超超临界二次再热汽轮机裕度控制分析

对于汽轮机而言,在非稳定状态下运行(如启停、增/减负荷或变温度运行)时,其金属部件将受到固定大小和频率的热应力影响,会导致材料处于一个高水平的疲劳度而出现裂纹。减少部件疲劳,控制热应力的最好方法就是控制部件内外温差,控制部件内外温差的最好方法则是延缓部件的升、降温速率。因此合理的消耗寿命,以便设备在使用寿命内发挥最大的效益就是设备热应力控制的目的。     

基于大数据和深度学习的全社会月用电总量预测

为解决经典方法预测全社会用电总量预测数值精度较低、模型结构参数过于复杂等技术难题,本文提出将电力大数据和人工智能领域深度学习算法相结合的研究方法。采用计算机建立具有阶层结构的深度神经网络,根据仿生学原理引入线性整流函数解决梯度消失及神经网络收敛速度减慢问题,采用梯度下降来进行优化模型,同时通过引入指数衰减法由神经网络模型自动设定学习率以提高模型预测精度并降低迭代次数。从数量场的梯度原理并结合泰勒公式,推导出梯度下降法背后数学原理。为解决过拟合问题引入早停算法以提高模型训练速度及泛化能力。最后深度学习算法预测数值与经典线性回归算法预测数值相比较,深度学习算法在对全社会月用电总量的预测精准度、稳定性指标上明显优于线性回归算法,深度神经网络模型对未来全社会电力需求的预测数值具有高度的可信性。     

1000 MW锅炉汽动引风机运行应用实践分析

国家能源集团泰州发电有限公司一期1 000 MW超超临界燃煤机组配置两台汽动引风机,电动引风机保持备用。汽动引风机投运以来,较大地降低了厂用电率,提高了经济效益,但汽动引风机系统复杂,其特性、特征参数与电动引风机有本质不同,冲转、并入系统、出力判断、一电一汽运行均需要进行摸索归纳,经过长时间的运行分析研究,总结了汽动引风机运行的特性、特点,具有很强的针对性和现场指导意义,有利于汽动引风机的长期稳定运行。     

基于大数据和深度学习的全社会月用电总量预测

为解决经典方法预测全社会用电总量的预测数值精度较低、模型结构参数过于复杂等技术难题,本文提出将电力大数据和人工智能领域深度学习算法相结合的研究方法。采用计算机建立具有阶层结构的深度神经网络,根据仿生学原理引入线性整流函数解决梯度消失及神经网络收敛速度减慢问题,采用梯度下降来进行优化模型,同时通过引入指数衰减法由神经网络模型自动设定学习率以提高模型预测精度并降低迭代次数。从数量场的梯度原理并结合泰勒公式,推导出梯度下降法背后数学原理。为解决过拟合问题引入早停算法以提高模型训练速度及泛化能力。最后深度学习算法预测数值与经典线性回归算法预测数值相比较,深度学习算法在对全社会月用电总量的预测精准度、稳定性指标上明显优于线性回归算法,深度神经网络模型对未来全社会电力需求的预测数值具有高度的可信性。     

基于空气分级的旋风炉高温喷氨脱硝试验研究

基于空气分级的高温喷氨脱硝技术具有较高的脱硝效率,且无氨逃逸,为实现炉内脱硝提供了新的途径。在某台液态排渣旋风锅炉上开展了空气分级燃烧协同高温喷氨脱硝试验,结果表明:采用分级配风且主燃区过量空气系数为0.8时,NOx生成质量浓度可降低35%;高温喷氨的温度窗口为1 200~1 600 ℃,最佳喷氨点在旋风筒出口,氨氮摩尔比为2.0时脱硝效率达到最大值20%;燃用烟煤的旋风锅炉采用空气分级协同高温喷氨后,NOx排放质量浓度可降低到490 mg/m3。     

调节同层二次风以缓解双切圆锅炉高温腐蚀的数值模拟

针对某双切圆锅炉热角区域高温腐蚀问题,本文提出调节同层二次风流量的方法来改善热角上游的还原性氛围。基于Fluent软件模拟了不同冷角二次风流量工况下的炉内燃烧情况,结果表明：增加冷角二次风量可以基本消除双切圆锅炉水冷壁附近CO体积分数过高（>8%）的区域,大大缓解水冷壁高温腐蚀的问题。5%工况和10%工况下,炉膛近壁面安全区域面积占比分别上升了1.20%和1.35%,出口NO _x 平均质量浓度分别升高2.99%和8.89%;而15%工况的炉膛防腐效果最佳,近壁面安全区域面积占比上升了3.60%,同时腐蚀严重区域占比下降了4.99%,出口NO _x 平均质量浓度升高较明显,上升18.91%。在一般电厂实际调整过程中,冷角二次风增量应设置在5%～10%,对于燃用高硫煤且NO _x 排放较低的电厂,建议将冷角二次风增量设置为15%左右,以最大限度缓解高温腐蚀。