锅炉烟气含氧量预测混合模型及应用

影响锅炉烟气含氧量的因素多而复杂,根据某电站锅炉特点选取煤种参数、煤量、风量、蒸汽流量、排烟温度、燃烧器摆角等15个影响燃烧的参数作为烟气含氧量的预测参数,将偏最小二乘回归与神经网络相耦合,利用偏最小二乘回归对数据提取主成分,建立了烟气含氧量预测混合模型。利用此模型进行了参数影响烟气含氧量的分析,并针对最优的风量、低位发热量这两个参数提出了锅炉运行优化目标值。     

基于数据融合的烟气含氧量软测量技术综述

软测量技术在过程控制领域中有重要的应用,对于关键的且难于检测的过程变量,研究如何对其建立软测量模型有着重要的意义.将数据融合技术应用到软测量的数据处理上,有效提高了软测量预测值可靠性和准确性.锅炉烟气含氧量是计算锅炉过量空气系数的关键参数.在实际生产过程中,用于测量此参数的氧化锆传感器可靠性不佳.针对这一问题,关于烟气含氧量的软测量建模研究硕果连连.在参考大量相关文献的基础上,对其研究现状及发展前景做了简单的归纳.然而糖厂锅炉有其自身的特殊性,其燃料有蔗渣和煤两种,而蔗渣燃烧时,过量空气系数通过CO2的检测更为简单,这就对软测量建模提出了新的要求.     

基于LS_SVM和单纯形的烟气含氧量软测量

烟气含氧量是影响火电厂燃烧经济性的一个重要因素。由于受到多个因素的影响,导致了火电厂烟气含氧量测量存在一定的困难性。软测量模型是以容易测得的二次变量为基础,利用二次变量和难测得的待测过程变量之间的数学关系,对待测过程变量进行测量而建立的模型。本研究选用合适的二次变量,提出了基于最小二乘支持向量机的火电厂烟气含氧量软测量模型。并把单纯形寻优算法应用在最小二乘支持向量机的两个必需确定的参数优化问题中,结合现场数据对模型进行预测检验。仿真结果表明,该方法能够比较准确地对火电厂烟气含氧量进行测量,对于实现火电厂经济燃烧有着重大的意义。     

一种改进烟气含氧量软测量建模方法与仿真

针对锅炉尾部烟气含氧量对提高锅炉燃烧效率的重要性,通过机理分析方法建立氧量软测量模型,并对该模型进行以下改进:使用历史数据拟合算法对炉膛总风量进行修正;使用幅值限制滤波器对热量信号中的汽包压力进行滤波以改善氧量软测量过程的动态响应;通过数据挖掘方法确定单位热量所消耗的标准状态下的最佳过量空气系数.利用某电厂历史数据进行仿真,根据方差、相关系数和最大偏差指标,证明了改进氧量软测量模型的有效性.     

基于LSTM的烟气NOx浓度动态软测量模型

针对SCR系统出口NO_x浓度测量准确性较差、CEMS测量存在较大延迟且吹扫过程中无法测量NO_x浓度的问题,依托某660 MW机组的实际运行数据,建立基于长短期记忆神经网络(LSTM)的烟囱入口NO_x浓度软测量模型。为了验证其对烟囱入口NO_x浓度的预测性能,将所建LSTM模型与RNN模型、BPNN模型和KPLS 3种模型进行对比分析。研究表明:LSTM模型的预测均方根误差为1.34 mg/m~3,平均相对误差为3.51%,模型预测精度优于其他3种模型;LSTM模型的泛化能力较强,数据动态跟踪效果好,具有较高的预测稳定性。     

梭式窑烟气氧含量软测量技术的研究

烟气氧含量是实现窑炉气氛控制和降低能耗的一个重要参数。提出了一种梭式窑烟气氧含量的软测量方法,利用人工神经网络来逼近窑炉状态参数与烟气氧含量之间的关系,并采用模糊聚类算法处理训练数据．提高了网络对梭式窑系统的逼近能力．提供了梭式窑烟气氧含量检测的又一途径。     

