最小二乘支持向量机可视化燃烧/排放关联特性的研究

一种基于光学原理的燃烧火焰/温度场测量装置,用以获得实时的炉内燃烧信息,以便实施洁净煤燃烧技术。文中以可视化火焰检测系统对电站锅炉燃烧火焰和温度场进行监测的研究。通过测量,得到了数值化的火焰/温度场信息,对燃烧火焰的图像进行了分析,提取了不同单色波波长下的火焰图像的平均灰度、方差、熵、火焰丰度、能量、最高灰度等特征量,计算得到了温度分布。为了建立锅炉排放与火焰参数及燃烧温度的关系,利用最小二乘支持向量机原理,以火焰参数为主要判据,将得到的表征燃烧的特征量作为最小二乘支持向量机的输入,对NOx排放量进行了预估。结果表明,估计值与实测值具有一致性。     

基于Krawtchouk矩和支持向量机的火焰状态识别

监测炉膛火焰燃烧状态对防止锅炉爆管起着重要作用。为了进一步提高火焰图像特征提取的准确度和燃烧状态的识别率,文中将Krawtchouk矩引入火焰特征提取,提出了一种将Krawtchouk矩不变量与小波支持向量机相结合的火焰燃烧状态识别方法。首先计算火焰图像的Krawtchouk矩及Krawtchouk矩不变量,以此构造火焰图像的特征向量;然后根据训练样本的特征向量构造支持向量机,对火焰图像进行状态识别,并采用混沌小生境粒子群算法优化支持向量机中的核函数参数与惩罚因子,使其识别性能最优。大量实验结果表明:与基于Hu矩和支持向量机的方法、基于Zernike矩和支持向量机的方法相比,采用Krawtchouk矩不变量作为火焰图像的特征能更好地对火焰图像燃烧状态进行识别,识别率大大提高,且结果与实际情况相符。     

甲烷对冲扩散火焰NOx生成动力学特性研究

根据NOx化学基元反应机理,通过化学动力学方法研究了甲烷燃烧不同工况下NOx的生成特性,分析影响NOx生成的主要因素。研究结果表明:甲烷对冲火焰基元反应机理GRI-Mech2.11对NO浓度预测值比GRI-Mech3.0更接近实际试验值;燃烧速度梯度增加,甲烷燃烧着火提前,NO的排放浓度降低较多;燃烧当量比减少,燃烧高温区域增加,NO的排放浓度基本没有变化;采用高温空气燃烧技术时,降低高温空气中的氧量可以有效降低NOx的排放。     

基于灰度熵多阈值分割和SVM的火焰图像状态识别

为了进一步提高锅炉燃烧火焰图像状态识别的性能,提出了一种基于灰度熵多阈值分割和支持向量机(supportvector machine,SVM)的火焰图像状态识别方法。对火焰图像进行基于灰度熵准则的多阈值分割,采用改进粒子群优化算法选取最优多阈值,由此快速准确地分割出火焰图像中的背景区域、有效燃烧区域及高温燃烧区域;然后,提取火焰图像的10个特征参数,以此作为训练样本训练支持向量机,最后采用支持向量机依据提取的特征对火焰图像进行分类,并通过上述改进粒子群优化算法优化支持向量机中的2个参数。实验结果表明,提出的方法分割结果正确,与采用将图像像素作为训练样本的方法相比,该方法的分类识别正确率更高,运行速度大大加快。     

W火焰锅炉低NOχ燃烧与SNCR联合应用研究

针对W火焰锅炉的高NOχ排放与单一采用低NOx燃烧技术很难使之达到环保标准的矛盾,提出了低NOχ燃烧与SNCR技术联合应用方案.用国外先进商业软件CFX-TASCFLOW对某电厂300 MW机组W火焰锅炉采用低NOχ燃烧与SNCR技术联合应用进行了数值模拟,重点对不同优化燃烧模式下适合于SNCR温度窗口的关键技术参数进行了准确的计算分析.通过模拟可对选择适合于与SNCR联合应用的低NOχ燃烧方式,以及在合适的低NOχ技术下选择合理的温度窗口位置加设SNCR,保证联合应用技术的有效性提供指导.     

基于火焰光谱和特征工程的生物质燃料识别

火焰光谱包含了丰富的燃烧信息,火焰自由基的光谱特征对不同生物质燃料识别具有重要影响。文中通过生物质燃烧火焰和火焰自由基光谱特征的测量,结合特征工程,提出一种基于改进支持向量机的生物质燃料识别技术。该技术通过光纤光谱仪获得生物质火焰辐射强度和火焰自由基(OH*(310.85nm),CN*(390.00nm),CH*(430.57nm)和C_2*(515.23nm、545.59nm))辐射强度信号,通过特征提取、基于Filter的特征选择和基于字典学习的特征学习,构建特征工程,获得能够准确反应样本类别的特征,并结合改进的网格搜索算法优化支持向量机的径向基核参数γ和误差惩罚因子C,建立生物质燃料识别模型。在燃烧试验炉上的实验结果验证了该模型的有效性。     

