一种通用的基于火焰高光谱的燃烧特性预测模型

燃烧特性的准确预测可以为燃烧技术的优化提供重要依据。利用甲烷火焰高光谱数据同时预测多种燃烧特性,以解决工程中监测燃烧特性需要多种采集设备及现场取样的难题,提出了一种基于三维卷积神经网络(3-dimensional Convolutional Neural Network)方法的火焰特性预测模型。首先在层流火焰高光谱数据上验证了该方法并进一步将模型应用于湍流火焰高光谱数据,接着建立了一种通用模型和训练方法,最后使用Gradient-weighted Class Activation Mapping(Grad-CAM)方法对模型进行可解释性研究。在层流模型中研究了不同参数对火焰特性预测模型准确性的影响;在湍流模型中探究了使用迁移学习的可行性以及添加小波去噪处理方法和改变卷积层数对模型结果的影响;在通用模型中解决数据不一致的问题,使得层流和湍流火焰作为训练数据对模型进行混合训练成为可能,实现了从实验室小火焰到实际工程火焰的燃烧特性参数预测模型的建立;在模型的可解释性研究中使用Grad-CAM方法对神经网络模型的工作原理和决策过程进行研究。结果显示层流预测模型中针对不同预测参数平均准确率均能达到96%以上,使用Mish+Mae的参数组合平均准确率最高为98%且拥有较高的模型稳定性;湍流预测模型的平均准确率均能达到95%以上,迁移学习、小波去噪处理和改变卷积层数均能在一定程度上提升模型性能,但需要进行合适的调整;通用模型在层流和湍流不同参数预测的平均准确率分别达到了97%和94%,在两种不同火焰的工况下均达到较高的准确率,说明模型的适用性较强;可解释性研究中Grad-CAM热力图上的信息表明该方法能够通过定位火焰敏感区域,并从光谱中提取到关键组分信息,从而完成对火焰特性的预测。该研究可以为燃烧学实验测试技术的智能化发展提供支持,对燃烧特性的研究具有重要意义。

SCR脱硝分区喷氨取样装置模拟研究及优化

近年来,分区喷氨控制技术广泛应用于燃煤电厂,但其可靠性往往依赖于其测量取样系统的准确性。该文采用数值模拟方法(CFD)对某测量装置取样管进行模拟,提出结构优化方案,优化后实现取样管内流量的均匀分布,最后分析不同取样布置方式对均流取样的影响。

基于沙地猫群优化–最小二乘支持向量机的动态NOx排放预测

针对火电机组频繁调峰导致机组燃烧状态不稳,进而导致锅炉出口NOx浓度波动范围大的问题,提出一种基于沙地猫群优化(sand cat sarm optimization,SCSO)的最小二乘支持向量机(leastsquaressupportvectormachine,LSSVM) NOx动态预测模型。首先利用k近邻互信息计算时间延迟的同时筛选辅助变量。然后,基于SCSO算法进行输入变量阶次的选择。使用包含辅助变量时间延迟和阶次的信息作为模型的输入,SCSO算法优化最小二乘支持向量机参数,建立动态NOx排放最小二乘支持向量机预测模型(SCSO-LSSVM动态软测量模型)。最后将模型与未加入迟延的LSSVM模型,加入迟延的LSSVM模型和粒子群优化算法(particle swarm optimization,PSO)优化最小二乘支持向量机参数的动态软测量模型进行对比验证。结果表明,相较于其他模型,该文建立SCSO-LSSVM动态软测量模型均方根误差、平均绝对误差、平均绝对误差最小,预测精度最高,而且在NOx浓度剧烈波动时也能够较好地预测NOx浓度,具有很好的动态特性。

生物质循环流化床机组协调系统模型研究

针对生物质循环流化床(CFB)机组,通过机理分析,研究了生物质燃烧的动态过程,建立了生物质CFB锅炉燃料侧燃烧模型。通过能量守恒,确定了生物质CFB机组汽水侧和汽机侧主要参数之间的函数关系,建立了负荷控制系统模型。基于某30 MW生物质CFB机组实际运行数据,通过稳态工况推导、回归分析和遗传算法辨识了模型的参数和函数关系,在Simulink软件平台验证了模型的结果并进行了模型阶跃试验。结果表明:模型的输出与实际数据能较好地吻合,主蒸汽压力、负荷的平均相对误差均在4%以内,阶跃响应符合实际经验,证明建立的模型能够反映机组的动态特性。

