基于PCAGSVR的燃煤锅炉N Ox 排放预测

以某超超临界700 MW 机组锅炉为对象,建立了基于主成分分析(PCA)和支持向量回归(SVR)的氮氧化物(NOx )排放预测模型(PCA-SVR 模型)。运用 PCA 方法对包含有2000条锅炉运行记录的数据集进行分析,降低数据集维数,提取有效信息(主成分);以得到的主成分为输入变量,锅炉NOx 排放值为输出变量,利用SVR建立NOx 预测模型。与传统SVR模型相比,PCA-SVR模型的计算时间更短,并且能获得较高的 NOx 排放预测精度,其预测N Ox 排放浓度与实际排放浓度相比平均误差在1％以内。     

基于RF-GBDT的燃煤锅炉NO_x排放预测

针对某超超临界660 MW机组锅炉,建立了基于随机森林(RF)和梯度提升决策树(GBDT)算法的氮氧化物(NO_x)排放预测模型。从电厂SIS系统筛选得到历史运行数据中的稳态工况点,利用RF模型对数据特征进行筛选,并以选中特征作为输入变量建立基于GBDT的NO_x排放预测模型。与支持向量机(SVM)、RF等模型的对比表明基于RF的特征选择能提升模型性能;较于其他模型,RF-GBDT具有最高的NO_x排放预测精度。     

电站锅炉NO_x排放特性试验研究

针对某热电厂300 MW锅炉,通过改变燃尽风量、运行氧量、机组负荷等参数,研究了不同燃烧方式对锅炉NOx排放量的影响。结果表明:随着燃尽风挡板开度增大,NOx排放浓度逐渐降低,燃尽风挡板全开时NOx排放浓度比开度为30%时降低19%;随氧量增多,NOx排放浓度逐渐增大,省煤器出口氧量为4.25%时的排放浓度比氧量为3.35%时升高43.5%;在锅炉降负荷过程中,炉膛内含氧量比炉膛温度的影响更大,210 MW负荷下NOx排放浓度比300 MW负荷增大12.8%。     

基于支持向量机的电站锅炉NOx排放软测量模型

建立NOx排放的模型是对NOx进行优化控制的基础.在分析了NOx排放量影响因素的基础上,构建了NOx排放软测量模型的结构,并基于某锅炉燃烧调整的热态试验数据,利用支持向量机这种机器学习工具,建立了NOx排放量的软测量模型,进一步应用实际运行数据对所建立的模型进行了验证.结果表明,所建立的模型具有精度高、泛化能力强、学习速度快等特点,可用于实际工程中对NOx测量和优化控制的需要.     

电厂燃煤锅炉降低NO_x排放运行调整

锅炉NOx排放不能满足最新国家环保要求,原因是排烟温度低,烟气脱硝装置(SCR)在450 MW即退出运行。通过以下4方面运行调整:降低喷氨温度运行、锅炉降NOx燃烧调整、燃煤掺烧、减少省煤器吹灰次数,使SCR在300 MW投入,锅炉NOx排放月平均浓度100 mg/Nm3、小时平均浓度300 mg/Nm3、脱硝投运率90%,满足国家环保要求,并着重分析了影响NOx的主要因素。     

电厂燃煤锅炉降低NO_x排放运行的调整

针对广东珠海金湾发电有限公司锅炉NOx排放偏高、超出国家环保标准要求以及锅炉及脱硝工艺存在的主要问题,分析了产生的主要原因,并据该公司实际运营状况,提出了切实可行的解决措施。经实践验证,通过运行调整可以大幅降低锅炉NOx排放浓度,使之符合环保标准排放要求。     

山东电网燃煤锅炉NO_x排放状况

介绍了山东电网锅炉低NOx燃烧技术和燃烧设备的发展及目前燃煤锅炉NOx排放状况,提出了山东电网治理NOx污染的技术途径。     

金湾电厂燃煤锅炉降低NO_x排放运行调整

提高SCR投入率,降低SCR入口NOx排放浓度,使锅炉NOx排放满足小于100 mg/m3的最新国家环保要求。通过分析影响金湾电厂锅炉NOx排放的主要因素,制定了降低喷氨温度运行,锅炉降NOx燃烧调整,燃煤掺烧和减少省煤器吹灰次数等调整措施。调整措施实施后,SCR连续喷氨负荷由450 MW降至300 MW,脱硝投入率达90%,锅炉NOx排放月平均浓度和小时平均浓度分别小于100 mg/m3和300 mg/m3,满足国家环保要求。     

基于LSSVM-MODE的锅炉效率与NO_x排放优化研究

超临界机组锅炉效率与NOx排放之间存在着互相制约的关系。通过建立最小二乘支持向量机(LSSVM)模型对某超临界600 MW机组锅炉运行数据进行训练,并通过多目标微分进化算法(MODE)对锅炉效率及NOx排放进行寻优,得到了全局优化后参数调整策略。优化结果表明,此模型能很好地兼顾降低NOx排放量和提高锅炉效率的目的,为超临界火力发电机组高效低污染运行调整提供指导。     

