在线监测燃煤锅炉NOx排放的自适应支持向量机模型

提出了一种基于改进的在线支持向量机自适应建模方法,并应用于电站锅炉NOx排放连续监测和特性分析.对常规在线支持向量机方法进行了改进,提出了新的样本剔除规则,保证了训练集内样本分布的均匀性.通过该改进方法对基于试验数据的常规向量机模型预测余差进行了连续估计,并预估煤质等因素引起的NOx排放特性的变化,从而补偿了实际工况与试验工况的差别,以便正确给出锅炉NOx排放特性.     

电站煤粉炉NOx排放特性的最小二乘支持向量机模型

为获得电站煤粉炉NOx排放特性的在线预测模型,实现低NOx闭环运行控制,以某电厂300MW四角切圆燃烧煤粉炉为研究对象建立了NOx排放特性的最小二乘支持向量机模型.在建模过程中,进行了模型性能对核函数、惩罚因子γ和核函数参数σ2的敏感性分析,并运用遗传算法和交叉证实获得了γ和σ2的最佳值.最后利用不同试验工况下的样本数据检验了模型的预测性能,并将该模型的预测性能与BP神经网络模型相比较,结果说明该模型的建模特点和预测性能能够满足NOx排放的在线预测.     

基于支持向量机和果蝇优化算法的循环流化床锅炉NO_x排放特性研究

为了控制循环流化床(CFB)锅炉的NOx排放量,以某热电厂300MW CFB锅炉测试数据为样本,应用支持向量机(SVM)建立NOx排放特性预测模型.针对SVM回归预测需要人为确定相关参数的不足,应用果蝇优化算法(FOA)优化SVM参数,采用不同工况下的样本数据检验FOA-SVM模型的预测性能,并将该模型的预测结果与粒子群算法(PSO)、遗传算法(GA)和万有引力搜索算法(GSA)优化的SVM模型预测结果进行了比较.结果表明:FOA-SVM模型的泛化能力较强,预测精度较高,训练时间较短,可以相对快速、准确地预测NOx排放质量浓度.     

基于支持向量机和遗传算法的燃煤电站锅炉多目标燃烧优化

采用支持向量机方法建立350MW燃煤电站锅炉NOx预测模型和锅炉效率预测模型,并采用遗传算法对NOx和锅炉效率进行多目标优化,表明支持向量机和遗传算法可以用于指导参数调节,进行燃烧优化。     

基于支持向量机和遗传算法的燃煤电站锅炉多目标燃烧优化

本文采用支持向量机方法建立了350MW燃煤电站锅炉NOx预测模型和锅炉效率预测模型,并采用遗传算法对NOx和锅炉效率进行多目标优化,表明支持向量机和遗传算法可以用于指导参数调节,进行燃烧优化。     

四角燃烧煤粉炉采用分级燃烧降低NOx排放的试验研究

介绍乌拉山电厂WGZ410/100-12型锅炉采用分级燃烧技术降低NOx排放的技术改造方案,并通过性能考核试验和燃烧调整试验结果,分析了燃尽风份额、二次风沿炉膛断面分布、锅炉负荷、三次风投停等因素对炉内NOx生成量的影响.     

天然气燃烧特性与NOx排放特性数学模拟

采用详细化学反应机理并运用良好搅拌反应器模型,通过化学反应动力学模型的数值计算,就典型的4种天然气组分进行了多种工况下的燃烧特性与NOx排放特性研究.计算结果表明：助燃剂中氧含量对着火时间非常敏感,氧含量较高,着火时间提前;低氧和富燃燃烧方式均可减少NOx排放.     

MMT对煤燃烧飞灰含碳量和NOx排放的影响

在一维沉降炉上对神混l号煤样添加MMT后燃烧的飞灰含碳量和NOx排放特性进行了试验研究,并对其燃尽率进行了分析.试验结果表明:所用沉降炉设计合理,添加MMT后,煤燃烧的飞灰含碳量和NOx排放同时降低.与原煤相比,最大降低量分别为18.39％和14.29％.原因是MMT的含锰燃烧产物能够促进C的氧化,同时还能作为催化剂促...     

分级燃烧降低锅炉NOx排放的特性分析

阐述了燃烧过程中NOx的生成反应动力学，分级燃烧降低NOx排放的机理。对乌拉山电厂WGZ410／100－12型锅炉和华能丹东电厂350MW机组锅炉的分级燃烧改造方案及其降低NOx排放效果进行分析，初步了解分级燃烧的特性。     

煤粉炉中燃烧产物停留时间及其对飞灰含碳量的影响

为了使煤粉燃烧完全,需要使煤粉及其燃烧产物在温度很高的炉膛中停留足够长的时间,使飞灰中含碳低。通常锅炉设计没有直接考虑燃烧产物在炉膛中停留时间,仅仅通过截面热负荷和容积热负荷确定炉膛几何结构。调研分析了55台锅炉设计数据和运行结果,锅炉容量从35 t/h~3 035 t/h,压力从中压到超超临界,揭示了锅炉容量与燃烧产物在炉膛中停留时间的关系。     

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．     

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.     

