球磨机料位软测量及其低能耗高效运行研究

球磨机是制粉系统中的重要设备，同时也是耗能较大的设备之一，用电量高达厂用电的20％左右。制粉系统球磨机料位受多个因素影响，文中根据多传感器变量软测量的思路，应用CMAC神经网络原理和方法，对其影响因素中有很高控制价值的量进行软测量建模，并设计实验测试模型性能。证明该模型可较好地反映实时料位，提高了球磨机的效率，降低了电耗，为制粉系统球磨机的控制和优化提供了指导。     

神经网络模糊多模型软测量在磨煤机存煤量测量方面的应用

基于钢球磨煤机的机理模型,采用神经网络模糊多模型软测量的方法解决球磨机存煤量测量问题,首先建立钢球磨煤机的机理模型,然后将FCM聚类与RBF神经网络多模型理论相结合深入探讨了神经网络模糊多模型软测量方法的实现,最后进行了球磨机存煤量测量的仿真试验,并与RBF神经网络单模型的仿真结果进行了比较.结果表明：神经网络模糊多模型软测量的预测输出的误差较小,训练速度更快,具有更好的泛化能力;将神经网络模糊多模型应用于球磨机存煤量的测量是可行的.     

大型钢球磨煤机直吹式制粉系统提高出力的实践

介绍600MW机组锅炉为提高制粉系统出力而进行的制粉系统改造,包括制粉系统分离器改造和磨煤机改造;介绍对制粉系统运行参数进行的调整,以及制粉系统出力试验,并对制粉系统出力试验的结果进行分析,指出影响制粉系统出力的几个主要因素。通过制粉系统改造前后的出力对比试验,证明所采取的措施能显著增加制粉系统出力,使制粉系统出力从40t/h增加到约60t/h,提高了锅炉的安全经济运行水平。     

煤质变化对钢球磨煤机贮仓式热风送粉制粉系统的影响

以华北某电厂的燃煤锅炉及制粉系统为研究对象,基于锅炉和制粉系统的热力计算及现场实际测量数据,定量分析了煤质变化与粗粉分离器后煤粉细度、煤粉水分、磨煤机最佳通风量、磨煤出力、出力储备系数、单位磨煤电耗、露点温度和三次风率的关系,并在此基础上确定了合适的煤种,提出了相应的改造措施.分析表明：对制粉系统运行安全性、磨煤出力和经济性影响最大的煤质因素是可磨性指数和原煤水分.计算结果与实际运行测量基本吻合,采用的计算与分析方法对普遍存在的同类问题具有参考价值.表9参6     

基于软测量的球磨机制粉系统智能控制与优化决策

文中中间储仓式钢球磨煤机制粉系统为对象，基于球磨机料位和风量等过程参数的软测量，提高了火电机组制粉系统的智能测控与优化决策系统设计及实现方法，可以在保证系统安全的基础上，通过对球磨机料位、通风量和钢球装载与配比的优化，降低制粉单耗、从而降低发电成本，取得显著的经济与社会效益。     

钢球磨煤机制粉系统经济运行试验研究

本文针对该厂ＤＴＭ２９０／３５０钢球磨煤机运行制粉电耗高的问题，通过分析影响制粉电耗的主要因素并进行试验研究，得出运行时磨内不同规格钢球重量比为Φ５０：Φ４０：Φ３０＝５０：３０：２０，最佳钢球装载量为２０８吨，磨煤机经济出力为１９４ｔ／ｈ，最低制粉电耗为２４９ｋＷｈ／ｔ，比试验前下降５１８ｋＷｈ／ｔ。并提出了降低球磨机制粉电耗的一些建议。     

基于小波包特征提取及统计分析的磨煤机球径配比诊断

火电厂制粉系统球磨机筒内钢球球径配比会直接影响制粉出力,为了提高制粉系统出力降低球磨机能耗,一种用于诊断球径配比的方法在文中被研究。为了获得不同球径配比,在现场进行了钢球装载试验;通过在球磨机轴承上安装振动传感器记录轴承振动信号,尝试利用小波包频带顺序分解技术对获得的轴承振动信号进行处理,以提取表征不同球径配比的特征量;最后对获得的特征量进行统计分析,通过统计分析对球径配比做出诊断。试验研究及工程实例分析表明,利用轴承振动信号的相关频带能量特征能够诊断球径配比的偏移,该研究具有重要的工程应用价值。     

电站锅炉入炉煤水分实时监测的研究

建立了基于制粉系统运行状态分析的电站锅炉入炉煤收到基水分的监测模型 ,通过测量磨煤机出力、磨煤机入口风量、进出磨煤机的干燥剂的温度等参数间接实现入炉煤收到基水分的监测 ,特别适用于配有直吹式制粉系统的电站锅炉。现场应用表明 ,该模型能较为准确地给出入炉煤收到基水分的实时状况 ,测量误差在 5 %以下。     

600MW机组掺烧褐煤设备改造应用实践

针对火电厂掺烧大量褐煤会导致磨煤机干燥出力不足,极大地影响制粉系统安全运行的问题,通过改变空气预热器转向、扩大一次风风仓角度和安装软密封对磨煤机喷嘴环进行了扩容改造.结果表明:改造后磨煤机入口热一次风温度进一步提高,干燥出力和研磨出力明显增大,风机阻力减小,在满足锅炉大比例掺烧褐煤要求的同时可降低风机电耗,减小一次风机失速的危险,为企业带来较大的经济效益.     

基于BP神经网络的光伏发电短期出力预测

分析了影响光伏发电出力的主要因素,建立了基于BP神经网络的光伏发电短期出力预测模型。利用光伏电站的出力数据和气象数据对BP神经网络进行训练,根据光伏出力影响因素的分析,将不同日类型的日发电功率数据进行处理,将其映射为日类型指数作为神经网络训练、预测的输入。文章建立的预测模型可以对不同天气类型下一天各时段的出力进行预测,预测结果与实测值的比较结果表明,该模型有比较准确的预测能力和较强的适用性。