共查询到20条相似文献,搜索用时 15 毫秒
1.
《热力发电》2018,(10)
火电厂燃煤锅炉产生的NO_x是大气污染物的重要来源之一,建立有效的NO_x排放预测模型是降低NO_x排放的基础。针对火电厂控制系统数据的海量化和高维化及燃煤锅炉多参数多变量相互耦合的特点,首先利用主成分分析法对火电厂分布式控制系统(DCS)数据进行特征提取,消除各特征变量间的耦合性;然后将提取的特征作为长短期记忆(LSTM)神经网络的输入,得到火电厂NO_x排放预测模型。将该模型与传统循环神经网络(RNN)模型、最小二乘支持向量机(LSSVM)模型应用于某超超临界660 MW机组燃煤锅炉对NO_x排放质量浓度进行预测。结果表明:LSTM神经网络和RNN模型预测效果均优于LSSVM模型;本文提出的LSTM神经网络模型预测准确率达到79%,均方根误差为0.398,优于其他2种模型;LSTM神经网络模型数据跟踪效果明显优于RNN模型,预测结果波动较小,模型稳定性和准确率较高。 相似文献
2.
为了达到大气污染物近零排放标准,大型燃煤发电机组NO_x排放质量浓度需低于35 mg/m3。在当前工程实践中应用最广泛的锅炉低氮燃烧(LNB)与选择性催化还原(SCR)综合脱硝技术存在协调问题,很难同时实现机组LNB与SCR脱硝的安全、环保、经济运行。为此,本文建立了燃煤锅炉LNB运行调整与SCR脱硝协同模型,采用改进的BP神经网络建立锅炉燃烧系统模型,利用改进的最小二乘支持向量机建立SCR脱硝系统模型,并进一步开展了机组高效低NO_x调节与优化分析,开发了燃煤锅炉高效低NO_x协同优化系统。在某机组的实际应用结果表明,该协同优化系统可在任何工况下实时指导运行人员调整机组运行参数,确保机组安全、环保、经济运行。 相似文献
3.
4.
5.
6.
《广东电力》2016,(11)
某660 MW超超临界旋流对冲燃煤锅炉原设计采用第一代OPCC型旋流煤粉燃烧器,运行过程中存在NO_x排放偏高、燃烧器区域结焦和部分燃烧器烧损等问题,为此进行了低氮燃烧改造及运行优化试验。在新增一层直流燃尽风及对主体燃烧器进行改造后,通过调整燃尽风率、总风量、燃烧器内外二次风挡板开度,对燃烧器参数进行了优化。结果显示:烟气中氧的体积分数控制在2.8%较合适(对应总风量2 100 t/h),脱硝入口NO_x排放由改造前350 mg/m~3左右下降到240~260 mg/m~3,飞灰中碳的质量分数在1.5%以下,锅炉效率约提升0.3%,不存在燃烧器烧损、结焦问题,且主蒸汽、再热蒸汽参数都达到额定值,运行良好。 相似文献
7.
以某电厂燃煤锅炉燃烧调整试验数据为基础,运用BP神经网络建立锅炉效率与NOx排放浓度的双目标锅炉燃烧系统模型,并用遗传算法优化BP神经网络的权值和阈值产生优化型GA-BP神经网络模型。通过对2种模型预测误差的比较表明,GA-BP神经网络模型的锅炉效率平均预测误差由6%降至3.4%,NOx排放浓度平均预测误差由0.1%降至0.04%,泛化能力相对于BP神经网络模型大大增强,可适用于建立锅炉燃烧优化系统。 相似文献
8.
应用Matlab神经网络工具箱对某燃煤电站锅炉NOx排放特性进行神经网络建模。仿真结果表明,该模型具有良好的准确性和泛化能力,模型平均相对误差为1.37%,具有较高的准确性。基于该NOx排放预测模型,结合遗传算法对燃煤锅炉的NOx排放进行优化,按照优化结果推荐的运行参数,在相同的运行负荷工况下,其NOx排放浓度由优化前的456.2mg/m3降为323.9mg/m3,下降幅度达到了29%,效果显著。 相似文献
9.
以某电厂燃煤锅炉燃烧调整试验数据为基础,运用BP神经网络建立锅炉效率与NOx排放浓度的双目标锅炉燃烧系统模型,并用遗传算法优化BP神经网络的权值和阈值产生优化型GA-BP神经网络模型.通过对2种模型预测误差的比较表明,GA-BP神经网络模型的锅炉效率平均预测误差由6%降至3.4%,NOx排放浓度平均预测误差由0.1%降至0.04%,泛化能力相对于BP神经网络模型大大增强,可适用于建立锅炉燃烧优化系统. 相似文献
10.