基于遗传算法和支持向量机的低NOx燃烧优化

大型四角切圆电站锅炉NOx排放是造成环境污染的重要因素，也是电厂关心的重要问题。影响燃煤锅炉NOx排放量的因素众多而且复杂。对锅炉NOx排放特性进行建模预测，并结合优化算法实现燃烧优化是降低锅炉NOx排放的有效方法。文中应用支持向量机算法建立了大型四角切圆燃烧锅炉NOx排放特性模型，接合遗传算法，利用NOx排放的热态实炉试验数据对模型进行了校验，对锅炉运行参数进行了优化。结果表明，通过遗传算法的寻优， NOx排放量有比较明显的降低。支持向量机与遗传算法相结合与其它方法相比具有泛化能力好，计算速度快等优点，是锅炉NOx排放控制的有效工具。     

PCA和SVM在火焰监测中的应用研究

通过对火焰图像进行分析,提取火焰亮度、火焰面积、质心偏移距离和圆形度等7个特征量.然后基于主元分析技术,提出一种对燃烧火焰稳定性进行监视和诊断的方法,采用Hotelling T2和Q两个统计量对每一时刻的图像数据向量进行监测,检验是否超过各自的控制限,只要这两个统计量之一越限,则可判定燃烧出现异常.实验结果表明:该方法能够在线实时地、有效地识别、判断火焰的燃烧状态,并且将结果以Q图、Hotelling T2图和主元图的形式直观地表示出来;该文同时应用支持向量机方法分别对特征向量和原始图像数据进行识别分类,结果表明基于主元分析原理和支持向量机方法所得到的结果是一致的.     

O2/N2和O2/CO2氛围下丙烷层流扩散火焰中碳烟生成数值模拟

富氧燃烧因其在强化燃烧和减少污染物排放方面的优势,被认为是一种极具潜力的清洁燃烧和碳捕集技术。基于有限速率化学反应模型,采用GRI-Mech3.0气相反应机理结合详细的热力学及输运数据,数值研究了2种富氧条件下丙烷同向流动扩散火焰中碳烟的生成,构建非反应性物质FCO2,探究了CO2化学效应对丙烷火焰碳烟生成的影响。结果表明:随着氧体积分数的增加,火焰温度和碳烟体积分数显著增加,火焰高度显著降低,但与O2/N2相比,O2/CO2氛围下火焰温度和碳烟体积分数显著降低,火焰高度显著增加;O2/CO2氛围下通过CO2热效应和化学效应影响火焰形态并降低关键组分H、OH自由基和C2H2的摩尔分数,CO2主要通过降低H自由基摩尔分数从而影响碳烟质量成核率和表面生长速率,而不是通过促进碳烟氧化过程来抑制碳烟的生成。     

基于深度卷积神经网络和支持向量机的NOx浓度预测

NO_x浓度的准确预测对于燃烧优化控制至关重要,有利于提高能源利用效率和减少环境污染。提出了一种基于深度卷积神经网络(deep convolution neural network,DCNN)和支持向量机(support vector machine,SVM)的NO_x浓度预测方法。该方法首先利用DCNN对火焰图像的深层特征进行提取,然后采用支持向量机对所提取到的深层特征进行分析,从而实现NO_x浓度预测。通过采集4.2MW重油燃烧锅炉不同燃烧工况下的火焰图像与NO_x浓度,对所提出的预测方法的有效性进行测试。试验结果表明,在不同燃烧工况下,DCNN-SVM的均方根误差为1.58mg/m~3,低于基于静态物理特征的预测模型(7.96mg/m~3)。表明DCNN-SVM具有较高的预测精度,不仅克服了静态物理特征表达能力的不足,而且摆脱了繁琐的特征设计过程。     

基于最小二乘支持向量机的电站锅炉燃烧优化

高效、低污染是电站锅炉燃烧优化的目标。该文基于最小二乘支持向量机,建立了电站锅炉燃烧模型,实现了飞灰含碳量、排烟温度、NOx排放量等参数的软测量和锅炉效率的预测;对比了最小二乘支持向量机和BP神经网络模型的性能,对比结果表明,最小二乘支持向量机具有训练时间短、泛化能力高等优点。提出2种锅炉燃烧优化方式,并以所建立的燃烧模型为基础,采用遗传算法对锅炉运行工况进行寻优,为分散控制系统基础控制层提供最佳的操作变量设定值。算例表明,文中所提出的燃烧优化方案可以有效提高电站锅炉效率和降低NOx排放量。     

同向和反向合成气旋流扩散燃烧研究

针对同向和反向合成气旋流扩散火焰燃烧开展研究,测量了燃烧中间产物OH自由基浓度、火焰温度及污染物的排放。实验结果表明,燃烧的稳定性受旋流产生的回流区和扩散混合两方面的因素控制,加强回流有利于燃烧稳定,加强混合也有利于燃烧稳定。燃料和空气同向旋流和反向旋流相比,总回流量较大,能够向回流区卷吸更多的活性自由基OH和热量,从而有利于燃烧稳定。当燃料和空气的旋流数比较小时,混合对燃烧的稳定性也会产生重要影响,空气和燃料的反向旋流由于混合较为强烈从而稳定性比空气和燃料同向旋流时要好。尽管NOx排放受混合的影响,但针对文中的实验,主要是热力型机理对NOx的排放起作用。在CO排放中,较低功率下由于温度较低导致CO排放指数较高,实验中当功率大于34 kW时,温度较高,CO排放接近于零。     

