基于LIBSVM和智能算法的电站锅炉飞灰含碳量优化

飞灰含碳量是影响锅炉热效率的一个重要因素,影响燃煤锅炉飞灰含碳量的因素很多而且复杂。借助电站燃煤锅炉的实际运行数据,建立了基于改进的支持向量机算法的大型电站燃煤锅炉的飞灰含碳量模型,并利用现场数据对模型进行了训练和验证,结果表明模型具有很高的预测精度,可以应用于实际的工程预测。然后,结合全局寻优的遗传算法、粒子群算法和微分进化算法,以锅炉的运行调节参数为优化目标函数的自变量,对锅炉飞灰含碳量进行寻优,并获得了具体工况下的最佳操作参数。所得结果表明,LIBSVM与上述智能算法相结合在电站锅炉飞灰含碳量优化方面具有很高的应用价值。     

流化床燃烧中煤含灰量对灰渣形成特性的影响

为了研究煤颗粒灰质量分数对煤在流化床燃烧过程中灰渣形成特性的影响,在一台小型流化床反应炉上进行煤的灰质量分数对灰渣形成特性的实验.按煤颗粒的灰质量分数,把义马烟煤分为6个颗粒组,并选用各颗粒组的3个粒径范围的煤颗粒进行燃烧实验,研究煤颗粒的灰质量分数对底渣质量分数、底渣与飞灰中的碳量质量分数和粒径分布的影响.结果表明,随着煤颗粒灰质量分数的增加,燃烧形成的底渣质量分数增加,而煤颗粒的燃尽率和飞灰中的碳质量分数都降低.在粒径和燃烧时间相同的条件下,随着颗粒灰质量分数的增加,底渣中留在本粒径档的颗粒质量分数明显增加,而细颗粒的质量分数明显减少.而颗粒灰质量分数对飞灰的粒径分布没有明显的影响.     

大型电厂锅炉NOx排放特性的支持向量机模型

为了降低大型电厂锅炉NOx的排放,并对燃烧进行优化和控制,应用支持向量机算法建立了大型四角切圆燃烧电站锅炉NOx排放特性模型,利用NOx排放的热态实炉试验数据对模型进行了训练和校验,并对支持向量机算法模型中的参数g和C的选择进行了较深入的探讨,定性地分析了模型参数g和C的变化对模型预测能力的影响,获得了最佳的模型参数.利用该模型对不同实验工况下NOx的排放作出了预测,结果说明采用支持向量机算法建模达到了比较准确的预测效果,与其他建模方法相比具有泛化能力好、计算速度快的优点.     

基于SVR-GA的燃煤锅炉NOx含量软测量研究

燃煤锅炉脱硝反应器入口NOx浓度是锅炉燃烧过程中的一个重要参数,针对常规NOx分析测量仪存在的精确度较低的问题,通过支持向量回归(SVR)算法建立锅炉的NOx排放预测模型,选取均方误差(MSE)作为模型的评估函数,利用遗传算法(GA)对模型参数进行优化,编制程序对NOx排放量进行预测。以某300MW燃煤机组现场数据为基础进行仿真验证,结果表明,在与SVR、BPNN等方法的对比中,GA-SVR所建立的模型在NOx排放量的预测中取得了更优的效果。     

基于多模型组合优化算法的风速预测方法研究

风速的随机性和波动性较强,单一算法预测模型的精度不高。为此,提出基于蚁群优化算法的灰色模型和遗传神经网络算法相结合的预测方法;给出改进灰色模型,并利用蚁群算法的全局寻优能力,以残差平方和最小为原则,对改进灰色模型的权值进行优化,实现了对风速的预测。为进一步提高精度,把蚁群优化灰色模型的结果作为遗传神经网络算法的输入,实测风速数据作为遗传神经网络算法的输出,对网络进行训练,进一步减小了风速预测的偏差。预测结果与风电场实测数据的对比分析验证了多算法结合的预测方法的准确性和有效性。     

多传感器数据融合技术在锅炉热效率计算中应用研究

实现锅炉热效率实时计算对优化锅炉燃烧经济性具有重要意义,其难点在于飞灰含碳量的在线测量,目前广泛采用微波飞灰测碳仪进行在线监测。然而在英际中烟气密度和流速对仪器的测量精度有重要影响,使测量结果产生较大波动。本文设计了对烟气密度和流速的测量方法,并构造了基于多传感器数据融合技术的测量系统,利用BP神经网络对多传感器信息进行有效融合,在一定程度上提高了飞灰含碳量的测量精度。进而通过采集排烟温度、氧量等运行参数,依据反平衡方法给出锅炉效率的在线计算模型。     

