钾盐对煤焦-CO_2气化反应特性的影响

利用法国Setaram公司生产的TGA92型热重分析仪,比较钾基、钙基、铁基催化剂对煤焦-CO2气化反应的影响,发现钾基催化剂催化效果最好.在反应温度900~1050℃范围内,利用自行建造的小型固定床试验装置研究了气化温度、钾盐催化剂含量、形成焦炭的原煤煤质对煤焦与CO2的气化反应活性的影响.试验结果表明,反应温度对气化过程影响显著,提高气化温度,煤焦与CO2的气化反应速率急剧增加,转化率显著提高;不同配煤比的原煤制得的焦炭,在气化过程中表现出不同的反应特性,弱黏结性的气煤表现出良好的抗碱能力.     

基于神经网络的锅炉对流受热面灰污监测研究

采用多层前向型神经网络,对电站锅炉对流受热面的实时污染状况建立了监测模型。模型选取合适的参数组成输入向量,利用电站数据采集系统下载的实时机组数据,经规格化处理后对神经网络进行训练。结果表明,训练后的神经网络可以较准确地实现锅炉对流受热面的积灰状态的在线监测,为吹灰方案的最优化打下了良好的基础。     

多功能数据采集与处理系统

】系统集数据采集与数据处理于一体，实用可靠。文章讨论了如何根据实际要求完成系统的组态，如模拟输入组态、趋势曲线组态等，还简单地描述了系统的使用与操作     

联合循环机组余热锅炉效率敏感性分析

本文基于余热锅炉受热面传热机理,结合联合循环机组实际运行数据,通过支持向量回归建立余热锅炉效率敏感性分析模型,分析各受热面传热效能变化、环境温度和机组负荷对余热锅炉效率的影响规律。结果表明:余热锅炉效率敏感性分析模型在测试集上均方根误差为1.38×10^-3,与通过厂家热平衡图计算的余热锅炉效率吻合良好,预测精度较高;余热锅炉效率随环境温度降低,随燃气轮机排烟流量升高,随受热面传热效能退化而降低,各受热面中高压锅炉系统蒸发器和过热器性能变化对余热锅炉效率影响较大,高压蒸发器和过热器受热面传热效能每退化1.0%,余热锅炉效率分别下降约0.4%和0.2%。该研究结果可为余热锅炉故障诊断及检修维护提供一定的理论支持。     

基于传热性能变化的余热锅炉故障诊断及应用

以某电厂PG9171E燃气-蒸汽联合循环机组余热锅炉系统为研究对象,根据机组的热平衡图数据以及余热锅炉受热面的传热机理建立变工况模型,定义受热面的性能退化系数,建立故障诊断模型。利用建立的计算模型与故障数据计算出的结果,对机组低压汽水系统的异常现象进行分析诊断,可以明确看出低压蒸发系统出现异常。现场停机检查结果发现问题为低压汽包内部件脱落,导致汽水分离效果差,与理论分析结果一致,验证了计算模型的正确性。     

基于Windows95过程控制图形生成工具的开发

本文详细叙述了如何利用ＶｉｒｓｕａｌＣ＋＋开发工具进行图形组态软件的组织,分别从文挡．视窗等部分讨论如何增加函数,使得软件功能更加完善、方便、可靠。     

几种因素对天然焦-H_2O气化反应活性的影响

在Thermax500型加压热重分析仪上进行了天然焦-H2O气化反应试验,分析了常压下气化温度、水流量、氧气分压、反应气氛和灰分等因素的影响.结果表明,气化温度升高,天然焦-H2O气化反应明显加快;随着水流量加大,碳转化率有所增大,但水流量达到0.07 mL/min后,碳转化率不再随水流量的进一步增加而变化;在气化剂中加入少量纯氧能有效促进气化反应;天然焦-H2O的气化速率明显大于天然焦-CO2的气化速率;天然焦脱灰后碳转化率略有降低.     

热力系统仿真中虚拟现实技术的应用

作业工面高新技术,虚拟现实技术是计算机技术、自动化技术、传感器技术和人机和谐交互技术的完善结合,已成为新兴的研究热点,并在某些领域得到应用。本文从虚拟现实技术和过程仿真技术的特点,以热力系统为研究对象,论述了虚拟现实技术在仿真领域的应用,探讨虚拟现实技术在热力系统仿真的应用可能、技术基础、实现途径和设计方法,同时陈述有待解决的关键问题。     

基于合成气分流的双联流化床气化性能评价

针对双联流化床的热量调控,设计了一种将合成气部分分流至燃烧反应器实现热量平衡的双床气化系统,利用AspenPlus软件搭建了合成气分流系统模型,对比传统双联流化床系统,评估两种系统在气体组分、合成气热值、有效气体产率以及系统效率方面的差异,研究了气化温度(T)以及水蒸气和生物质质量比r(r=mS/mB)对两种系统热力学性能的影响．研究结果表明：合成气分流至燃烧反应器可以提高合成气热值,而有效气体产率、系统热效率和烟用效率低于传统双联流化床系统;随着气化温度、r的增加,两种系统的气体组分、有效气体产率以及合成气热值的变化趋势相同;两种系统的热效率和烟用效率均随着气化温度、r的增加而减少,系统最高热效率可达74.1%,最高烟用效率可达54.4%.     

基于神经网络的电站锅炉空气预热器积灰在线监测模型研究

针对大型电站锅炉空气预热器受热面积灰状况进行了分析研究。应用3层神经网络构建了300MW电站锅炉空气预热器受热面积灰监测数学模型,选择锅炉负荷、烟气差压、排烟温度等参数作为输入向量,以反映空气预热器积灰状况的污染系数作为输出向量,利用电厂DCS系统采集的机组实时数据,经规格化处理后作为样本集对网络进行训练。训练过程中,通过添加动量项和变步长改进了BP算法。将建立的模型应用于华电国际青岛发电公司#2炉的空气预热器在线积灰监测,取得了较好的结果。