基于数据融合的燃料量软测量及煤质发热量在线校正

为了提高燃料量测量的准确性和可靠性,提出了基于数据融合的燃料量软测量方法。主要通过与燃料量相关的测量值和对现场运行数据的统计分析,建立了燃料量软测量模型。利用数据融合技术对多个传感器的数据进行了处理,有效提高了软测量数据的准确性。通过仿真验证,建立的燃料量软测量模型能够较好反映实际燃料量的变化,提高了系统的安全性和可靠性。同时针对煤质时变的现状,通过统计分析56种不同煤质的元素和工业分析结果,发现了低位发热量与理论空气量的关系,及煤质收到基水分和灰分与低位发热量之间的关系,由此提出了两种低位发热量在线校正的方法,以低位发热量的变化表征煤质的变化,优化风煤配比,为性能计算和燃烧优化提供了煤质变化的在线依据。     

基于遗传算法的燃煤电站锅炉整体燃烧优化方法研究

针对电站锅炉燃烧效率和污染物的排放,提出了一种整体燃烧优化的思想,并结合遗传算法和人工神经网络技术,对整体燃烧优化方法进行了研究。仿真结果表明,采用本文提出的燃烧优化控制方案,不仅能使锅炉节能,还能降低排放的烟气中氮氧化物的含量,减少对环境的污染,具有较强的可行性。     

基于混合智能的锅炉飞灰含碳量实时目标值模型

为了降低飞灰含碳量,提高锅炉运行水平,运用混合智能技术建立了飞灰含碳量目标值模型.从运行优化角度提出了飞灰含碳量目标值的定义和技术可行方案.通过对锅炉的历史运行工况数据库进行数据挖掘,建立了锅炉历史最优工况数据库,以此作为训练样本建立飞灰含碳量目标值的神经网络模型,在进行了实例验证后对模型进行了分析讨论.实际应用表明该模型具备自调节能力,能够向运行人员实时提供当前工况下的飞灰含碳量目标值,为飞灰含碳量的实时优化指明了调整的方向.     

电站锅炉燃烧诊断优化技术的现状及发展

燃烧诊断和控制技术直接关系到电站锅炉运行的经济性和安全性,而电站锅炉内的煤粉燃烧过程极其复杂,燃烧的诊断问题长期得不到很好解决.现代光测技术、计算机数字图像处理技术、人工智能等新技术和新理论的飞速发展,推动了真正意义上的燃烧诊断技术的实现.论述了火电站燃烧诊断系统的重要性和复杂性,讨论了现有大型火电机组燃烧监控及诊断技术的现状与不足,结合现代人工智能理论和控制理论的进展,展望了未来燃烧诊断优化技术的发展方向.     

基于数据挖掘案例推理的电站锅炉燃烧优化

考虑到基于智能计算的燃烧优化算法难以应用于工程领域的问题,设计了一种基于数据挖掘案例推理的电站锅炉燃烧优化系统。根据海量的分散控制系统(Distributed Control System, DCS)历史数据,采用改进的模糊减法聚类算法确定分类数,以模糊C均值算法建立初始案例库,通过目标寻优约简案例库。在线应用时,基于非可控因子的案例推理方法计算当前工况最佳燃烧参数,根据可控因子对输出参数进行修正,保证系统的实时最优性。对比某机组的优化效果表明,优化后选择性催化还原(Selective Catalytic Reduction, SCR)装置入口NO_x浓度平均降低26.2 mg/m~3,锅炉效率平均提升了0.21%。     

电站锅炉燃烧异常原因诊断方法应用

对某620 MW超临界参数、配置双进双出制粉系统机组的运行数据进行挖掘,获得热一次风压、容量风门开度及磨煤机料位对火焰稳定性变化的敏感值域,推荐了用于运行参数异常诊断的判定依据。结果表明：热一次风压的敏感值域为0~8.3 kPa,稳定门槛值、突变判定阈值、连续变化判定阈值和异常波动判定阈值分别为6.8 kPa、200 Pa、80 Pa和80 Pa;容量风门开度的敏感值域为0~40%,稳定门槛值、突变判定阈值、连续变化判定阈值和异常波动判定阈值分别为26%、10%、4%和4%;磨煤机料位的敏感值域为0~400 Pa,稳定门槛值、突变判定阈值、连续变化判定阈值和异常波动判定阈值分别为300、150、60和60 Pa;根据所述诊断方法及相关定值对该机组火焰异常工况的原因进行实时分析时,诊断结论正确。     

基于数据挖掘技术的锅炉岛运行能效诊断

为应对火电机组深度调峰背景下锅炉岛运行条件多变时能效诊断问题,提出基于数据挖掘技术构建能效基准库,结合耗差因子理论建立锅炉岛的运行能效诊断模型,实现对不同运行条件下锅炉岛的能效诊断。将负荷、煤质及环境温度作为锅炉岛运行外部约束条件,通过改进的K-means算法对历史运行数据进行工况划分;结合灰色关联分析与K近邻算法构造了工况相似度计算模型,以相似工况中能效状态最优的工况构建了能效基准工况库;通过分析运行工况与基准工况的偏离程度实现了对锅炉岛运行能效的评价,并对基准工况库进行更新,基于能效特征参数的煤耗偏差及耗差因子实现对锅炉岛运行能效逐层分析,从而得到造成能效偏离的具体原因,便于运行人员及时做出运行调整。     

