基于模糊神经网络的电站燃煤锅炉结渣预测

综合运用模糊数学和神经网络知识构建了一个模糊神经网络模型,用以预测电站燃煤锅炉的结渣特性．通过引入反映煤灰特性的4个常用指标以及反映锅炉运行情况的两个指标,使所建模型综合考虑了煤灰特性和锅炉运行因素对结渣的影响．以实际电厂燃煤锅炉为样本,基于改进的BP(back-propagation)算法对网络模型进行了训练．为验证模型的准确性,对7台电站燃煤锅炉的结渣特性进行预测,并将该模型与只考虑煤灰特性指标的常规 BP网络模型进行比较．验证结果表明,模糊神经网络模型的预测结果与实际相符,效果优于常规BP网络模型．     

300 MW机组锅炉低氮燃烧的改造

针对广东粤华发电有限责任公司（以下简称黄埔发电厂）300Ww机组氮氧化物排放浓度高的问题．采用轴向空气分级和径向空气分级的空气分级燃烧技术对锅炉燃烧系统进行了改造。改造后．氮氧化物排放的质量浓度由改造前的600mg m^3降至437.5mg m^3（标准状态下）．已达到GB 13223 2003《火电厂大气污染物排放标准》时该类型锅炉氯氧化物排放的要求。此外．改造对防止炉膛出口产生过大的扭转残余、防止锅炉水冷壁结渣和高温腐蚀也有帮助。     

k-光子么正算符的性质

本文研究了k-光子么正演化算符S_k(z)的性质,包括相空间在S_k(z)作用下其性质的改变以及相干态和真空态经高阶非线性作用后的特性,结果预言光场应存在有迄今尚未为人认识的新非经典效应。     

木粉与塑料粉循环流化床中共燃的NOx生成研究

为减少废塑料在焚烧过程中NOx的生成及充分利用生物质能,提出在循环流化床中将废塑料和生物质进行共燃的处理方法.在实验室循环流化床装置上进行了木粉和塑料粉的共燃实验,研究了温度、木粉和塑料粉混合比例对NO和NO2生成浓度的影响.实验结果表明:随温度升高,NO生成浓度升高,而NO2生成浓度迅速降低;随木粉和塑料粉混合比例增加,NO和NO2生成浓度均降低;共燃时NO的生成量低于2种物料单独焚烧时其生成量的线性叠加,实验条件下NO的减少量最高达43.3%.为寻找二者共燃时NOx生成的一般性规律,采用径向基神经网络建立了NO生成的预测模型,预测结果表明该模型具有很高的准确性.     

混煤煤灰软化温度的实验研究与预测

从某电厂700MW机组锅炉取混煤灰样,在智能灰熔点测定仪上采用角锥法对其进行软化温度测定。实验结果表明,混煤煤灰软化温度与掺混比呈非线性规律。采用径向基神经网络（RBFNN）在MATLAB环境下建立了混煤软化温度的智能预测模型。为检验模型的预测效果,以实验的8个混煤煤灰作为受验样本,应用该网络模型对其软化温度进行预测。预测表明：RBFNN模型的预测结果与实验结果吻合良好,二者的最大相对误差为3．79％,平均相对误差为1．56％。预测效果远远优于线性预测模型。