2种煤发热量软测量方法对比分析及改进方案

在线计算煤发热量信号能够为锅炉控制优化及燃烧优化提供支持。对比分析了基于能量平衡法和化学平衡法的煤发热量软测量方法,并在某600 MW火电机组上组态实施。结果表明：能量平衡法的计算结果静态精度高但动态性差,而化学平衡法的动态特性好但静态精度低。针对此问题提出一种基于信息融合技术的改进方案,取能量平衡法信号的低频部分和化学平衡法信号的高频部分构造出一个新的煤发热量信号,能够满足现场对静态精度和动态响应速度的要求。     

基于发热量和硫分的燃煤发电成本分析

在燃煤价格高企及电煤价格倒挂等因素影响下,为降低发电成本,燃煤火力发电厂普遍采取扩大燃用煤种范围的燃煤掺烧策略。降低燃煤品质可以实现综合标煤单价下降,提升发电项目的盈利能力。研究了燃煤品质的2个主要参数——发热量和硫分对发电成本的影响,构建了基于发热量和硫分的发电成本模型,可为发电企业燃煤掺烧成本测算提供有益参考。     

燃煤发热量软测量技术及其在超临界机组控制系统中的应用

采用非线性观测器的方法,通过对"广义热值"观测器的数学分析,探索燃煤发热量的软测量技术。在一台660MW超临界机组以12MW/min的变动速率、分5次将负荷从525MW降至245MW、机前压力从24.2MPa滑变到12MPa的工况下,取得了将有功功率偏差控制在5MW以内的效果,实践证明该超临界机组在协调控制系统中融入热值观测器有很好的鲁棒性,表明其能够快速响应自动发电控制(automatic generation control,AGC)大幅度变负荷的要求。     

燃煤发热量测定准确度检验问题

通过对如何应用反标苯甲酸热量及标准煤样来对燃煤发热量测定准确度的检验方法进行分析，指出操作、计算及评判中应注意的问题，并阐述不同检验方法之间的关系。     

基于卡尔曼滤波结合锁相环的OCT谐波测量方法

电力系统稳态电流不仅含有基波分量,还包含谐波分量,测量稳态电流各个分量和提高输出信噪比是光学电流互感器(OCT)信号处理的重要环节。本文介绍了基于法拉第磁光效应的OCT的测量原理,针对其低信噪比的特性和电力系统对谐波测量的要求,从时域的角度提出了一种基于线性卡尔曼滤波结合锁相环技术的谐波电流测量方法。在被测电流信号为基波电流、谐波电流和白噪声的混合信号的情况下,建立了线性的测量模型。在Lab VIEW上进行测量验证,结果表明卡尔曼滤波结合锁相环方法在测量稳态电流各个分量的同时能够有效地提高OCT输出信噪比和测量精度。     

计算燃煤低位发热量的经验公式

通过回归分析得到的经验公式可按工业分析直接计算燃煤收到基低位发热量,其准确性与现有公式基本相同,但使用要简单得多,可用于来煤热值的检测和估算。     

基于燃煤高位发热量下混煤掺烧热效率研究

以印度纳佳2×660 MW超临界机组四角切圆煤粉锅炉为研究对象,对其常用的四种煤种进行了分类和混煤掺烧试验,并基于ASME PTC4-2013燃煤高位发热量为计算基准,测量并计算各种混煤掺烧方案下的锅炉热效率,分析和对比高位发热量下,不同煤种、不同掺配比例对锅炉混煤掺烧热效率的影响。     

基于工业分析预测燃煤电厂煤质发热量方法研究

在2009—2012年期间对山东地区众多燃煤电厂1 898个煤质样本进行了工业分析和发热量的测定,统计水分、灰分、挥发分及固定碳等指标的分布情况,在利用SPSS分析各指标与发热量的相关性基础上,进行逐步回归分析得出了计算规律,找到了一种简单可行的燃煤电厂煤质发热量预测方法。     