基于数字孪生的压气机水洗运维决策

为了提高燃气轮机的发电效率,针对压气机水洗运维经济成本过高的问题,对压气机进行基于数字孪生的运维决策研究,提出一种基于数字孪生的电厂燃气轮机健康管理框架,基于该框架对压气机运行数据进行处理,使用极端梯度提升树算法搭建水洗周期预测模型,选取数据集内部分参数作为模型输入量,气耗量为输出量,分析其变化规律及其与输入量之间的关系,对水洗周期及水洗恢复率进行计算和比较,得出合适的水洗周期,对压气机进行运维决策。模型预测结果表明:8次水洗气耗量预测的平均R 2_score达到0.98,预测结果准确;8次水洗中,第2、第3次水洗周期合适,第3次水洗恢复率最优,得出压气机水洗周期的指导小时数为1824 h;与电厂实际执行的平均水洗周期相比,每次水洗成本可以降低2190万元。

基于变量筛选和GWO-GRU的脱硝系统出口NOx浓度预测

针对火电厂锅炉系统运行工况复杂,导致选择性催化还原烟气脱硝系统(SCR)中出口NOx浓度难以准确测量的问题,提出一种基于变量筛选和灰狼算法(GWO)优化门控循环单元(GRU)神经网络的预测算法。首先,利用互信息计算各初始变量与输出变量之间的延迟时间,并结合最大相关最小冗余算法(mRMR),筛选出最优输入变量集;其次,将最优输入变量集作为GRU模型的输入,建立出口NOx浓度预测模型;最后,通过灰狼算法确定GRU模型的最优超参数。将GWO-GRU的仿真结果与传统的GRU、LSTM的仿真结果进行对比。结果表明,GWO-GRU预测模型均方根误差和平均绝对百分比误差均为最小,同时决定系数最大,确保了对脱硝系统出口NOx浓度的精准预测。

半球向全发射率测量实验教学系统设计与开发

针对传统半球向全发射率测量教学实验装置测试精度不高、温度量程低的问题,该文基于稳态量热方法设计了高温半球向全发射率测量实验教学系统,进行了样品测试区域热量损失的校准,该系统具有方法原理简单、测试精度高等特点。通过测量获得不同温度下的材料半球向全发射率,便于同学们理解半球向全发射率与材料热辐射能力的相关性、光谱发射率与不同温度下的半球向全发射率的关联关系,实验测试结果可靠,满足热工系列课程研究型实验教学的需求。

基于激光诱导击穿光谱的燃烧学实验教学探索

基于激光诱导击穿光谱技术开展了燃烧学实验教学探索,构建“激光诱导击穿光谱-层流反扩散火焰”实验教学系统,设计了具体实验操作方法与步骤,并针对激光诱导等离子体的基本参数和层流反扩散火焰的原子比分布开展了实验测量和分析。通过实验教学探索,促进了学生对燃烧学理论知识的更全面理解,提升了学生在跨学科环境中融会贯通的能力。

基于金字塔分层L-K光流法的燃气火焰动态特征提取与分析

本文研究了金字塔分层L-K光流算法在燃气火焰诊断中的应用,通过实验提取不同工况下燃气火焰图像动态特征,并验证火焰动态特征灵敏性和有效性.结果表明:在稳定工况下,速度大小的均值和方差相比于速度方向的均值和方差更能反映火焰的动态变化;在不稳定工况下,动态特征的速度大小、均值出现周期性变化,描述了不稳定燃烧和火焰熄灭的过程;速度大小均值和方差与工况参数之间呈现显著相关,而速度方向均值和方差相关性较弱.本研究为开发新的燃气检测技术提供参考.