基于极值搜索控制的电站锅炉在线燃烧优化

提出一种基于极值搜索控制的电站锅炉在线燃烧优化方法.首先分析了极值搜索控制的基本原理,指出其实质是通过调制和解调过程,在滤波器的共同作用下对性能指标相对设定值变化的导数进行估计,然后利用梯度法获得局部最优解;给出了基于极值搜索控制的燃烧优化控制系统的基本结构及参数设置方法.通过某送风控制系统的仿真结果表明,该燃烧优化策略不但能够成功地驱动系统达到最佳含氧量目标值,实现燃烧优化;同时作为一种闭环、在线优化方式,它对负荷变化、漏风等干扰因素具有更好的适应能力.     

基于小波神经网络的机械故障智能诊断研究

探讨了动量系数和学习率自适应调整的神经网络算法,给出了动量系数和学习率的调整方法,并作为机械故障的特征识别方法,以小波分析技术作为机械故障特征信号的提取手段,由此建立了基于小波与自适应神经网络的旋转机械故障智能诊断系统,给出了诊断系统的训练学习方式和工作方式,通过实际测试数据酌诊断结果说明此诊断系统对故障诊断是有效的。     

基于大数据挖掘技术的工业锅炉性能优化升级研究

以600 MW燃煤发电机组为基本对象,向其中引入大数据挖掘技术,在其支持下探寻影响锅炉效率的典型因素,确定与各项参数相适应的最佳设定值。经研究得知,实行与大数据特性相符的计算方法,可获得适用于锅炉运行特性的目标值,以达到提升锅炉工作效率、节能减排的效果。     

低热值劣质无烟煤循环流化床锅炉的设计

通过对国外引进技术的消化吸收和对循环流化床锅炉的结构进行改造,使其适于燃用低热值劣质无烟煤,完善和丰富了北京锅炉厂循环流化床锅炉系列。     

基于高位热值的燃料化学炯模型及计算分析

以化石燃料的实际反应过程为研究对象,根据实际燃烧过程模型,推导了含C、H、O、N、S等多种元素成分的基于燃料高位热值的化学炯计算式,对我国部分地区煤种的化学焖进行了计算,并将计算结果与以纯物质为模型的信沃寅男和范良政方法的计算结果进行了比较．结果表明：采用所提出的基于燃料高位热值的化学炯计算方法得到的计算值与两学者计算值的误差较小．     

旋流片开槽深度对低热值煤层气燃烧特性的影响

为提高低热值煤层气的燃烧效率,设计了3种由不同开槽深度的旋流片组合成的低热值煤层气燃烧器,并进行燃烧特性实验研究,分析了不同流量下,开槽深度对燃烧室内速度、温度及火焰结构特性的影响。研究表明,火焰温度在燃烧器轴线方向分布与流速分布相似,均存在一个温度和速度峰值。相同轴向距离处,甲烷流量减小,3种旋流片的火焰中心流速和温度峰值逐渐下降,且中心流速峰值、温度峰值位置逐渐前移,但温度峰值位置始终是大于速度峰值位置。开槽深度对燃烧特性的影响主要是由于燃气通流截面改变引起的入口流速和射流直径变化导致的。采用3 mm开槽深度的旋流片时,火焰长度和直径增加最快,燃烧室内轴向速度分布和温度场最为理想,射流刚性和火焰充满度最好。     

洗中煤和煤矸石的混合燃烧特性分析

利用热分析法研究了洗中煤和煤矸石混合后的低热值混煤的燃烧特性,对数据进行分析获得了其燃烧特性峰值温度、着火温度、燃尽温度、综合燃烧特性指数等特征参数,通过动力学分析得到了活化能与频率因子等参数,得出结论:混合比对煤样的着火性能有很大影响和低热值混煤的燃烧过程服从1.5级的化学反应。     

基于优化PSO-RBF的柴油机故障诊断方法

针对传统RBF算法收敛速度慢,易于陷入局部极值的问题,提出了一种经优化的粒子群算法PSO,对RBF神经网络粒子群的改进参数、权值线性递减参数和标准参数进行训练寻优,构建出最优PSO-RBF神经网络,并将其用于柴油机的故障诊断预报。对MAN B&W 6L23/30H柴油机三种不同工况下第一缸试验参数的训练表明:改进的PSO-RBF神经网络在柴油机故障诊断中判别率更高,故障诊断的准确性与可靠性得到提高。     

参数辨识法在锅炉受热面故障诊断中的应用

通过采用低集总参数模型近似高阶分布参数模型 ,将基于换热器机理动态数学模型的参数辨识法用于锅炉受热面的故障诊断 ,不仅大大减少了计算工作量 ,而且具有很好的实时诊断效果     

基于输电巡检图像的山火智能识别方法

山火严重威胁着输电设备的安全.文章基于深度学习目标识别算法,提出一种基于SSD网络模型的山火目标检测方法,并针对主干特征提取网络进行改进和优化,引用Inception分组卷积模块,从网络宽度的角度拓展网络,添加更加丰富的卷积核,提高模型质量,以实现山火特征的有效提取.此外,针对较大卷积核会导致计算量暴增的问题,提出在模...