最小二乘支持向量机在煤着火特性研究中的应用

为避免煤热失重反应静态燃烧过程获取的燃烧参数与实际锅炉动态燃烧之间的误差,以及解决沉降炉实验工作量大、难以对所有煤种进行试验的问题,利用最小二乘支持向量机建立了煤粉着火特性模型,通过对热失重反应过程的机理分析确定最佳输入变量,并进行仿真实验.结果表明:利用热失重反应过程数据预测煤着火性能具有较高的预测精度,可以在实际中应用,指导大型电站锅炉及燃烧装置的设计和运行.     

最小二乘支持向量机在大坝变形预测中的应用

介绍了基于统计学习理论的一种新的机器学习技术———支持向量机(SVM)和其拓展方法———最小二乘支持向量机(LSSVM),并将LSSVM算法应用于混凝土大坝安全监控中的变形预测。根据实测数据,建立了基于LSSVM算法的大坝变形预测模型,同时与经典SVM预测模型进行分析比较。结果表明,LSSVM和经典SVM算法在大坝变形预测中都具有较好的可行性、有效性及较高的预测精度;LSSVM在算法的学习训练效率上比SVM有较大的优势,更适合于解决大规模的数据建模。     

高温低氧气氛下煤粉燃烧低NOx排放特性研究

燃煤工业锅炉作为NOx的主要排放源之一,减排刻不容缓。介绍了煤粉燃烧过程中燃料型NOx、热力型NOx和快速型NOx的生成机理,并对煤中挥发分N及焦炭N对NOx的还原机制进行了探讨。同时,开展了工业锅炉高效低NOx液态排渣煤粉清洁燃烧技术的研究和工程应用实践。结果表明,在高温低氧气氛下,煤粉燃烧过程中能有效抑制NOx生成,并促使NOx还原成N2的有利因素,能够实现NOx排放低于150 mg/m^3的目标。     

基于退火支持向量的燃煤锅炉结渣特性预测

应用支持向量机算法对燃煤锅炉结渣问题进行数学建模,并利用模拟退火算法对支持向量机模型参数进行了优化,最终获得最优参数组合。模型将煤的软化温度tSt、硅铝比w(SiO2)/w(A12O3)、碱酸比J和硅比G以及锅炉的无因次切圆直径t和无因次实际切圆直径d作为输入变量,以结渣程度作为输出,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15台锅炉结渣特性进行预测评判,有14个正确,评判准确率为93.33%,由此表明此方法是合理有效的。同时为了配合该模型,采用高级语言编程开发出了相应的预测评判系统。     

基于改进的最小二乘支持向量机的闸首渗流监控模型研究

鉴于大坝渗流监测受众多因素影响,首先利用主成分分析法对相关性较大的因子进行处理,然后利用最小二乘支持向量机进行建模,最后依靠遗传算法对其参数进行选优,建立了基于改进的最小二乘支持向量机的闸首渗流监控模型,并通过实例应用做了对比分析。结果表明,改进的最小二乘支持向量机模型可有效降低输入因子的维数,减小因子之间相关性,降低模型的训练时间,拟合精度均优于其他模型,更适合于渗流监测数据的建模。     

基于改进自适应遗传算法的大坝变形支持向量机预测模型

针对支持向量机模型预测大坝变形的核心为选取惩罚因子C和核函数参数σ的问题,以及标准遗传算法可能存在收敛局部小而最后得不到全局最优解、收敛速度慢等缺点,采用改进的自适应遗传算法对参数进行寻优。实例应用表明,与自适应遗传算法的支持向量机模型和统计模型相比,改进的自适应遗传算法的支持向量机模型推广能力和泛化能力更好,从而证明该预测模型具有可行性和实用性。     

分级燃烧最佳一次风空气系数的实验研究

在一维煤粉燃烧炉上进行了不同煤种、不同细度的分级燃烧试验。实验发现,分级燃烧对高挥发份煤种以及同一煤种的细煤粉的ＮＯx排放浓度的降低效果更显著,而且在分级燃烧条件下,同一煤种细煤粉的飞灰一较粗煤粉低。另外,还得到了不同煤种在分级燃烧条件下的最佳一次风空气系数。