共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
4.
5.
针对锅炉炉渣含碳量难以在线实时测量及测量精度低等问题,采用了基于神经网络结合遗传算法的新型软测量模型,通过遗传算法训练BP神经网络权值的方法,实现了对某热电厂220 t/h四角切圆煤粉锅炉炉渣含碳量的软测量。以锅炉实际运行数据为输入值得到的模型输出结果表明,该方法具有较好的软测量效果。 相似文献
6.
7.
电站锅炉飞灰含碳量的优化控制 总被引:11,自引:1,他引:11
利用人工神经网络对锅炉飞灰含碳量进行建模,并采用混合遗传算法与复合形法进行运行工况寻优,获得当前最佳的锅炉燃烧调整方式,这种方法同时解决了锅炉变工况下运行参数基准值的问题。应用该模型对某台300MW四角切圆燃煤电站锅炉的飞灰含碳量进行优化控制研究,其结果可指导运行人员进行参数优化调整,降低锅炉飞灰含碳量,提高燃烧经济性。图3表4参7 相似文献
8.
利用人工神经网络对锅炉飞灰含碳量进行建模,并采用混合遗传算法与复合形法进行运行工况寻优,获得当前最佳的锅炉燃烧调整方式,这种方法同时解决了锅炉变工况下运行参数基准值的问题。应用该模型对某台300MW四角切圆燃煤电站锅炉的飞灰含碳量进行优化控制研究,其结果可指导运行人员进行参数优化调整,降低锅炉飞灰含碳量,提高燃烧经济性。 相似文献
9.
火电厂煤粉燃烧效率体现在燃尽程度上,一般用锅炉的飞灰含碳量来进行评价.这个参数的预知对燃料分级燃烧优化,即在能够降低NOx的排放的同时保证煤粉的燃烧效率,进而提高锅炉运行效率极为重要.分析了锅炉飞灰含碳量的影响因素,利用局部投影神经网络LPN结构简单、收敛速度快、泛化能力强和适用于非线性时变过程的特点,建立锅炉的飞灰含碳量动态预测模型.利用锅炉热态试验所得数据训练和测试该模型,结果表明,预测模型较精确地预测了飞灰含碳量,从而为燃料分级燃烧优化的进行提供了模型基础. 相似文献
10.
11.
针对生物质锅炉飞灰含碳量较高的问题,文章提出了基于主成分分析法(PCA)或Garson算法与普通LM-BP神经网络相结合的两种生物质锅炉飞灰含碳量预测模型。这两种模型通过对负荷、燃烧室烟气温度、烟气含氧量等17个原始输入变量进行降维得到新输入变量,再进行训练建模,提高了模型精度。利用我国某生物质电厂飞灰含碳量的实测数据对模型进行检验,检验结果表明,LM-Garson-BP神经网络的MAPE为2.09%,MSE为0.11,MAE为0.25,泛化能力最强,稳定性最好。 相似文献
12.
13.
14.
15.
16.
燃煤锅炉是复杂的多变量系统,其飞灰的含碳量形成机理复杂,不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大,测试工况有限等缺点;燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量,其相互耦合,导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱,应用该方法可以良好的描述其输入输出之间的黑箱特性,因此,人工神经网络应用广泛。利用燃煤锅炉试验数据,采用3层BP(back propagation)神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证,该BP神经网络对飞灰含碳量相对预测误差在0.19%~0.50%,预测效果良好。测试结果表明,建立的神经网络预测模型可以准确逼近验证样本数据,也能够较好的逼近非验证样本数据,具有良好的泛化能力。 相似文献
17.
为了提高FLUENT软件对电站煤粉锅炉飞灰含碳量的预测精度,推导了考虑灰层扩散阻力的焦炭缩核燃烧模型,基于FLUENT软件提供的"多表面反应模型"框架,结合用户自定义函数技术对其自带的焦炭燃烧模型进行了改进。然后对某1 025 t/h电站锅炉分别采用自带和改进的焦炭燃烧模型进行模拟,并和测试结果进行了对比。结果表明:自带模型由于忽略了灰层对燃烧气体的扩散阻力,求得的飞灰含碳量仅为0.1%,改进模型求得的飞灰含碳量为3.1%,与测试结果 2.2%更为接近;自带模型和改进模型求得的炉膛出口O2体积百分比分别为3.0%和3.3%,误差在±10%范围内。 相似文献
18.
叙述了一种电厂锅炉飞灰含碳量的微波式飞灰含碳量在线监测装置,实践表明,该装置测量精度较高,可靠性好,能及时、有效地调整锅炉运行,降低供电煤耗。介绍了它的工作原理,应用与维护,指出了使用中应注意的问题。 相似文献
19.