基于神经网络的N Ox 燃煤锅炉排放预测及优化

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。     

基于粒子群优化的FCM-SVM算法的锅炉燃煤结渣预测

应用模糊C均值聚类算法(FCM)对影响电站锅炉燃煤结渣特性的指标预处理,并采用基于粒子群算法优化的SVM对电站燃煤锅炉的结渣特性进行建模。将煤的软化温度t2、硅铝比m(Si O2/Al2O3)、碱酸比m(B/A)、硅比G、综合指数R、无因次炉膛实际切圆直径Dw以及无因次炉膛最高温度tw作为模型的输入变量,结渣程度作为输出变量。应用30组数据对模型进行训练,最后,利用建立的模型对9台锅炉的结渣特性进行评判。结果表明:该模型具有较高的预测正确率,能够有效地减少训练过程中的过拟合度,模型本身具有很好地泛化能力。     

300MW燃煤电站锅炉飞灰含碳量和NO_x排放浓度多目标优化

针对电站燃煤锅炉飞灰含碳热损失和氮氧化物排放问题,阐述了灰含碳量和NOx排放浓度的影响因素,并利用改进的支持向量机算法对其燃烧系统进行建模,通过采集某300 MW燃煤电站锅炉的历史运行数据对模型进行了训练和验证。结果表明,该模型具有很高的精度,能够模拟锅炉内复杂的燃烧过程。同时,该模型结合人工智能算法,通过调整参数,可使飞灰含碳量和NOx排放浓度达到最优值。     

基于混沌优化支持向量机的火电厂NO_x排放量预测

在传统支持向量机的基础上,建立了基于混沌优化算法优化的支持向量机预测模型,提高了支持向量机的预测精度。根据1995~2009年的NOx统计数据,对2010年的NOx排放量进行了预测,验证了预测模型的合理性。     

燃煤电站锅炉运行过程中NOx排放的预测方法

燃煤电站锅炉实际运行过程中,在煤质等变化时需对燃烧进行必要的调整以保持锅炉的运行性能和低的NOx排放浓度.运行人员可以根据机组的性能和运行经验对各因素变化及相应调整的影响进行评估,以确定较佳的调整方式和幅度.电厂运行过程中对锅炉NOx排放的预测控制的常用方法,主要包括基于燃烧调整试验的经验方法、基于优化控制的数学模型方...     

基于模拟退火和支持向量机算法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,利用模拟退火算法对支持向量机模型参数进行了优化,获得最优参数组合.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,结果表明此方法合理有效.     

基于最小二乘支持向量机的锅炉氮氧化物排放量预测模型

为了降低氮氧化物排放量,建立了基于最小二成支持向量机的氮氧化物排放量预测模型,并用差分算法优化最小二成支持向量机的参数。为了表明所提算法的有效性,利用BP神经网络、多层感知器(MLP)和偏最小二乘法(PLS)进行对比,试验结果表明该算法具有很好的预测能力和稳定性。     

基于支持向量机的燃煤碳元素分析

研究了燃煤碳元素分析.选取了燃煤的4种工业分析作为模型的输入,建立了基于支持向量机的燃煤碳元素分析模型.通过对模型进行检验,结果表明该方法行之有效,且易于工程实现.     

燃煤锅炉低NO_x燃烧技术及其试验研究

研究了煤燃烧过程中NOx的形成机理,介绍了煤燃烧生成NOx的一般控制方法及空气分级燃烧脱硝原理。通过现场改造进行试验研究,考察了采用空气分级燃烧技术降低燃煤锅炉NOx排放的实际效果及其影响因素。     

基于HGWO-SVM的燃煤电站锅炉受热面积灰预测

针对燃煤电站锅炉受热面以积灰监测模型指导吹灰操作效率低的问题,建立混合灰狼算法(HGWO)优化支持向量机(SVM)的预测模型,实现对省煤器吸热量的实时预测。首先选取与省煤器吸热量高相关性的输入变量,搭建SVM预测模型;其次利用HGWO算法对SVM的核函数参量寻优,并将最优参量赋给SVM模型进行训练,完成对省煤器吸热量的预测;最后将预测结果带入热力学公式计算得到清洁因子,以表征省煤器的积灰程度。以浙江某燃煤电站660 MW锅炉机组为例,将实测数据作为样本进行训练和验证。通过与传统模型预测结果进行对比,该模型训练时间更短,预测精度更高。     

基于主成分和贝叶斯正则化的NO_x排放量的预测

针对电厂燃煤锅炉NOx排放量预测建模中输入因子过多而导致神经网络结构规模过大、泛化能力差的问题,通过主成分分析和贝叶斯正则化的方法对BP神经网络进行改进,优化网络结构,从而提高了泛化能力。以某300 MW机组锅炉热态多工况试验数据为例,改进的神经网络预测方法与传统的神经网络方法相比,泛化能力有显著提高,而且网络的收敛稳定,实际预测效果良好。