基于神经网络的游梁式抽油机示功图软测量研究

游梁式抽油机示功图是悬点载荷和悬点位移的关系图,示功图可以诊断油井的工作状况。至今没有一种有效方法实时测量示功图,主要原因是载荷传感器容易老化及使用寿命短。针对游梁式抽油机的示功图实时测量难问题,总结了现有的示功图间接测量方法后,提出了基于神经网络的示功图软测量方法。该方法的核心是实时测量游梁式抽油机的相关物理量,如电机功率、游梁摆动角度,利用神经网络的非线性逼近功能,预测抽油机悬点载荷。通过数据通信手段,把相关的现场数据传到数据中心,数据中心的示功图测量单元由神经网络预测抽油机悬点载荷,加上悬点位移,得到抽油机示功图。实验仿真表明基于神经网络的示功图软测量方法是可行的,有推广应用价值。     

基于LS_SVM的气液两相流含气率软测量

采用多圈环形管用于气液两相流参数的测量,对环形管上升段水平方向内外侧差压波动信号进行了分析,采用无因次分析方法获得与差压波动信号均方根相关的特征量,得到了此特征量与容积含气率的关系模型,并在此基础上进行了实验.利用支持向量机优良的非线性映射和强大的泛化能力,建立了一个基于最小二乘法支持向量机的含气率软测量模型,给出了相应的系统结构和算法,针对LS-SVM方法参数选取困难的特点,采用遗传算法进行优化,以提高软测量的精度.仿真和实际运行结果表明,基于LS-SVM的气液两相流含气率软测量模型具有较高的估算精度与泛化能力,为气液两相流舍气率的测量提供了一种简单、可靠的新方法.     

球磨机料位软测量及其低能耗高效运行研究

球磨机是制粉系统中的重要设备,同时也是耗能较大的设备之一,用电量高达厂用电的20％左右。制粉系统球磨机料位受多个因素影响,文中根据多传感器变量软测量的思路,应用CMAC神经网络原理和方法,对其影响因素中有很高控制价值的量进行软测量建模,并设计实验测试模型性能。证明该模型可较好地反映实时料位,提高了球磨机的效率,降低了电耗,为制粉系统球磨机的控制和优化提供了指导。     

基才BP神经网络的燃油工业锅炉热效率软测量

燃油工业锅炉的应用日益增多,环保和节能问题日趋严重,故节能减排工作也日益突出。锅炉热效率是表征锅炉经济运行的重要指标,如能现场快速获取锅炉热效率,对节能工作将具有重大意义。论文采用BP神经网络对燃油锅炉热效率进行建模,并对该仿真模型进行误差分析,表明该模型具有较高的精度。利用此热效率仿真模型,可现场快速调节各参数,使热效率保持在最佳值附近。     

一种评判煤灰结渣特性的新方法

针对煤灰结渣特性单一评判指标的预测精度普遍偏低的问题,基于偏最小二乘算法（PLS）和交叉验证理论建立了煤灰结渣特性预测模型,该模型有4个输入变量,即煤灰的软化温度、碱酸比、硅比和硅铝比,1个输出变量,即结渣程度．提出了指标的同向性和异向性的概念,依据所提出的概念对各单一指标对煤灰结渣特性的作用进行了定性分析与讨论,结合拟合方程,给出了煤灰结渣特性的评判依据．通过对测试样本进行检验,结果表明：所提出的PLS预测模型的预测精度远高于单一评判指标的预测精度,所建模型是合理可行的．     

神经网络模糊多模型软测量在磨煤机存煤量测量方面的应用

基于钢球磨煤机的机理模型,采用神经网络模糊多模型软测量的方法解决球磨机存煤量测量问题,首先建立钢球磨煤机的机理模型,然后将FCM聚类与RBF神经网络多模型理论相结合深入探讨了神经网络模糊多模型软测量方法的实现,最后进行了球磨机存煤量测量的仿真试验,并与RBF神经网络单模型的仿真结果进行了比较.结果表明：神经网络模糊多模型软测量的预测输出的误差较小,训练速度更快,具有更好的泛化能力;将神经网络模糊多模型应用于球磨机存煤量的测量是可行的.     

