基于OEW的混煤结渣特性的评判探讨

首先对煤的2个结渣特性单一评判指标进行了变换,获得新的评判指标,接着利用客观熵权算法对所选取的煤的结渣样本进行了归类处理,依据所提出的评判界限,删除了不符合规则的样本,获得了煤的结渣样本以及类心向量。将本方法应用于某集团公司热电厂锅炉混煤结渣特性的预测评判中,结果表明该方法能够准确的对该混煤的结渣特性做出评判,由此证明了本方法是合理可行的。     

电站锅炉结渣倾向性模糊综合评判

基于模糊数学原理,以分辨率较高的7个指标包括煤灰软化温度t2,煤灰硅比G,煤灰硅铝比SiO2/Al2O3,煤灰碱/酸比B/A,无因次炉膛最高温度t,无因次实际切圆直径d及综合指数R构成评判因素集。对取自6个电厂的煤灰的结渣程度进行了综合判断,并将其结果与实际结渣情况进行了对比,以验证模型的可靠性。     

基于模糊C均值聚类和支持向量机算法的燃煤锅炉结渣特性预测

应用基于模糊C均值聚类算法预处理的支持向量机算法对锅炉结渣特性进行预测建模,将煤的软化温度、碱酸比、硅铝比和硅比以及无因次炉膛烟气平均温度和无因次实际切圆直径作为模型的输入变量,结渣程度作为输出变量,利用优化后的模型对10台锅炉的结渣特性进行评判.结果表明:该模型能够减小训练样本的过拟合度,具有较强的泛化能力;本试验中FCM-SVM预测模型预测结果的正确率为100%,可以实现对锅炉结渣特性的精确预测.     

基于模糊神经网络的电站燃煤锅炉结渣预测

综合运用模糊数学和神经网络知识构建了一个模糊神经网络模型,用以预测电站燃煤锅炉的结渣特性．通过引入反映煤灰特性的4个常用指标以及反映锅炉运行情况的两个指标,使所建模型综合考虑了煤灰特性和锅炉运行因素对结渣的影响．以实际电厂燃煤锅炉为样本,基于改进的BP(back-propagation)算法对网络模型进行了训练．为验证模型的准确性,对7台电站燃煤锅炉的结渣特性进行预测,并将该模型与只考虑煤灰特性指标的常规 BP网络模型进行比较．验证结果表明,模糊神经网络模型的预测结果与实际相符,效果优于常规BP网络模型．     

气氛条件对典型煤种结渣特性影响的实验研究

燃煤锅炉受热面结渣问题一直是困扰电站锅炉安全和经济运行的重要因素.因b选取三种不同的煤种在不同气氛条件下进行灰熔融性试验的基础上对煤种的结渣特性作出分析.分析结论为还原性环境气氛可显著降低煤灰熔融温度,从而使煤灰结渣特性增强;单一评判法与多指标综合评判法对煤灰结渣特性进行判定,为避免锅炉受热面结渣提供理论依据.在锅炉实际运行中,因保证炉内受热面周边氧化性气氛,降低煤灰结渣特性,减少锅炉受热面结渣的可能性.     

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。     

基于偏最小二乘回归的灰熔点预测

利用煤灰成分作为输入变量,煤灰变形温度作为输出变量,采用偏最小二乘回归法(PLS)对灰熔点问题进行建模.然后用60个样本对该模型进行训练,利用得到的PLS回归方程对20个混煤样本的灰熔点进行预测,并对不同灰成分个数作为输入变量时得到的预测结果进行了比较.结果表明:所建立的灰熔点PLS回归模型能较好地预测灰熔点;采用10个煤灰成分作为输入变量时,灰熔点的平均相对预测误差和最大相对预测误差分别为1.05%和1.19%,比采用7个煤灰成分作为输入变量时的预测结果精确.     

电站燃煤结渣特性的模糊模式识别

目前国内外普遍采用的单一煤灰结渣特性指标分辨率较低,有时甚至出现按某一准则判别的结果与实际结渣程度相矛盾的情况。本文运用模糊数学的方法对电站燃煤的结渣特性进行了模式识别,用以综合判定燃煤的结渣性能,可作为锅炉运行和设计部门预测炉内结渣程度的依据。     

软计算方法在煤灰结渣特性评判中的应用

基于软计算理论,提出了一种煤灰结渣特性的神经-模糊评判模型。此模型来源于实际观测数据,可靠性高,能够更有效的判别锅炉炉膛结渣特性。     

煤灰结渣特性的粗集评判

基于粗集理论,提出了煤灰结渣特性的粗集评判模型,由于直接来源于实际观测数据,可靠性高,与其它判别方法相比,能更有效地判别结渣特性。     

电站燃煤锅炉结渣特性的试验研究

利用煤粉燃烧试验台试煤样的方法模拟实际锅炉的工况为某电厂３００ＭＷ机组锅炉做结渣试验,此方法能准确地预示实际锅炉的结渣趋势,为锅炉的设计提供可靠的技术依据。     

模糊综合评判模型预测电站燃煤结渣特性的研究

基于最大隶属度原则,采用常规煤质结渣特性指标以及炉膛运行参数组成的"6指标法"对模糊理论预测燃煤结渣的4种常用模型进行了分析和检验.分析发现,4种模型都具有较好的预测效果,但相比而言,具有"主因素决定型"特征的模型由于过于强调单一指标的作用效果,在评判过程中容易陷于局部最大修正隶属度的误区,从而导致对结渣倾向性不明显样本预测的失效.考虑各因素影响的综合评判方法则避开了这一误区,在整体预测效果上获得了更高的准确度.     