基于数字孪生的空气预热器预测性维护模式研究

【目的】为解决大型火电机组空气预热器传统预防性维护手段的弊端,提出了一种基于数字孪生预测性维护的一般模式,并基于数字孪生技术,构建空气预热器数字孪生系统。【方法】所提系统包括回转式空气预热器物理实体、实时数据采集与分析模块、数字孪生模型构建模块、热力参数状态监测、转子热场视频与热变形可视化及积灰预测模块;实时采集温度参数状态和视频数据,通过温度场、视频图像、漏风计算等模块,实现热力参数的计算并进行积灰的预测。同时,以3D组态画面实时显示数据,利用软件算法不断优化热力参数计算及积灰预测的准确度,实现吹灰策略自动优化。【结果】所提方案实现了空气预热器热力计算过程的状态监测与动态控制,解决现有电站中回转式空气预热器积灰因素影响火电机组安全可靠运行的问题。【结论】通过实际机组的工程测试,所提方案有效提高了火电机组空气预热器运行维护的效率,验证了所提方法的可行性,为后期智慧电厂系统的开发提供技术支撑。

基于Daubechies小波尺度函数的炉膛空气动力场声学层析重建方法

声学层析测量是一种先进、有前景的炉内空气动力场非接触重建方法,其中可靠、优化的重建模型算法是关键。小波尺度函数包含所确定尺度以下所有信号频率信息,便于有效重构包含复杂频率成分的场对象,鉴于此,该文提出以小波尺度函数为基对待测空间场层析重建的方法。其采用具有紧支撑、正交特点的Daubechies小波以获得更好的场重建辨识度;对几何参数进行归一化处理以适应不同炉膛断面尺寸的场重建;采用梯度下降法求解线性方程组,得到稳定可靠的结果。通过构建不同典型仿真断面流场并重建,该方法均得到与原设定场良好的一致性,从而证明所提出场重建方法的有效性与可靠性。

基于约束最优模型预测抗干扰的槽式太阳能集热场出口温度控制方法研究

槽式太阳能集热场出口温度的控制对槽式太阳能发电系统的安全性和经济性至关重要。通常,集热场出口温度要求维持在设定值附近或跟踪设定值变化,但是集热场中存在的变量约束和多源扰动增加了该控制目标实现的难度。为此,该文提出一种约束最优模型预测抗干扰控制方法,首先通过模型转化将多源扰动重构为单一集总扰动并设计扩张状态观测器估计该集总扰动,进而提出一种稳态目标值动态优化方法以兼顾变量约束、抗干扰和设定值跟踪等多重控制性能,并提出一种带扰动补偿的最大受控容许集构造方法将无穷数量约束转换为有限数量约束,采用双模态控制策略求解等效二次规划型约束优化问题。最后,仿真结果表明,与对比控制方法相比,该方法虽然牺牲了一定运行速度,但能在控制作用及其增量满足约束进而保证系统安全性的前提下,以较小的超调量和动态偏差实现对复杂光照强度变动、集热场入口温度波动、导热油流量波动以及参数摄动等扰动的有效抑制和设定值跟踪的控制目标。该方法可用于解决包括槽式太阳能集热场在内的一类热工对象变量受限下的多源扰动抑制和设定值跟踪问题。

基于LabVIEW的定容燃烧弹控制与数据采集系统设计

为了解决传统定容燃烧弹系统实验操作繁琐、数据采集精度低、数据传输慢和系统控制效果差等问题,设计了一种定容燃烧弹控制与数据采集系统。首先,对定容燃烧弹各系统进行方案设计,结合传感器、点火线圈和高速摄像机等硬件搭建系统的功能模块;其次,完善LabVIEW软件编程上位机对单片机、cRIO控制器组成的下位机的系统控制和数据采集;最后,通过实验测试系统的性能。结果表明:设计的控制与数据采集系统实现了定容燃烧弹系统的集成化,优化了实验步骤,提高了实验效率,提升了数据采集精度和数据传输速度,并实现系统数据采集与控制的数字化、图像化和自动化。所设计的定容燃烧弹控制与数据采集系统可进行预混燃烧及喷雾实验,可为内燃机和燃气轮机等燃烧室的设计及合理应用提供参考。