基于遗传算法优化参数的支持向量机燃煤发热量预测

利用支持向量回归机(SVR)和遗传算法(GA)对煤的低位发热量建模,采用遗传算法对支持向量机预测模型的各项参数进行寻优,为减少所选参数对训练样本的依赖性,引入交叉验证的思想,以推广能力最好的一组参数作为最终参数.将优化参数代入 SVR 模型,得到基于遗传算法的支持向量回归机(GA-SVR)模型.通过对电厂入炉煤的试验数据进行分析,并且与常规 SVR 模型和 BP 神经网络模型(BP-ANN)进行对比,以验证该模型的可靠性和精确性.结果表明,该方法可准确地预测燃煤发热量.     

燃煤发热量测定中的几个问题

发热量是表示煤质特性的主要指标之一,是计算火力发电厂重要经济指标——标准煤耗的主要依据。目前,全国各大小型火力发电厂一般均可测定燃煤的发热量。由于煤的发热量测定较繁杂,一个试验项目,影响试验结果的因素较多,试验人员单靠熟练地掌握操作方法是不够的,必须对仪器的构造原理和性能,影响测定结果的各种因素要有较全面、较深入的了解。现把我们测定发热量试验工作中所碰到一些问题和我所历年来对直属电厂燃煤发热量校对工作中的点滴经验和体会加以整理,供测定发热量时参考。由于水平所限,特别对一些理论问题,认识肤浅,错误难免,请提出宝贵意见。     

燃煤机组煤质发热量实时计算模型

为解决煤质实时监测困难的问题,需通过测量风量、入炉煤量和氧量信号来构造一种实时的煤质发热量信号。本文通过对国内主要煤种分析数据的统计,首先建立了理论空气量和理论烟气量与煤的发热量之间的线性表达式,然后建立了燃煤发热量的实时计算模型,消除了风量信号的不准确、锅炉漏风以及不完全燃烧等问题;同时,利用某电厂的稳定负荷工况和快速升、降负荷工况进行仿真。结果表明,该计算模型准确性高,计算结果不确定度较小,且计算简便。     

基于特征选择的数据驱动软测量方法

由于测量环境恶劣,分析仪器成本昂贵,测量延迟大,发电机组一些关键参数难以实现在线测量。本文提出一种基于皮尔森相关系数和最小角回归算法相结合的特征选择方法,并以此为基础建立电厂烟气含氧量软测量模型。首先,根据机理分析确定烟气含氧量模型的初始输入变量,使用皮尔森相关系数对多测点数据进行数据融合;然后,使用最小角回归算法对输入变量进行特征选择,引入高斯过程回归(GPR)模型建立了烟气含氧量的软测量模型;最后将该模型用于某超超临界1 000 MW机组实际稳定工况数据进行仿真。结果表明:该模型预测结果与实测值误差较小,模型精度较高;使用该特征选择方法可以有效减少模型二次变量数量,降低模型输入复杂度,提高计算效率,同时可以改善模型的泛化能力,提高软测量的静态准确度。     

基于线性组合的风电机组风速软测量方法

针对风电机组来流风速不易直接测量的现状,文章提出了基于BP神经网络与最小二乘支持向量机线性组合的风电机组风速软测量方法。首先,分析影响风电机组来流风速的各种因素,寻找与其有关联的直接或间接可测变量;其次,对传统的BP神经网络和最小二乘支持向量机风速软测量模型做一些改进,主要是增加输入变量维数;然后根据均方误差最小原则,合理分配权重,建立基于BP神经网络与最小二乘支持向量机的线性组合模型。最后通过现场实测来流风速对组合风速软测量模型的有效性和准确性进行验证,并与传统的BP神经网络和最小二乘支持向量机风速软测量模型输出结果对比分析,得到提出模型具有更高的测量精度。     