《中国电机工程学报》2017,(15)
氧量和配风方式是影响燃煤机组锅炉效率及NO_x排放的重要因素,针对某600MW机组燃烧优化调整,建立了基于聚类分区的关联规则挖掘模型,并引用密度参数,选择大密度区域内的点作为初始聚类中心,提高了聚类的稳定性;同时建立了基于交叉验证法(cross validation,CV)的支持向量机(support vector machine,SVM)氧量软测量模型,减小了氧量测量不准对数据挖掘结果的影响。对历史运行数据进行挖掘,得到了不同工况下兼顾锅炉效率和NO_x排放质量浓度的最优运行氧量值与二次风门配风方式,结果表明:寻优后的烟气含氧量低于实际运行值,周界风门和辅助风门呈束腰型分布,主要负荷段的选择性催化还原脱销装置(selective catalytic reduction,SCR)进口NO_x质量浓度由220~420mg/m~3降为220~320mg/m~3,且保证锅炉效率不低于92.7%。 相似文献
11.
特约主编寄语-依托国家重点研发计划,以尖端技术助力蓝天保卫战! 总被引:1,自引:0,他引:1
正燃煤电厂烟气超低排放已全面实施,2014年9月和2015年12月,国家层面的《煤电节能减排升级与改造行动计划(2014—2020年)》(发改能源[2014]2093号)及《全面实施燃煤电厂超低排放与节能改造工作方案》(环发2015[164]号)相继颁布,要求NO_x、SO_2和烟尘排放限值分别为50 mg/m~3、35 mg/m~3、10 mg/m~3,超低排放政策在中国全面实施,并对供电煤耗也提出了要求。截至2017年12月,已有河北、上海、河南、浙江、山东等省市出台或将出台 相似文献
12.
13.
14.
《热力发电》2017,(2)
针对杭联热电有限公司5号循环流化床(CFB)锅炉NO_x排放未达到超低排放要求、主蒸汽温度偏低、床温和排烟温度偏高等问题,采取调节二次风系统、增加锅炉受热面、增加烟气再循环系统、改进选择性非催化还原(SNCR)脱硝系统等改造措施,在额定负荷下,使NO_x最终排放质量浓度从100mg/m~3降低到50mg/m~3以内;主蒸汽温度升高了20℃,达到设计温度;床温和炉膛出口温度下降了50℃;氨逃逸量略有增加,但可以控制在8mg/m~3以内;锅炉效率基本不变。同时,针对改造后空气预热器出口CO质量浓度偏高的问题,通过燃烧优化试验得出,在不同负荷下应该合理选择再循环烟气量,且上层二次风门开度均设置为100%,下层二次风门开度设置为中间大,两边小,有利于锅炉合理运行。 相似文献
15.
16.
《热力发电》2016,(8)
基于某超超临界660 MW机组燃煤锅炉现场热态实验数据,利用MATLAB智能工具箱,分别采用径向基(RBF)神经网络和BP神经网络对该锅炉NOx排放特性进行建模,采用交替梯度算法对RBF神经网络预测模型进行输出层权值及RBF函数的中心与标准偏差值优化,对BP神经网络采用动量法进行改进。2种模型的仿真和预测结果对比分析表明:参数优化后的RBF神经网络预测模型预测结果的最大误差为3.0%,平均误差为1.75%;改进后的BP神经网络预测模型预测结果最大误差为6.6%,平均误差为4.5%;2种建模方法均具有较好的准确性和泛化能力,其中RBF神经网络模型的计算速度快,拟合和泛化能力更强。 相似文献
17.
《热力发电》2017,(5)
针对某电厂超临界660 MW机组墙式切圆燃煤锅炉,通过在空气分级燃烧技术上运用富氧燃烧的方法,对炉内温度场以及NO_x排放特性进行了数值模拟研究。结果表明:在25%、28%、30%富氧工况下,30%富氧工况表现出与电厂实际空气工况运行下良好的一致性,且炉膛火焰充满度更好,比采用空气分级燃烧稳定;再循环烟气中高摩尔分数的CO_2与煤焦反应加剧了还原性气氛,且煤粉气流在还原区停留时间的增大提高了NO_x污染物向N_2的转化,减少了NO_x生成量;墙式切圆燃烧煤粉锅炉采用分级富氧燃烧后炉膛出口NO_x生成量由原来的236 mg/m~3降低为125 mg/m~3,较空气分级燃烧降低了47.03%。 相似文献
18.
19.
20.
针对燃煤电厂NOx排放的预测问题,提出了基于粒子群优化算法和双向门控循环(PSO-Bi- GRU)神经网络的NOx排放预测模型。通过主成分分析对影响NOx排放的运行参数进行降维,消除变量间的耦合;基于双向门控循环神经网络学习NOx排放的非线性特性和前后时序信息,提高特征提取能力;采用粒子群算法对Bi-GRU神经网络模型进行超参数寻优,使网络结构最大程度匹配影响NOx排放的变量特征,克服依靠经验选取或手动调节参数而导致预测精度低的问题。最后基于某电厂660 MW机组燃煤锅炉运行参数,建立NOx排放预测模型,并与单向门控循环神经网络、传统Bi-GRU神经网络预测模型进行对比。仿真结果表明,PSO-Bi-GRU神经网络模型预测效果最好,其平均绝对误差、平均绝对百分误差、均方根误差均最小,验证了本文所提PSO-Bi-GRU神经网络NOx排放预测模型的有效性。 相似文献