电站锅炉对流受热面积灰状态的在线监测

为提高电站锅炉运行经济性状和安全性，提出一种基于热力学模型的电站锅炉对流受热面积灰状态实时监测方法，并利用其监测结果对吹灰系统进行优化。根据这一方法开发的实时监测系统已在太原第一热电厂11号炉应用并获得成功。该监测方法具有简单、运行可靠、初投资少等优点，开发的软件具有良好的用户界面。     

电站锅炉对流受热面积灰对系统的影响

以太原第一热电厂11号炉为对象，分析对流受热面积灰对一级过热器的影响以及对过热蒸汽吸热量和再热蒸汽吸热量分配比例的影响，提出了以受热面吸热量比例作为灰污特征参数或辅助特征参数，为进一步改进积灰监测模型提供依据。     

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。     

燃煤电站锅炉受热面积灰结渣在线监测的研究

针对在线监测电站锅炉受热面积灰结渣的需要,建立了炉膛、对流受热面等主要受热面的污染监测模型。以某300 MW机组的1025 t/h锅炉为监测对象,开发了受热面积灰结渣在线监测系统,成功实现了锅炉受热面污染的在线监测。     

基于模糊神经网络的锅炉受热面积灰监测

该文利用模糊神经网络，实现了对锅炉受热面积灰状态的实时监测。与常规方法相比，模糊神经网络的推理过程透明直观，容易理解，可以实现推理过程的自解释，实际上起到一个附加的运行咨询系统的作用。     

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.     

锅炉受热面积灰结渣判别方法的应用分析

论述锅炉积灰、结渣判别方法，其中单因素判别指标包括煤灰的物理、成分特性；综合判别方法讨论模糊综合判别和基于模糊神经网络的判别，从应用情况看，对受热面的积灰、结渣情况的判别还有待于进一步提高。     

余热锅炉受热面积灰问题的分析和探讨

针对燃气－蒸汽联合循环发电机组的余热锅炉受热面积灰的情况，对不同灰垢形成的机理进行分析，探讨积灰对余热锅炉运行安全性、经济性的影响，提出防止积灰的措施和对策。     

基于支持向量机的电站锅炉煤灰熔点预测

为解决结渣问题对电站锅炉高效稳定运行的影响,探讨了一种煤灰熔点预测模型。首先分析锅炉混煤燃烧时的煤灰结渣特性,介绍了支持向量机(support vector machine,SVM)回归方法,将煤灰中的8种氧化物成分作为输入量,以煤灰熔点作为输出量,建立煤灰熔点的SVM回归预测模型,并采用遗传算法对模型参数进行寻优。经过仿真实验,将模型的预测结果与广义回归神经网络模型的预测结果进行比较,结果表明本预测模型预测精度高、泛化能力强,有助解决电站锅炉的动力配煤技术中的结渣问题。     

支持向量机回归算法在锅炉燃烧系统建模中的应用研究

针对高维非线性系统,分析了基于支持向量机网络的建模能力,并将增量回归支持向量机算法应用于锅炉燃烧过程建模,根据现场采集的数据进行支持向量机网络建模和泛化能力实验.理论分析和实验结果表明网络具有良好的辨识精度和泛化能力.     

电站锅炉受热面灰污沉积模型

根据锅炉烟道内颗粒沉积的实际状况,基于沉积体的散体力学性能和凹凸表面特征,研究了颗粒与沉积体之间的惯性碰撞沉积机制。通过分析颗粒与沉积散体间的倾斜碰撞沉积特征,分别建立了切向和法向沉积子模型,提出临界黏附角和临界反弹速度准则。以铜粒子碰撞沉积体为对象进行算例分析,模型预测与实验结果基本一致。采用该模型对某电厂省煤器换热管积灰过程进行计算流体力学(computation fluid dynamics,CFD)模拟仿真,仿真结果验证了此沉积模型的有效性,该模型能准确反映换热管的实际积灰分布特征。     

燃煤锅炉对流受热面污染沉积对传热熵产的影响

火电站燃煤锅炉运行中受热面污染沉积使传热过程不可逆程度增大,熵产增加,能量品质下降。文中建立了锅炉对流受热面传热熵产计算模型,并针对一台大型电站锅炉,结合现场采集的实时运行数据,利用建立的熵产模型计算了各对流受热面在不同污染状态下(吹灰操作前后)的传热熵产,分析了不同受热面污染对熵产的影响规律。计算与分析表明,对于所计算的锅炉,与其他受热面相比,吹灰操作对降低省煤器和低温过热器传热熵产的效果最为显著。     

锅炉灰污染损失数学模型

电站燃煤锅炉运行中,灰污染使得传热热阻变大,导致排烟热损失增加,锅炉效率降低。由灰污染引起的实际运行状态与无灰污染状态时的锅炉效率偏差即为灰污染损失。文中建立了灰污染损失的计算模型,包括排烟温度偏差和传热量偏差2个子模型,介绍了建模原理和方法,并对模型的正确性进行了初步验证。所建模型基于能量守恒和换热过程一般原理,建模和偏差分析过程均不涉及任何线性化的数学处理,因而保证了模型计算结果与真实值的一致性。     

电站锅炉尾部受热面综合优化设计

在详细分析传统电站锅炉尾部受热面和常规低温省煤器布置方案的基础上,提出一种新型电站锅炉尾部受热面优化布置方案:把空气预热器分级布置,在分隔烟道内布置省煤器和高温空气预热器,在主烟道内,布置两级空气预热器,在两级空气预热器之间加装低温省煤器。结合某典型1 000 MW机组的电站锅炉,分析了新型电站锅炉尾部受热面优化布置方案的传热特性和节能效果。对案例电站在新型受热面优化布置方案下产生的经济效益进行了阐述。     

基于支持向量机与遗传算法的灰熔点预测

为了提高估算煤灰熔点的精度，文中采用支持向量机算法对求解灰熔点问题进行了建模，并利用遗传算法对支持向量机模型的参数进行了优化，获得了最优的模型参数。支持向量机模型将灰成分作为输入量，煤的灰熔点Tst作为输出量，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单煤和混煤灰熔点进行了预测，并将预测结果与实验结果进行了对比，结果表明，优化后的支持向量机模型实现了对单煤和混煤灰熔点较精确的预测。支持向量机可用于小样本问题的学习，计算速度快，提高了实时处理与预测能力。     

液态排渣锅炉炉膛积灰分析及解决措施

针对福建永安火电厂3号锅炉运行中出现的炉膛积灰情况进行了分析,发现其主要原因是在炉内空气动力场产生局部弱风区,使液态渣降温凝固。采取了提高空气温度、减少漏风等措施,消除了不安全隐患,保证了液态排渣锅炉的安全、经济运行。