低了25.4℃,锅炉效率提高1.72%,辅机功率降低了1205 k W,标准煤耗率降低了6.56 g/(k W·h)。     

440t/h循环流化床锅炉燃烧优化调整试验分析

根据江苏贾汪发电有限公司135 MW机组440 t/h循环流化床锅炉的实际运行情况,从循环流化床锅炉的优化燃烧角度进行了锅炉运行优化和燃烧调整试验。通过热态燃烧风量调整、煤质对燃烧的影响、掺混煤燃烧及燃料破碎设备等试验,分析了总风量、一次风量及上下二次风量变化对灰渣可燃物含量的影响,确定了锅炉的经济燃烧调整和风量分配方式,可指导调整循环流化床锅炉在各种运行情况下的燃烧工况,从而实现锅炉优化运行的目标。     

对锅炉燃烧优化调整试验的一点看法

新机组投产及老机组燃烧设备、燃料种类、操作方式有重大改变时 ,一般要做燃烧优化调整试验 ,其目的是为了寻求合理的配风、配煤方式 ,确定锅炉燃烧系统的最佳运行参数 ,并且提出合理的计算机控制曲线 ,从而保证机组的安全、经济运行。在锅炉机组众多调整因素中 ,先调什么 ,后调什么 ,调整什么因素对锅炉机组经济性影响较大。笔者认为燃煤锅炉调整试验都是针对特定的燃烧设备 ,在特定的煤种下进行 ,所以首先应确定粉煤细度。因为在不同煤粉细度下 ,进行燃烧优化调整试验 ,可以得出不同的试验结果。如果煤粉细度选择不合理 ,将带来锅炉运行氧…     

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。     

1 000 MW超超临界机组锅炉燃烧优化试验研究

针对某电厂1 000 MW机组锅炉存在的燃烧不均匀问题,进行了深入的燃烧优化试验,包括燃烧器配风优化,一次风量运行优化,煤粉细度调整和锅炉整体配风调整,得到了最佳运行控制曲线。在不同负荷工况下的燃烧试验表明,燃烧优化后,风机电耗下降,NOx排放量下降,锅炉排烟热损失及固体不完全燃烧热损失均下降,锅炉效率提高,优化效果良好。     

基于BP网络的锅炉优化燃烧指导系统

针对火电厂锅炉燃烧器喷口的煤粉浓度和速度对燃烧效果存在较大影响,但在实际运行中又很难精确控制的特点,提出一种基于神经网络的锅炉优化燃烧指导系统。该系统以现有监测数据和运行人员长期积累的经验为样本,利用BP网络的自学习能力,建立了指导锅炉优化燃烧调整的智能系统。该系统投资少,具有实际开发应用价值。     

遗传算法与BP神经网络在低氮燃烧优化中的应用

针对某发电公司330 MW机组锅炉,采用BP神经网络构建用于预测锅炉效率和NO_x质量浓度的锅炉燃烧仿真模型,通过遗传算法对该网络的初始权重与阈值进行优化,以锅炉低氮燃烧优化试验数据为样本进行模型训练,得到泛化能力强、精度高的仿真模型。通过选取合适的适应度函数,将遗传算法用于锅炉燃烧仿真模型进行燃烧优化,最终获取可兼顾锅炉效率与NO_x质量浓度的运行优化策略,为现场运行提供指导。     

火电厂锅炉热效率优化调整软件的开发

大型燃煤电厂锅炉热效率目前通常依靠燃烧试验调整优化，现场试验耗时费力，而且由于锅炉输入输出特性复杂，耦合性强，燃用煤种和操作条件变化较大，通过试验进行燃烧优化往往效果不佳。介绍开发的一种设计软件，它利用人工神经网络对锅炉特性建模，并采用遗传算法进行最佳运行工况寻优，可获得目前最佳的锅炉燃烧调整方方式，实现锅炉的节能降耗。     