A critical review of ash slagging mechanisms and viscosity measurement for low-rank coal and bio-slags

Gasification or combustion of coal and biomass is the most important form of power generation today. However, the use of coal/biomass at high temperatures has an inherent problem related to the ash generated. The formation of ash leads to a problematic phenomenon called slagging. Slagging is the accumulation of molten ash on the walls of the furnace, gasifier, or boiler and is detrimental as it reduces the heat transfer rate, and the combustion/gasification rate of unburnt carbon, causes mechanical failure, high-temperature corrosion and on occasions, superheater explosions. To improve the gasifier/combustor facility, it is very important to understand the key ash properties, slag characteristics, viscosity and critical viscosity temperature. This paper reviews the content, compositions, and melting characteristics of ashes in differently ranked coal and biomass, and discusses the formation mechanism, characteristics, and structure of slag. In particular, this paper focuses on low-rank coal and biomass that have been receiving increased attention recently. Besides, it reviews the available methodologies and formulae for slag viscosity measurement/prediction and summarizes the current limitations and potential applications. Moreover, it discusses the slagging behavior of different ranks of coal and biomass by examining the applicability of the current viscosity measurement methods to these fuels, and the viscosity prediction models and factors that affect the slag viscosity. This review shows that the existing viscosity models and slagging indices can only satisfactorily predict the viscosity and slagging propensity of high-rank coals but cannot predict the slagging propensity and slag viscosity of low-rank coal, and especially biomass ashes, even if they are limited to a particular composition only. Thus, there is a critical need for the development of an index, or a model or even a measurement method, which can predict/measure the slagging propensity and slag viscosity correctly for all low-rank coal and biomass ashes.     

基于XGBoost联合模型的光伏发电功率预测

提出一种考虑时间序列和多特征的光伏发电功率XGBoost联合预测模型.首先,基于偏最小二乘(PLS)提取影响光伏发电功率的多特征;然后,基于XGBoost算法分别建立发电功率的时间序列预测单模型和多特征预测单模型;最后,通过训练线性模型构建了光伏发电功率联合预测模型.使用某地区光伏电厂运行数据验证,结果证明,所提XGB...     

基于改进粒子群算法优化模糊神经网络的炉膛结渣预测研究

为提高基于模糊神经网络的锅炉炉膛受热面结渣预测精度,提出了一种基于广义钟型隶属度函数非线性惯性权重递减调整策略的粒子群优化算法,通过适应度测试函数对比实验、结渣预测实验和预测稳定性分析对现有文献中线性惯性权重递减调整策略（LPSO）、指数型非线性惯性权重递减调整策略(IPSO)和基于广义钟型隶属度函数非线性惯性权重递减调整策略(GJPSO)进行对比分析。研究结果表明：本文所改进的粒子群算法可以有效地改善算法的早熟现象、平衡算法的全局和局部搜索能力、提高算法的收敛效果和稳定性。利用改进后的粒子群算法对模糊神经网络中的权值和阈值进行优化,提高了模糊神经网络的炉膛结渣预测性能。     

基于PLS与MPGA-ELM的汽轮机排汽焓预测模型

针对汽轮机排汽焓参数难以直接测量的问题,提出了一种利用偏最小二乘法(PLS)和多种群遗传算法(MPGA)优化极限学习机(ELM)的汽轮机排汽焓预测模型.先将采集到的数据进行预处理,然后通过PLS将多维的输入变量降维成低维相互独立的变量,再利用MPGA对ELM的初始权值与阈值进行优化,最后使用优化后的模型进行训练.并将该...     

锅炉结渣过程数值模拟研究进展

传统、单一的预测结渣经验指数不能充分描述和预测复杂的结渣过程，但结渣过程的数值模拟能克服这一不足，详细地描述结渣的形成及结渣轻重的位置分布．结渣模型包括煤粉空气气固两相流动和燃烧子模型、飞灰形成子模型、飞灰颗粒与壁面的碰撞和黏结子模型以及结渣生长过程子模型．本文对近十几年来各种模型的研究进展进行了综合评述，同时也指出了为提高精确性需要继续进行研究的方向．     

混煤的结渣特性及煤质结渣程度评判

本文对晋城无烟煤,潞安贫煤,临汾烟煤及混煤的结渣性能进行了试验研究,并在试验和单因素指标判别的基础上,运用模糊数学方法对煤质的结渣程度进行了评判,同时,对混煤的结渣性能及其影响因素进行了综合性的探讨,为燃烧混煤的电厂解决结渣问题及进行结渣程度判别提供了科学依据。