基于KPCA-IPOA-BiGRU的联合循环余热锅炉主蒸汽参数预测

余热锅炉主蒸汽参数对于联合循环机组的健康运行判断至关重要。针对余热锅炉运行参数非线性和时延性导致主蒸汽参数预测精度低的问题,提出了一种联合循环余热锅炉主蒸汽参数预测模型。首先,采集燃机电厂的SIS运行数据,通过灰色相关性分析法确定输入变量;其次,通过核主成分分析(kernel principal component analysis,KPCA)提取输入参数的特征信息,并根据主成分贡献率选取输入维度;最后,利用改进的鹈鹕优化算法(improved pelican optimization algorithm,IPOA)优化双向门控循环神经网络(bi-directional gated recirculation neural network,BiGRU),并构建KPCA-IPOA-BiGRU进行三压余热锅炉主蒸汽参数的预测测验。结果表明,现场采集的10000组数据点,其中8000组用作训练集,2000组用作测试集,提出的模型将28维输入参数降低至8维,可准确预测3个压力级的蒸汽参数,且R2均大于98%,为预测时延性的联合循环余热锅炉主蒸汽参数提供了技术支持。

基于降阶模型的热过程快速预测方法研究

为了对热过程控制进行设计,常采用“热流耦合”的计算流体力学(CFD)方法对热过程进行模拟,为了得到合理的热控制方案,常需要反复的CFD分析,成本较高,而且不方便实时调整控制方案。为解决这一问题,基于Volterra级数降阶模型,提出了一种热过程快速分析预测的方法,为热过程控制策略制定及控制参数确定提供了一种工具。该方法根据在阶跃温度加热条件下热过程系统的响应,辨识Volterra级数降阶模型的核函数,构建系统温度与控制条件之间关系的降阶模型,进而快速计算不同控制过程下系统的温度响应。该降阶模型可以用来实时预测系统的加热过程和优化系统的热过程控制方法。算例的结果表明:采用Volterra级数降阶模型得到的系统温度响应与采用CFD方法得到的响应一致,且采用降阶模型方法进行热过程预测和控制优化的效率非常高。

碳效比-装备产品低碳性能关键技术参数

本文创新性提出使用产品碳效比作为衡量装备产品低碳性能的技术参数,即以产品碳排放总量与其功能单位总和之商来衡量装备产品低碳性能。比较分析碳效比(CER)、碳足迹(CFP)的异同,及其在评价装备产品低碳性能上应用效果的优差,并以装备产业的典型产品为实例,使用不同技术参数评价装备产品低碳性能,为碳达峰理论探索提供数据验证实例,明确了碳效比(CER)的合理性及适用范围。

基于Pearson相关性的VAR模型煤电水煤比寻优应用

本文为解决350MW燃煤机组在煤质频繁变化情况下水煤比失衡的问题,使用向量自回归(VAR)模型在机组参数波动工况下进行水煤比寻优。通过使用Pearson相关系数分析机组运行参数,确定寻优模型的输入数据,计算VAR模型最优阶数,并建立VAR模型从多个参数的时间序列寻找对应工况下水煤比最优值,同时使用三种不同分析方法确保该最优值的准确性和安全性。实践证明,该方法能有效解决机组由于煤质频繁变化导致锅炉给水策略不适配引发的主蒸汽温度和主蒸汽压力偏差大等问题。