基于自适应容积卡尔曼滤波的动态谐波检测

对电网中的谐波进行实时、准确的检测是有效治理谐波的前提。针对某些运行工况下电网中出现的动态谐波,提出了一种基于自适应容积卡尔曼滤波的动态谐波检测算法估计谐波信号的幅值和相角。首先针对传统卡尔曼滤波处理非线性关系上的局限性,利用容积卡尔曼滤波不需要任何线性化关系的特性估计谐波的状态向量和误差偏差矩阵,然后引入噪声估值遗忘因子来实时更新系统的噪声矩阵方程。最后通过对比实验,验证了该算法在动态谐波检测上的优越性能,并将其应用于有源滤波器的谐波检测中。     

基于容积卡尔曼滤波的发电机动态状态估计

同步相量测量单元(phasor measurement unit,PMU)能够对动态过程中同步发电机功角进行直接量测,但随机误差`PMU存在量测误差,从而对应用造成不良后果。提出一种机电暂态过程中发电机动态状态估计新方法。基于发电机四阶动态方程建立了发电机动态状态估计模型;给出了过程噪声误差计算方法;由于动态状态估计模型为非线性,进而提出基于容积卡尔曼滤波(cubature Kalman filter,CKF)的动态状态估计方法,利用球面-径向规则生成Cubature点,通过发电机动态方程对Cubature点进行变换,得到发电机状态量预报值。仿真分析利用某实际大区域电网同时实现了基于CKF和无迹卡尔曼滤波(unscented Kalman filter,UKF)的动态状态估计。对这两种方法的估计性能指标进行对比分析,结果表明CKF法状态估计效果和计算效率均优于UKF法状态估计。     

基于改进BP神经网络的烟气含氧量软测量方法

电站锅炉烟气含氧量的准确测量对锅炉燃烧效率的提高具有重要的意义.针对锅炉燃烧过程中存在的氧量信号测量滞后大和可靠性差,提出采用基于改进BP神经网络的烟气含氧量的软测量方法.实践验证:神经网络的预测值和实测值相吻合,烟气含氧量预测最大绝对误差为0.37,较好地实现了烟气含氧量的预测.     

基于LSSVM的石灰石浆液密度软测量方法研究

石灰石—石膏湿法烟气脱硫技术目前在火电机组中得到广泛使用,其中石灰石浆液再循环箱密度值是脱硫制浆系统的重要的控制参数之一。而目前系统所配置的密度计易受干扰,常发生堵塞、失效等故障,严重影响系统的连续可靠运行。提出了一种基于LSSVM(Least Squares Support Vector Machine)的软测量方法,并利用电厂实际数据对浆液密度进行预测仿真实验,结果表明,所设计的LSSVM软测量方法运算迅速准确、预测精度高,能很好地实现再循环箱浆液密度的实时预测和估计,为浆液密度的在线监测提供数据支持。     

基于TentFWA-GD的RBF神经网络COD在线软测量方法

针对污水处理过程COD难以实时准确测量的问题,提出了基于TentFWA-GD的RBF神经网络软测量方法。为解决现有RBF神经网络用于复杂工业过程软测量建模时存在网络参数难以确定及训练过程易陷入局部极值等问题,进一步提高RBF神经网络模型的预测精度与泛化能力,引入了Tent混沌映射对烟花算法(fireworks algorithm, FWA)进行改进,利用混沌运动的全局遍历性维持FWA的种群多样性并避免算法早熟收敛;将TentFWA算法与GD方法有机融合提出一种改进的RBF神经网络组合训练方法以改善网络的学习能力。将基于TentFWA-GD的RBF神经网络用于构建4个Benchmark函数拟合模型和农村生活污水处理过程COD在线软测量模型。仿真与应用结果表明,相对于其他神经网络模型,该模型具有较低的函数逼近误差和较高的COD预测精度。其中COD软测量模型训练结果的均方误差和平均绝对误差分别为0.18和0.25,测试结果的两种误差分别为0.23和0.36。