烧嘴结构对平焰燃烧火焰特性与NO生成特性的影响

平焰燃烧火焰温度较高,燃烧过程中会产生大量的NO。检测不同烧嘴结构下平焰燃烧的火焰温度和NO浓度分布,分析了不同燃气管插入深度h下平展流火焰燃烧特性和NO生成特性。结果表明:减少h可以使燃烧区域扩大,从而降低火焰局部高温区温度,减少火焰面中NO浓度。     

基于改进生成对抗网络pix2pix的火电厂NO_(x)排放预测EI北大核心CSCD

火电厂燃烧产生NO_(x)会污染大气环境,设计精确高效的NOx实时软测量方案对于节能减排至关重要。该文提出一种基于pix2pix的NO_(x)排放预测模型。采用互信息对影响NOx生成的主要变量进行重要性排序并选择相关特征变量,构建基于pix2pix生成对抗网络模型,通过生成器和判别器的博弈训练优化参数。基于某660MW燃煤机组的运行参数进行仿真验证,并与基于长短期记忆网络、反向传播神经网络和最小二乘支持向量机的典型NO_(x)预测模型进行对比,结果表明所提方法可有效解决数据维度增加带来的预测困难,具有较高的预测精度和较小误差。     

锅炉排烟对大气的污染及治理(续1981年第3期)

(四)氮氧化物NOx NOx的生成在炉内燃烧过程中,有90—95％生成NO,其余为NO_2,统称NOx。由于NO排到大气中进一步氧化生成NO_2,故一般均以NO_2来作为计量NOx的标准。按NOx在燃烧过程中生成的机理不同,可分为由燃烧空气中的N_2在高温火焰中与O_2生成的热力NOx,和燃料中的氮化合物在较低温度下转化生成的燃料NOx两种。 (1)热力NOx的生成高温火焰中的N_2与O_2的反应: O_2+M(?)O+O+M……(1) N_2+O(?)NO+N(温度>1538°C时为分支链锁反应)……(2) O_2+N(?)NO+O[温度>816°C即可加速进行]     

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.     

基于遗传支持向量机算法的燃烧状态诊断

针对支持向量机中的参数通常用交叉验证来确定的状况,提出了遗传支持向量机算法,即使用遗传算法来优化支持向量机中的参数并应用在基于火焰图像特征参数的锅炉燃烧状态诊断中.从火焰图像中提取的5个特征量作为支持向量机的输入,3种燃烧状态作为输出,选用径向基核函数,使用遗传算法得到优化参数.实验结果表明,该方法能在较大范围内准确地...     

常规大容量煤粉锅炉炉内通过燃烧控制降低NOx的主要措施探讨

从NOx生成的机理出发,提出国内电厂降低NOx应从快速着火,高温燃烧,煤粉和空气适时混合,在火焰内完成NOx的出发。指出了国内电厂大容量煤粉锅炉降低NOx的有效措施。同时定量分析了几种因素对NOx排放的影响。     

变尺度混沌蚁群算法在NOx排放优化中的应用

为了控制燃煤电厂NOx排放,应用支持向量回归建立了大型四角切圆燃烧电站锅炉NOx 排放特性模型。利用大样本量的热态实炉NOx 排放试验数据对模型进行了训练和验证,结合NOx排放模型采用一种变尺度混沌蚁群算法对锅炉运行参数进行优化, 定量分析优化算法参数对优化结果的影响。计算结果表明,相对于BP神经网络,支持向量回归模型能更好地预测锅炉NOx排放;变尺度混沌蚁群算法能明显降低NOx排放,且具有较高的稳定性与鲁棒性,1.8 min的优化时间也便于在线应用;支持向量回归与变尺度蚁群混合算法能有效降低燃煤锅炉NOx排放,是锅炉NOx排放控制的有效工具。     

声场作用下甲烷部分预混火焰不同当量比和流速对NOx生成的影响

采用Rijke型脉动燃烧试验台,利用火焰直拍图像、NOx采集系统,对声场作用下甲烷部分预混火焰在不同当量比和流速下的NOx生成特性进行了比较和分析.结果表明,随着当量比的增大,在3.3～4处NO排放因子(NOemissionindex,EINO)出现拐点φEI,当量比小于φEI时,EINO随当量比的增大而先增后减;当量比大于φEI时,EINO随当量比的增大而增大.当量比在2～4时,混合气流速对EINO的影响较小;当量比大于4时,EINO随着流速的增加而增加,但相对于稳态燃烧,EINO随流速增加的速率明显减小,原因在于,流速的增大致使火焰长度增加,燃料在高温区域停留时间变大,而相对于稳态火焰,脉动声场的作用使火焰长度变短.