基于LIBS和NIRS信号同步采集和融合的入炉煤发热量测量研究

快速准确地对入炉煤发热量进行检测是指导电厂经济安全运行的关键,然而煤炭成分复杂,其发热量与元素组成和分子结构都有一定的相关性,单一分析技术快速准确测量入炉煤发热量比较困难。基于激光诱导击穿光谱(LIBS)技术和近红外光谱(NIRS)技术,提出联用2种技术检测入炉煤发热量的方法。同步采集输送带上煤炭的LIBS和NIRS光谱信号,进行光谱数据预处理后融合2种光谱信息,并结合偏最小二乘(PLS)建模方法定量分析煤炭发热量。将该方法用于搭建煤样测量系统,得出煤样发热量定标集的决定系数为0.98,预测集均方根误差为0.37 MJ/kg,平均绝对误差为0.26 MJ/kg,平均相对误差为1.09%。表明所提出的在输送带上LIBS和NIRS信号同步采集方法可快速准确测量入炉煤发热量。

基于SCADA系统OPC通信的控制系统实时仿真

数据采集与监视控制系统(Supervisory Control andData Acquisition,SCADA)是以计算机为基础的生产过程控制与调度自动化系统。它可以对现场的运行设备进行监视和控制,以实现数据采集、设备控制、测量、参数调节以及各类信号报警等各项功能。利用SCADA对OPC(OLE forProcess Control)技术的支持来构建控制系统的实时仿真,解决了传统的有人参与的分布交互式和集成综合环境仿真的不足,并且大大降低了开发的难度,提高开发的速度和开发的质量。重点介绍了控制系统实时仿真模型的建立,利用微软的WTL(系统模板库)设计与实现数学模型、OPC服务器,使用SCADA软件对整个仿真系统平台进行了测试。

RTDB报警与事件的订阅/发布研究

随着电力行业改革的推进,发电企业面临着日趋激烈的竞争,迫使企业促进信息化水平,实现数字化管理,以提高企业的综合竞争能力,因此越来越多中大型发电企业引入电厂厂级信息监控系统(Supervisory Information System,SIS)。实时数据库(Real-Time Database,RTDB)是厂级信息监控系统核心,是传统数据库技术与实时系统相结合的产物,在工业领域有着广泛应用,具有重要的研究和实用价值。报警与事件是实时数据库重要组成部分,是整个监控系统安全、稳定运行的关键。介绍了报警与事件在控制领域中的重要性,需求及其应用现状。重点论述了报警与事件信息的订阅/发布机制如何实现。

基于UWB技术的斗轮机定位在数字化煤场应用研究

国内燃煤火力发电厂来煤情况复杂,锅炉基本上是用优、劣煤混配以达到降低火力发电成本。少数电厂建成的数字化煤场管理系统已实现了煤场分区管理、煤场出入库管理、煤场盘点管理、煤场三维图形展示,配煤掺烧等功能。斗轮机是输煤系统中取煤和堆煤的重要设备之一,斗轮机定位准确性、斗轮机管控程序是数字化煤场管理系统的关键环节。实际应用过程中由于斗轮机定位精度差、斗轮机管控程序落后,影响了数字化煤场管理系统使用效果,而UWB系统采用TOA或TDOA算法,精确的确定一个定位标签的位置。针对上述问题,提出将UWB技术应用于斗轮机定位,开发堆取料指导系统,提高堆煤、取煤精度。

火电厂智慧煤场管控系统技术研究

当前国内对能源需求放缓,电力产能过剩的矛盾依然存在,为有效应对复杂的电力和煤炭市场形势,本文阐述了目前火力发电厂在煤场管理存在燃煤混乱堆放、煤场设备自动化程度低、信息融合困难等诸多问题,提出建设智慧煤场管控系统,实现煤场三维建模、堆取料机自动作业、煤场信息化管理、科学配煤掺烧,深入挖掘内部潜力,提升燃料控价能力,降低发电成本,增强盈利能力。

基于GPRS技术电除尘器高频电源智能监测系统研究

电除尘器是火电厂重要环保设备,其运行的稳定性和参数合理性直接影响粉尘排放浓度。针对上述问题,详述利用ARM微处理器和GPRS网络相结合,开发电除尘器高频电源智能监测系统设备,在远距离处可以获得现场的实时数据,实现对高频电源远程监控和诊断。