西北电网短期负荷预测软件系统的设计与实现

本文介绍了西北电网短期负荷预测软件系统。该系统包含相似日、时间序列、人工神经网络和偏最小二乘回归分析四种短期负荷预测方法。预测结果表明该系统能够满足西北电网短期负荷预测的需要,预测结果合理,界面友好、操作方便,在很大程度上提高了调度人员的劳动效率。     

基于PSO-LSSVM模型的火电厂烟气含氧量预测

锅炉烟气含氧量是机组运行最重要的参数之一,为了准确测量氧量,在支持向量机(SVM)的基础上,提出最小二乘支持向量机(LSSVM),并结合粒子群算法(PSO)对模型参数(C,g)进行寻优,从而建立锅炉输入和输出变量之间的关系模型。将该方法应用到某电厂600 MW燃煤机组中,用训练后的模型进行预测,并与SVM模型预测结果进行比较。结果表明:采用LSSVM方法,能够辨识出多个变量与氧量之间的复杂关系,对锅炉氧量的预测误差为±0.03;并且PSO-LSSVM预测精度比PSO-SVM模型高,PSO-LSSVM模型具有预测精度高、泛化能力好、鲁棒性强和训练时间较短等优点。     

热电联供系统中烟气冷凝传热性能试验研究

针对烟气余热不能充分回收的问题,对能够充分回收烟气余热的新型热电联供系统中的烟气冷凝热回收设备进行试验研究,重点研究该工况下光滑管烟气冷凝设备的传热性能.研究结果表明,在该试验工况下,干式、冷凝段传热系数可达60 W/(m~2·K),冷凝段传热系数为90～100 W/(m~2·K),冷凝段传热系数约为干式段传热系数的1.5～1.7倍,并整理了该工况下的传热准则关系式,为该系统型式的推广应用提供设计与运行依据.     

统计回归方法在电站锅炉氮氧化物排放量监测中的应用

通过对电站锅炉煤燃烧过程中氮氧化物生成模型的分析，确定了与氮氧化物生成量密切相关的锅炉运行参数。使用燃烧火焰图像处理技术和辐射传递方程反演测量，得到炉膛温度场变量。将锅炉运行参数和温度场变量联合构建一个输入数据矩阵，利用偏最小二乘法对锅炉运行过程中的氮氧化物排放值进行估计。并同实测值进行对比。分析结果表明：该种方法可以用于在线实时预测污染物的排放量。图1表3参9     

软计算方法在煤灰结渣特性评判中的应用

基于软计算理论,提出了一种煤灰结渣特性的神经-模糊评判模型。此模型来源于实际观测数据,可靠性高,能够更有效的判别锅炉炉膛结渣特性。     

燃煤工业锅炉湿式旋流烟气脱硫装置的数值模拟法优化设计

利用κ－ε双方程模型对湿式旋流烟气脱硫装置涡核区速度场和压力场进行了数值模拟,同时利用单顶粒动力学模型模拟了液滴在气流场中的运动,用数值模拟方法确定了旋流装置的结构参数,实现了湿式旋流烟气脱硫的优化设计,降低了实验费用,减少了实验工作量。     

改进BP神经网络在流型判别中的应用

提出了一种应用于人工神经网络进行流型判据的新方法。采用了自适应梯度下降法和改进模拟退火法等措施,加快了ＢＰ网络的收敛速度,增强了其跳出局部检小值的能力,提高了神经网络模拟非线性系统的能力,并分析了可作为流型判别用的神经网络的输入参数、输出参数。为了证实该方法的可行性,应用前人的实验数据进行验证。证实该方法是一种十分有效的两相及相流流型判别方法。