HCCI汽油机燃烧和排放特性的仿真分析

研究内燃机燃烧特性问题,为了能更为准确地预测HCCI汽油机缸内燃烧特性和排放特性,提出建立了内燃机缸内工作过程的动网格模型,并对狭缝进行加密.对汽油均质压缩燃烧发动机的燃烧过程和排放物的生成过程进行了仿真分析.利用Fluent软件耦合详细化学反应机理,采用RNG k一ε模型以及化学反应涡耗散概念(EDC)模型,计算了特定条件下缸内的温度与压力的变化过程以及缸内的燃料及碳烟等变化趋势,结果表明:狭缝足产生CO和碳氢化合物的主要来源,在详细化学反应机理基础上应用RNG k一ε和化学反应EDC模型能够较为准确地预测HCCI汽油机缸内燃烧和排放.仿真为实际的设计提供了依据.     

煤粉炉进风量分配对NOx排放量的影响仿真研究

针对超超临界煤粉锅炉燃烧过程中NOx的排放问题,从煤粉炉内煤燃烧机理以及NOx的生成机理出发,充分考虑了煤粉在不同小室的燃尽情况,建立了适用于NOx排放量分析的超超临界锅炉的数学模型。采用小室法将炉膛分成12个小室,从而得到一系列常微分方程组。然后利用MATLAB对模型进行求解,并利用模型求解结果与锅炉出口氧气浓度及屏底烟气温度对比来验证模型的准确性。最后利用该数学模型研究了进风量分配对炉膛内温度、O_2浓度、NOx排放量的影响。结果表明,煤粉炉中NOx的生成主要来自于挥发分NOx和焦炭NOx。此外,若主燃烧器区域O_2浓度越高则NOx排放量越高。在主燃烧器区域进风量和总进风量不变时,减少燃烧器上部紧凑燃尽风(Close-coupled Over Fire Air,CCOFA)的比例,可以有效降低NOx的排放量。     

煤粉射流燃烧及火焰传播的大涡仿真

研究煤粉射流燃烧优化控制问题,针对射流速度及挥发份含量对煤粉射流燃烧特性的影响,以小型炉膛模型为研究对象,采用大涡仿真方法(LES)和雷诺平均方法(RANS)对煤粉射流燃烧进行数值仿真,结果能够更精细地反映浓度及温度分布,且能更准确地预测火焰中心位置和炉内回流情况。然后,采用不同射流速度和挥发份含量下炉内流场分布模型特点进行仿真。仿真结果表明,射流速度过大会使火焰中心靠后,火焰直射对墙,造成较大的碰撞损失,分析发现5m/s为最优射流速度。通过不同挥发份含量煤粉对比,发现高挥发份煤的着火距离明显短于低挥发分煤,且在炉膛上部存在强烈的回流,将炉膛中心的高温气流卷吸到喷口附近,从而加快煤粉气流的升温及着火速度。仿真结果可为煤粉射流燃烧的稳定性和系统优化设计提供理论依据。     

改进NSGA-Ⅱ算法在锅炉燃烧多目标优化中的应用

提出改进非劣分类遗传算法(NSGA-Ⅱ)在燃煤锅炉多目标燃烧优化中的应用,优化的目标是锅炉热损失及NOx排放最小化。首先,采用BP神经网络模型分别建立了300MW燃煤锅炉的NOx排放特性模型和锅炉热损失模型,同时利用锅炉热态实验数据对模型进行了训练和验证,结果表明,BP神经网络模型可以很好地预测锅炉的排放特性和锅炉的热损失特性。在建立的锅炉排放特性和热损失BP神经网络模型基础上,采用非劣分类遗传算法对锅炉进行多目标优化,针对NSGA-Ⅱ在燃煤锅炉燃烧多目标优化问题应用中Pareto解集分布不理想、易早熟收敛的问题,在拥挤算子及交叉算子上进行了相应改进。优化结果表明,改进NSGA-Ⅱ方法与BP神经网络模型结合可以对锅炉燃烧实现有效的多目标寻优、得到理想的Pareto解,是对锅炉燃烧进行多目标优化的有效工具,同改进前的NSGA-Ⅱ优化结果比较,其Pareto优化结果集分布更好、解的质量更优。     

基于声波测温系统的闭环自动燃烧平衡优化系统应用研究

电站锅炉温度场是一个复杂的反应场所,在这里面发生各种物理变化、化学反应,煤粉的燃烧、工质的吸热、NOx的生成、积灰结渣的形成等都与炉膛温度场有关。若炉膛温度场遭到破坏将会对锅炉造成多种不利的影响,严重了可能导致超温爆管事故的发生。其中炉膛内温度测量是对温度场进行优化的基础,但是传统的接触式测温装置受炉膛温度过高的限制,很难长时间、精确的对炉膛内温度分布进行测量。     

600MW燃煤锅炉一维数值仿真

应用小室模型对600MW燃煤锅炉炉内流动、燃烧、传热及污染物排放进行了一维数值仿真研究,得出了炉内温度和各个不同组分沿炉膛高度的分布.不同负荷下的仿真计算表明该模型能够反映不同负荷下炉膛内的热流密度分布的不同,从而弥补了零维模型和三维模拟的不足.仿真结果表明,炉内温度分布的高温区和低温区与各气体成份的分布存在很强的对应关系,同时表明采用小室模型可以对炉内复杂的物理化学过程进行有效的模拟,该模型可为锅炉设计、改造和运行提供理论指导.     

