基于正反平衡校验的入炉煤质在线监测

提出了一种入炉煤质在线监测模型。该模型基于前人提出的"煤质数据库"这一创新构想,结合锅炉效率正、反平衡计算模型,采用计算机中循环寻优这一科学手段,考虑了不同煤质成分所占权重相异的客观事实,利用DELPHI软件平台,最终实现了入炉煤质在线监测。该技术可作为入炉煤质快速分析的工具,进而有助于锅炉优化运行。该技术在300 MW机组上得到了成功的应用,测试结果表明,收到基碳的相对误差在-3.23%~+2.32%。     

基于遗传神经网络的锅炉入炉煤质软测量研究

基于软测量的非机理建模原理,利用遗传算法结合人工神经网络建立了煤质在线软测量模型.确定了 BP 网络与遗传算法(GA)两者结合的建模方式.分析了原煤从进入制粉系统到完全燃烧及排出的整个过程,得到 BP 网络模型的输入和输出节点参数集;通过对权参数初值进行实数编码,设计了基于实数编码的GA-BP 算法流程,并在Visual Studio2005 开发平台上进行了 GA-BP 算法程序编制及其调试.使用山西某电厂的 200 MW 机组实时运行数据进行模型训练和检测,结果表明煤质软测量模型可以较为准确地预测煤质参数.     

电站锅炉入炉煤质实时监测系统在石横发电厂的应用

阐述了电站锅炉入炉煤质实时监测系统的硬件、软件结构及其工作原理。在石横发电厂的现场应用结果表明，该系统能够较为准确地实时测定入炉煤质，测量精度满足现场的需要，节能效果明显，可有效地提高机组运行的安全性与经济性。     

锅炉入炉煤质检测数据正态性分析

锅炉掺烧不同品种的煤使炉前煤质检测数据不能准确表征原始掺配煤种的变化,并引起炉前采样样品收到基低位发热量波动增大,给运行调整和常规煤耗检测带来困难。本文对6个电厂17台锅炉入炉煤发热量的日常检测数据进行了正态性检验,发现在掺配煤的种类和数量稳定,且掺配方案不变的情况下,炉前煤质混合样品发热量数据呈正态分布,发热量数据从正态分布向非正态分布的转变通常意味着掺配方案或原始煤种的变化,据此可实现对原始掺配煤种或掺配方案变化的识别。此外,炉前混煤样品发热量均值和标准差是机组供电煤耗不确定度分析的基础,据此可定量分析发热量分散性对供电煤耗的影响。     

锅炉运行中监测煤质可行性研究

中文介绍了国内外煤质在线监测的仪器性能及其使用情况,分析研究了实施锅炉运行中监测煤质的可行性,提出了在山东电网分项目及分阶段实施的方案要点。文中特别较详细地论述了由作者提出的煤中挥发分快速测定的方法设想与实施的可行性。     

发电厂入炉煤质变化经济性分析

依据规程对670 t/h锅炉及1025 t/h锅炉系统运行状况进行调查,对锅炉本体、辅机能耗、煤耗进行测试分析,以评价不同煤质情况下设备、系统主要技术经济指标,定性、定量分析煤种变化对系统安全、稳定运行及其能耗的影响;认为提高机组经济性潜力较大,并提出改进建议。     

基于PCA-SSA-LSTM的余热锅炉状态监测模型

为了实现对余热锅炉的状态监测,保证余热锅炉的健康运行,使用余热锅炉健康运行时的数据并结合主成分分析（PCA）、麻雀搜索算法（SSA）、长短期记忆网络（LSTM）3种方法建立余热锅炉三压力级主蒸汽温度和压力预测模型。使用PCA将模型输入参数从22维降到9维,并以再热蒸汽温度预测模型为例进行分析,发现经PCA降维的模型与未经PCA降维的模型相比缩减了11.3%的超参数寻优时间。使用SSA对LSTM超参数寻优之后分别建立6个主蒸汽温度、压力预测模型,与未使用SSA的模型相比,这些模型的决定系数有了显著的提升,平均绝对误差与均方根误差有了显著的下降。因此基于PCA-SSALSTM的余热锅炉状态监测模型训练时间短,预测精度高,同时该模型给燃气轮机联合循环电厂余热锅炉的故障监测与诊断提供了理论依据和技术支持。     

锅炉热效率试验中的煤质元素分析计算模型

煤的元素分析数据是燃煤电厂锅炉热效率计算不可缺少的原始数据.通过总结前人对煤中各成分相互关系的研究,建立了煤质元素分析计算模型.利用此模型计算元素分析数据,只需知道相关煤质化验数据和试验测试数据,对锅炉效率的计算误差<1%,可完全满足锅炉效率试验的要求.     

基于支持向量机的锅炉煤质预测模型

通过基于统计学习理论的支持向量机建模和机理性的分析及推导,给出了2种不同的电厂锅炉煤质预测模型,并结合现场试验数据,给出2种方法不同的预测结果及评价.验证了支持向量机建模对于火力发电厂煤质监测具有较高的应用价值.     