电站锅炉燃烧优化技术现状和发展动向

系统地分析了电站锅炉燃烧优化技术的发展历程、锅炉燃烧优化技术现状、锅炉燃烧优化存在的问题及燃烧优化技术的发展动向。随着我国能源问题的凸现、电厂节能意识的提高、检测技术、人工智能技术的发展,锅炉燃烧优化技术将会进一步受到电厂的重视和关注,将会给用户带来更可观的经济效益。     

125 MW 燃用无烟煤锅炉燃烧优化研究

对一台125 MW燃用无烟煤锅炉应用人工神经网络建立其锅炉效率的网络模型,并运用遗传算法对燃烧工况进行寻优,获得锅炉的燃烧优化工况。实践证明这种方法可以指导锅炉燃烧优化调整,提高锅炉运行经济性。     

振动炉排秸秆锅炉燃烧优化调整的正交试验及分析

结合汤原生物质电厂1号锅炉燃烧调整试验,介绍了正交试验法在振动炉排秸秆锅炉燃烧调整中的应用。对试验因素的选取、因素水平的确定、正交表的选择做了详细说明,在数据处理和误差分析方面采用极差和方差分析方法,2种方法形成互补更能找到锅炉运行的最佳运行工况。振动炉排秸秆锅炉的效率主要受到氧量、一二次风配比、炉排振动时间等参数的影响。     

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.     

水煤浆在2.8 MW热水链条锅炉上的应用

主要介绍了山东新汶矿业集团中心医院2台2.8 MW热水链条锅炉改烧水煤浆的改造设计及改造后的水煤浆燃烧调试和燃烧试验的结果。     

基于LS-SVM和SPEA2的电站锅炉燃烧多目标优化研究

利用最小二乘支持向量机(LS-SVM)对锅炉燃烧特性建模,构造了以锅炉效率与NOx排放为组合的锅炉燃烧多目标优化模型,并与BP神经网络建模比较,分析表明模型在泛化能力、收敛速度和最优性均优于神经网络模型;针对锅炉高效低污染燃烧多目标问题,提出利用多目标进化算法SPEA2(强度Pareto进化算法)实现运行工况寻优,然后根据模糊集理论在Pareto解集中求得满意解,获得锅炉燃烧优化调整方式.通过某600 MW机组的仿真计算,并与加权遗传算法比较,结果表明本文算法在Pareto前沿具有更好的多样化,克服了将多目标函数加权求和转化为单目标优化问题只能找到凸Pareto最优域及需要多次运行得到Pareto解集的缺陷,计算结果可指导运行人员进行参数优化调整,提高燃烧经济性.     

600MW超临界锅炉燃烧优化调整试验研究

介绍了某电厂600 MW超临界机组锅炉燃烧优化调整试验方法及结果.调整前锅炉灰渣可燃物含量较高,飞灰可燃物含量在12％以上,最高时达到20％左右,固体未完全燃烧热损失较大,锅炉热效率偏低.通过进行热态一次风速调平、煤粉细度调整、省煤器出口氧量调整和燃尽风量调整试验,将飞灰可燃物含量降低到7％以下,固体未完全燃烧热损失明...     

基于遗传神经网络敏感度分析的飞灰含碳量测量方法

飞灰含碳量是反映电站锅炉燃烧效率的重要指标,准确测量飞灰含碳量有利于监测和调整锅炉燃烧,降低煤耗,提高锅炉运行的经济性和安全性。分析了工程上普遍采用的人工取样、实验室化验方法以及在线监测仪器所存在的缺陷。研究了以软测量和信息融合技术为代表的人工智能方法的不足,采用遗传神经网络算法,对的连接权值、阈值和隐层节点个数进行了优化计算,以增强网络的泛化能力,并利用Grason敏感性分析算法,对影响飞灰含碳量的输入参数进行了筛选,实现了以较少的工况输入来有效地测量输出。在此基础上,通过实际样本进行仿真分析和对比,验证了所用方法具有更好的测量精度,最后通过实测数据的对比进一步验证了该结论。