基于抗扰动Smith预估补偿的磨煤机出口风粉温度优化控制

“双碳”背景下,作为高能耗高排放的火电机组,其燃烧性能直接影响发电效率和碳排放量。锅炉燃烧优化控制对运行优化和灵活调峰是有重要意义。电站锅炉磨煤机的出口风粉温度控制面临大延迟、多干扰问题,对燃煤机组安全稳定运行具有重要影响。基于Smith预估控制器,在补偿回路中增设反馈环节,实现了高效抗干扰,提升磨煤机风粉温度控制性能。通过Taylor级数展开和待定系数法求取模型近似转换参数,获得一阶惯性纯滞后模型,进而设计抗扰动型Smith预估补偿控制器。通过与单回路PID控制试验对比,发现Smith预估补偿控制算法可有效补偿控制对象的纯延迟滞后环节,单位阶跃响应超调量降低36.5%,调节时间缩短65.8%。相比经典Smith预估补偿控制算法,抗扰动Smith预估补偿控制算法可提高控制算法的抗扰动性能,并显著改善控制对象的动态特性,单位阶跃响应超调量减小44.7%,调节时间缩短15.7%。同时,实现了扰动最大偏差和收敛时间的降低。最后,在某660 MW超临界一次再热燃煤机组上应用该方法,实现了磨煤机出口风粉温度实际值对设定值的平稳跟踪,进一步验证了该方法的有效性。

烟气碳排放监测数据补缺方法适用性

烟气端碳计量技术近年来逐渐受瞩目,然而由于国内相关技术标准和体系尚待完善,该技术尚未在发电行业的正式推广应用,尤其在CO_(2)监测数据补缺方面鲜有研究。探讨了CO_(2)监测数据缺失时的有效补缺方法,在CO_(2)浓度方面上对比了保持缺失段前最后有效值、基于缺省值与中位修正值的氧气换算三种补缺方法,在长周期碳排放量方面进一步增加对比了取180 h内最大碳排放速率的补缺方法。研究结果显示,两机组烟气实际燃料燃烧的最大CO_(2)体积分数在不同负荷率条件时不是固定值,且分布规律也各不同。燃煤机组的反演算最大CO_(2)体积分数散布上下限差异约4%,在负荷率方向上总体变化小,整体反演算数据的中位值18.67%,与缺省值相差小,仅0.03%。燃气机组的反演算最大CO_(2)体积分数在负荷率方向上变化存在两段显著差异,20%负荷率以下时,随负荷率上升而逐渐上升,20%负荷率以上时,随负荷率上升基本稳定,整体反演算数据的中位值11.38%,与缺省值差0.12%。在长周期考察中,用修正方法补缺后数据最接近于正常数据,1个月内造成的碳排放量偏差均控制在1.5 t以内,从数据准确性角度看,该补缺方法有高适用性。此外,采用取180 h最大值补缺的方法,虽可作为碳数据管理部门对企业的一种有效惩罚性管理手段,但长远来看,随着烟气监测法在火电行业的广泛推广,该方法可能会导致我国在国际层面的碳相关事务谈判或交易中我国火电行业的碳排放总量被高估。

高温受热面壁温智能调节系统开发及应用

大容量、高参数的对冲燃烧煤粉锅炉常因高温受热面壁温分布不均影响运行安全性和经济性。针对该问题,通常需开展制粉系统或燃尽风的优化调整,但由于壁温分布可能随锅炉运行工况变化,单次优化调整结论无法适应所有工况。基于壁温调节原理设计了燃尽风智能调节策略,优化了燃尽风装置的进风结构并配备电动执行器,开发了一套高温受热面壁温智能调节系统,旨在实现燃尽风优化调整的自动化和智能化。在某1000 MW机组开展了高温受热面壁温智能调节系统的实炉测试,对比了不同负荷下未投用和投用该系统后高温过热器出口的壁温分布及高温过热器、屏式过热器出口汽温与最高壁温的偏差随时间的变化趋势,统计了不同负荷段未投用和投用该系统后高温过热器、屏式过热器出口汽温与最高壁温的平均偏差。结果表明,不同负荷下,高温受热面壁温智能调节系统均可根据受热面实时壁温分布,自动调整各燃尽风的开度和摆角,使受热面沿炉宽方向壁温分布趋于平均。不同负荷下,高温受热面壁温智能调节系统均可显著降低壁温偏差,屏过出口壁温偏差由50℃降至20~30℃,高过出口壁温偏差由20℃降至12℃。投用高温受热面壁温智能调节系统可显著降低因负荷变化而增大的壁温偏差。高温受热面壁温智能调节系统可在调平壁温的同时调平氧量。