基于DE优化SVR的锂离子电池剩余容量预测

在分析了支持向量机回归算法(SVR)对剩余容量模型非线性回归基础上,针对SVR参数选择难的问题,提出了一种基于微分进化(DE)算法优化SVR的算法。DE具有强劲的全局搜索能力,将其应用到SVR的参数寻优当中去,可以寻找到SVR的最优参数。将该方法应用于锂离子电池剩余容量的预测模型,并将生成的模型和基于粒子群优化(PSO)算法的SVR锂离子电池容量预测模型比较。仿真结果表明,基于DE优化的SVR剩余容量预测的精准度高于PSO优化的SVR剩余容量预测精准度,为锂离子电池容量预测提供了一种新的方法。     

失重法飞灰含碳量在线监测系统

机械不完全燃烧热损失是锅炉运行中的第二大热损失,机械不完全燃烧热损失主要由锅炉飞灰含碳量决定。锅炉飞灰含碳量是反映锅炉燃烧效率的一项重要指标,实时、准确的对飞灰含碳量进行检测是提高锅炉运行效率、降低发电成本的重要手段。介绍了一种新的飞灰测碳装置,对该方法初期遇到的一些问题做了改进。改进后的方法经实验证明其具有可行性,在现场能够稳定运行。     

基于NSGA-Ⅱ算法的锅炉燃烧多目标优化

采用BP（back propagation,BP）神经网络模型分别建立了300 MW燃煤锅炉的NOx排放特性模型和锅炉热损失模型,同时利用锅炉热态试验数据对模型进行了训练和验证。结果表明：BP神经网络模型可以很好地预测锅炉的排放特性和锅炉的热损失特性。结合NOx排放模型和锅炉热损失模型并采用非劣分类遗传算法（non-dominated sorting genetic algorithm,INSGA-Ⅱ）对锅炉进行多目标优化,优化结果表明：NSGA-Ⅱ多目标优化方法与BP神经网络模型结合可以对锅炉多目标燃烧优化问题实现有效的多目标寻优,得到理想的Pareto解方案可以在降低锅炉NOx排放的同时使锅炉运行在较高的效率工况下,是对锅炉进行多目标优化的有效工具。     

碗式配风对燃烧效率与NOx质量浓度的影响

对600 MW超临界前后墙对冲燃烧锅炉在均等配风和碗式配风下的燃烧进行数值模拟,分析不同偏差程度碗式配风对炉内颗粒质量浓度场、CO体积分数场、炉膛温度、NO_x生成的影响,并与试验结果进行对比. 模拟结果表明,燃烧器碗式配风改善了炉内宽度方向上的风、煤混合过程,减小了CO体积分数和煤粉颗粒质量浓度偏差,降低了炉膛出口烟气中CO的平均体积分数和飞灰中碳的质量分数,从而有效提高了前后墙对冲燃烧锅炉的燃烧效率. 燃烧器碗式配风对炉膛出口烟气中NO_x的平均质量浓度有不利影响,但是当碗式配风风量偏差不大于20%时,NO_x平均质量浓度变化不大于3.5%. 综合燃烧器碗式配风对水平截面CO分布特征和炉膛出口烟气中NO_x的平均质量浓度的影响,在燃烧常用煤种的条件下,碗式配风的风量偏差宜控制在20%以内. 炉膛出口烟气中CO的平均体积分数、飞灰中碳的质量分数、NO_x平均质量浓度的模拟值与热态试验值变化趋势一致. 在实际应用中碗式配风对CO平均体积分数的降低效果更加显著,当碗式配风的风量偏差达到20%时,省煤器出口烟气中CO的平均体积分数降低幅度达95%.     

流态化技术干法脱炭的理论分析与试验研究

粉煤灰是煤粉燃烧后，随烟气自锅炉炉膛中带出的粉状燃烧产物，其可用性及具体用途取决于其物理化学性质和残余炭质量分数(通常要求小于4％)。依据美国某电厂粉煤灰和残余炭的粒度分布特点和形态特征，提出了采用流态化干法脱炭技术降低粉煤灰中残余炭质量分数的基本思路，对不同粒级样品的分层试验表明：采用流态化技术能有效脱除大于0．074mm粒级中的残余炭，而且工艺简单，无粉尘污染，这一方法对于解决粉煤灰的综合利用问题将提供有益的借鉴。     