基于静电法联合长短时记忆神经网络的入炉煤质辨识方法

燃煤机组每台磨煤机的实时入炉煤质对锅炉的燃烧优化调整具有重要意义,但传统煤质检测程序繁琐,且存在检测数据滞后的情况。因此,提出一种基于静电法联合长短时记忆（LSTM）神经网络的入炉煤质辨识方法。根据不同煤粉传输过程中存在静电变化的特性,安装静电传感器检测不同煤粉通过管道时的静电信号强度,结合风煤比、煤粉流速、磨煤机出口温度等影响参数,并结合现场数据分析参数相关性与迟延性,构建煤质辨识LSTM神经网络模型。以某600 MW机组锅炉实测数据为例,经参数寻优后采用LSTM神经网络模型辨识煤质准确率达到86.84%,对4种煤质分类结果的评估指标AUC值均在0.9以上,并与其他机器学习模型进行对比实验,结果表明LSTM神经网络模型具有更高的辨识精度,验证了该方法的可行性和准确性。     

锅炉入炉煤干燥方式讨论

从入炉煤水份对制粉系统和锅炉燃烧的影响入手,讨论入炉煤干燥的方式方法,重点讨论了入炉煤干燥系统的工质,加热器设计,运行方式以及有关的计算。     

锅炉排烟脱NO_X

烟气脱NOx是日本首先开发成功和应用的新技术。日本电力系统的发电厂,自1977年开始到现在已有111台锅炉安装了烟气脱NOx装置。我们参观的八个发电厂中,有六个发电厂9台锅炉安装了排烟脱NOx装置,运行都很正常。最早运行的是下关发电厂,于1981年3月投入运行。     

锅炉排烟热量的利用

为了更多地利用锅炉内排出炉烟的热量,扩大烟道增设新的受热面是不可能的,但是采用取消烟道挡板和移开吹灰装置的梳状板的方法,可在不变更锅炉外廓尺寸的情况下,在空     

50MW机组燃煤锅炉排烟监测及环保措施

论述了古晋电厂５０ Ｍ Ｗ 燃煤机组锅炉排烟中 Ｎ Ｏｘ 、 Ｓ Ｏ２ 及烟尘的测量过程,并分析了降低相应污染物措施的实际效果     

基于功煤系数的锅炉入炉煤量实时预测模型

锅炉入炉煤的投入量均按照电厂设计煤种进行计算,而电厂燃煤煤种较杂、煤热值波动较大,使得控制锅炉入炉煤量的准确性成为难题。对此,本文采用功煤系数法,依据组合预测模型与方差倒数理论建立了入炉煤量的预测模型,求取待预测时刻前1h功煤系数对当前时刻(待预测时刻)功煤系数的最优权重,实现了对当前时刻功煤系数以及入炉煤煤量的预测,并利用该预测模型对某660MW机组锅炉入炉煤量进行预测。结果表明,用实时入炉煤量的预测值作为实际给煤量,其平均准确度可达到97%以上,表明本文提出的基于功煤系数的入炉煤量预测模型具有较好的应用价值。     

火电厂入炉煤煤质化验数据实时校正方法研究

针对入炉煤煤质化验数据不及时的问题,提出一种对火电厂入炉煤煤质化验数据进行实时校正计算的新方法。该方法根据制粉系统输入、输出热量平衡原理计算入炉煤收到基水分,基于锅炉系统的输入、输出能量平衡考虑基灰分变化对基低位热值的影响,通过反复迭代求取基灰分、基低位热值和锅炉效率,从而实现煤质指标的实时校正。所提新方法基于煤质化验数据和锅炉系统的实时运行数据即可进行煤质指标的校正,应用于直吹式制粉系统取得了较好的效果,提高了煤耗监测数据的准确性。     

锅炉漏风对排烟温度及排烟损失的影响

对炉膛和烟道漏风对排烟温度及排烟损失的影响进行了分析和研究。结果表明,锅炉漏风使排烟损失增加,漏风位置越靠近炉膛(包括炉膛),排烟损失越大,反之亦然;当锅炉烟风系统的漏风系数为0.1时,引起的排烟损失增加0.2%以上,使机组供电煤耗增加0.6~2.0(g/kW.h)。在锅炉运行中,应尽量控制系统漏风,以提高机组的运行经济性。     

基于实时入炉煤质数据的在线掺烧优化系统在火电厂的应用

为解决传统配煤掺烧过程中煤质数据滞后、配煤结果不准、无法获取锅炉实时燃煤数据的难题,研究利用皮带式入炉煤煤流全元素实时分析设备,实时获取皮带煤流煤质数据,并与配煤设备、在线掺烧优化软件相结合,形成在线掺烧优化系统。该系统通过实时采集入炉皮带煤流煤质数据,反馈调整煤场配煤煤种及比例,实现精准配煤,计算实时锅炉运行经济指标,并可采集锅炉运行数据,实时优化锅炉运行氧量、风门开度等关键控制参数。通过本系统的应用,可帮助电厂燃用更多标煤单价较低的经济煤种,并通过实时燃烧优化调整使锅炉运转保持在最佳状态,从而使电厂获得可观的收益。     

越南Cam 6A煤质成分变化对锅炉热效率影响的分析

以600MW电站锅炉为模型,利用热损失法(ASME PTC4.1)计算燃用设计煤和5种实测煤(Cam 6A煤)时锅炉的各项热损失,分析得出各项热损失对锅炉热效率的影响情况.分析煤质中各成分变化对各项热损失的影响关系,对比设计煤与实测煤的锅炉各项热损失情况,对燃烧锅炉设计和调试运行提供指导意见.