电站锅炉燃烧系统的神经网络建模研究

锅炉是火电厂主要的热力设备,锅炉燃烧系统将燃料与燃烧所需的空气按照一定的比例、速度送入到炉膛,确保燃烧迅速,可以更好的适应锅炉压力和煤炭的燃烧所需氧气,从而减少氮氧化物的排放量,达到节能目的。锅炉的燃烧系统是一具有多变量、非线性、不确定、滞后性等特点,常规的控制方法无法达到理想的要求。因此根据锅炉燃烧系统的特性,建立燃烧系统的神经网络模型,对燃烧系统的参数进行研究。本文主要分析了神经网络模型的优势、电站锅炉燃烧系统性能,在此基础上,建立锅炉燃烧系统的神经网络预测模型。神经网络预测模型可以对锅炉燃烧系统的烟气排放温度、炉膛温度、氮氧化物排放量等预测比较准确。     

乙烯裂解炉燃烧传热的CFD模拟

为了掌握乙烯炉炉膛内的热场分布规律,本文采用CFD方法对SL-Ⅱ型工业乙烯裂解炉辐射段内所发生的燃烧、辐射传热、烟气流动等过程进行了耦合模拟,并且详细地分析了炉膛内流场及温度场的分布情况。其中,裂解炉的几何模型按照工程图纸1:1的比例建立;网格划分在专业网格生成软件ICEM11.0中完成;计算采用标准k-ε双方程模型模拟湍流,漩涡耗散/有限速率燃烧反应模型(EDM/FRC)模拟侧壁烧嘴的预混燃烧和底部烧嘴的非预混燃烧,离散传递模型(DTM)模拟炉膛辐射传热,计算过程在CFX5.0中完成。计算得到了裂解炉炉膛内流场、温度场分布的详细信息,模拟结果与工业实测数据吻合较好。模拟结果表明,在底部烧嘴的射流核心区周围形成了大范围的回流,过渡段拐角处有小范围的回流现象;炉膛长度、宽度、高度方向都存在明显的温度梯度,说明传统的炉膛传热计算方法假定温度分布均匀是不准确的;炉膛的高温区主要集中在炉高4.5 m处;炉膛上部的热量,由于侧壁烧嘴的加入而得到了很好地补充,说明侧壁烧嘴的安装位置合理。研究结果表明CFD模拟是目前为止研究裂解炉内热场分布规律最为有效的手段之一,对于未来乙烯裂解炉的设计与优化作用很大。     

基于集合经验模态分解和长短期记忆网络的催化裂化装置氮氧化物排放预测

氮氧化物（NOx）是催化裂化（FCC）装置再生烟气中的主要污染物之一,准确预测NOx的排放浓度可有效避免炼化企业污染事件的发生。鉴于污染物排放数据具有非平稳、非线性和长记忆等特性,为了提高污染物排放浓度预测精度,提出一种基于集合经验模态分解（EEMD）和长短期记忆网络（LSTM）的耦合模型。将NOx排放浓度数据经过EEMD为若干个固有模态函数（IMF）和一个残差序列;根据IMF子序列与原始数据之间的相关性分析,剔除极弱相关的信号分量,有效减小原信号数据中的噪声;将IMF序列集分为高、低频两部分,分别进入不同深度的LSTM网络;最终,将子序列的预测结果反变换得到NOx排放浓度。实验表明,在催化裂化装置NOx排放预测中,对比LSTM的表现,EEMD-LSTM耦合模型在均方误差（MSE）、平均绝对误差（MAE）分别减小了46.7%、45.9%;在决定系数R²上增大了43%,实现了更高的预测精度。     

基于集合经验模态分解和长短期记忆网络的催化裂化装置氮氧化物排放预测

氮氧化物（NOx）是催化裂化（FCC）装置再生烟气中的主要污染物之一,准确预测NOx的排放浓度可有效避免炼化企业污染事件的发生。鉴于污染物排放数据具有非平稳、非线性和长记忆等特性,为了提高污染物排放浓度预测精度,提出一种基于集合经验模态分解（EEMD）和长短期记忆网络（LSTM）的耦合模型。将NOx排放浓度数据经过EEMD为若干个固有模态函数（IMF）和一个残差序列;根据IMF子序列与原始数据之间的相关性分析,剔除极弱相关的信号分量,有效减小原信号数据中的噪声;将IMF序列集分为高、低频两部分,分别进入不同深度的LSTM网络;最终,将子序列的预测结果反变换得到NOx排放浓度。实验表明,在催化裂化装置NOx排放预测中,对比LSTM的表现,EEMD-LSTM耦合模型在均方误差（MSE）、平均绝对误差（MAE）分别减小了46.7%、45.9%;在决定系数R²上增大了43%,实现了更高的预测精度。