华能汕头电厂一号锅炉燃烧特性试验

分析了华能汕头电厂一号锅炉的燃烧特性。通过全面的燃烧调整试验,对ＮＯｘ排放特性和飞灰可燃物Ｃｆｈ的各种影响因素进行了比较。结果表明,该锅炉的ＮＯｘ排放量较低,但飞灰可燃物Ｃｆｈ偏高。同时,提出了降低飞灰可燃物Ｃｆｈ的几点建议。     

Boiler combustion optimization based on ANN and PSO-Powell algorithm

To improve the thermal efficiency and reduce nitrogen oxides(NOx)emissions in a power plant for energy conservation and environment protection,based on the reconstructed section temperature field and other related parameters,dynamic radial basis function(RBF)artificial neural network(ANN)models for forecasting unburned carbon in fly ash and NOx emissions in flue gas ware developed in this paper,together with a multi-objective optimization system utilizing particle swarm optimization and Powell(PSO-Powell)algorithm.To validate the proposed approach,a series of field tests were conducted in a 350 MW power plant.The results indicate that PSO-Powell algorithm can improve the capability to search optimization solution of PSO algorithm,and the effectiveness of system.Its prospective application in the optimization of a pulverized coal(PC)fired boiler is presented as well.     

基于核主元分析和支持向量机的电站锅炉飞灰含碳量软测量建模

飞灰含碳量是影响锅炉热效率的一个重要因素,是评价燃烧好坏和锅炉优化运行的重要指标。利用最小二乘支持向量机这种新的机器学习工具,建立了飞灰含碳量的软测量模型。针对模型输入变量之间存在强耦合、非线性等特征,采用核主元分析(KPCA)提取变量的特征信息以有效处理非线性数据。应用该模型对某300MW四角切圆燃煤电站锅炉的飞灰含碳量进行研究,理论分析和仿真计算表明,该方法学习速度快、泛化能力强、对样本的依赖程度低,比BP神经网络的软测量建模具有更好的推广能力。     

燃烧调整对炉内温度分布及NOx排放的影响

采用具有三维温度场可视化监控系统的300MW四角切圆燃煤锅炉,研究燃烧调整对炉内温度分布和NOx排放规律的影响。结果表明,总风量调整、总燃料量扰动、燃烧器摆角调整、层间燃料量调整、燃烧器不同组合以及单层燃烧器燃料调整直接影响炉内沿高度方向的温度场分布、NOx的排放量、飞灰含碳量和辐射能。NOx排放量与实时炉内温度分布密切相关,这与已逐渐成熟的NOx生成机理的研究结果一致。     

Research on Existing Pattern of Carbon and Its Removal from Fly Ash

Fly ash is a fine and dispersed powder discharged from power station after the coal being burned.With the deepening of people‘s rccognition about the pollution problem of fly ash, the ways of utilizing fly ash are gradually increasing. Utilizing value of fly ash is closely related to the unburned carbon coment. On the basis of analysis of modern testing mehtod,a fundamental thinking is theoretically posed for decreasing unburned earbon content from fly ash by a dry removing carbon technology. The triboelcctric separation method shown that the above-mentioncd thinking of dry removing removing carbon from fly ash is practial.     

220 t/h循环流化床锅炉燃烧调整的试验研究

通过对某电厂220t/h循环流化床锅炉进行燃烧调整试验,分析了几个主要的影响因素,并讨论了这些因素对飞灰含碳量的影响,在结合实际运行情况的基础上。给出了一个经济运行工况的参数范围,对该类锅炉的经济运行提供了一定的理论依据。     

Dry coal fly ash cleaning using rotary triboelectrostatic separator

More than 80 million metric tons of fly ash is produced annually in the U.S. As coal combustion by-product. Coal fly ash can be converted to value-added products if unburned carbon is reduced to less than 2.5%. However, most of fly ash is currently landfilled as waste due to lack of efficient purification technologies to separate unburned carbon from fly ash. A rotary triboelectrostatic separator has been developed and patented recently at the University of Kentucky with unique features. Several fly ash samples have been used to understand the effects of major process parameters on the separation performance. The results show that compared to existing triboelectrostatic separators, the rotary triboelectrostatic separator has significant advantages in particle charging efficiency, solids throughput, separation efficiency, applicable particle size range.     

锅炉飞灰含碳量预测研究

将BP神经网络技术引入工业锅炉飞灰含碳量预测领域,建立了预测模型.针对BP神经网络所存在的缺陷,结合差异演化算法(DE),提出了实数编码的DE-BP神经网络预测模型.实验表明,模型能够很好的满足飞灰含碳量预测要求.