火电企业燃料智能化管理系统的构建

根据火电企业燃料管理的现状,为解决火电企业燃料管理中存在的弊端,提高火电企业的核心竞争力,提高燃料管理水平,针对火电企业燃料计量、采样、制样、化验、煤场及耗用等管理环节,改善相关工作环境、设备、设施及工器具,实现煤炭计量、采制化全过程自动化、信息化、无人值守和在线管控。

全自动制样系统在煤炭制样中的应用浅探

介绍了5E-APS全自动制样系统的工艺流程和系统结构、运行方式、环保除尘系统、电气控制系统,重点阐述了取样、称重、制样、弃料收集等工艺流程,分析了全自动制样系统在煤炭制样实际应用中的优点及存在的问题,并对该制样系统进行灰分及全水分偏倚试验。偏倚试验结果表明:该制样系统不存在灰分实质性偏倚,系统存在的全水分偏倚在95%概率下不大于0.46%,即按照GB 474—2008《煤样的制备方法》附录C进行试验,试样系统的制样精密度符合标准要求。

火电厂燃料智能管理系统设计方案研究

到目前为止,我国的能源结构已经出现了日新月异的变化,一些能源处于一个上升趋势,比如风电、气电、核电、水电、太阳能等新型能源的逐步发展。由于环境资源的制约,低碳环保、智能化的系统已经成为未来发展的方向。当前发展火力发电的企业正接受着严峻的考验,从长远上来考虑,火电企业应该向着“干净的电、便宜的电”这一发展目标推进。随着我国电力企业的不断变革,火电企业改革的发展前景需要将计算机技术与互联网技术、燃料设备科学结合。

燃煤发电机组采样机合理配置研究

结合采样机的工作流程,分别从基本参数、采样机参数、采样方案设计及参数计算、制样方案参数计算、胶带煤流采样机配置等方面阐述了胶带煤流采样装置,从采样单元数、采样单元子样数、子样和总样质量、子样间隔详细分析了胶带煤流采样方案的设计及相关参数的计算,并从采样方式、采样单元、采样单元子样数、总样质量、初级子样质量的校核、制样系统匹配及其计算、汽车厢车采样机配置等方面阐述了汽车厢车采样装置及其各项功能性参数的计算结果。针对采样机现场条件及机组容量重点探讨了采样机的配置方案,建议应根据入厂煤种及来煤方式合理配置燃煤机组采样机。

基于L-M梯度迭代算法的煤质发热量预测模型

选取150家火电企业的煤质检测数据,通过分析泛在煤质化验数据信息,构建L-M算法下的煤质发热量的预测模型。实验结果表明:(1)煤质化验数据中仅碳(Cd)、灰分(Aad)与发热量(Qgr,ad)的线性关系较为显著,相关系数R2为0.8768和0.6880;(2)主成分分析法挖掘出影响煤质发热量的主成分特征值、特征矩阵及得分,实现了由六维矩阵降至四维矩阵的降维效果,增强了神经网络在训练过程中收敛的稳定性;(3)基于L-M算法下,改进的BP神经网络预测模型(LMBP)的训练集系数Rt、验证集系数Ra和测试集系数Rm分别为0.9957、0.9942和0.9963,总体系数为0.9931,同时通过待测20组数据进一步验证了LMBP预测模型可靠,预测精度较高,更符合实际预测需求。

基于“互联网+”的火电厂环保智能化监管系统研究与应用

火电厂企业作为国内大气中固体污染物排放总量的主要排放者和生产大户,限制国内火电厂大气污染物排放总量的合理排放,对于推进环境卫生综合保护整治活动开展具有十分重要的科学指导性。火电厂所产生排放的主要有机化学物和污染物中含有大量SO_(2)、 NO、大量烟尘。现代火电厂管理需要在将一种含有污染物的大量烟气直接向外排放前,必须先对其进行烟气脱硝、脱硫、除尘。火电厂一般单方面对电厂环境烟气污染管理设施的正常维护运行管理状态情况进行了实时监控。