基于遗传算法优化的BP神经网络气化用煤灰流动温度预测模型

采用遗传算法优化的BP神经网络建立煤灰流动温度预测模型,模型以灰成分及酸碱质量比、硅铝质量比等组合参数作为输入变量,以煤灰流动温度作为输出量,对126组来自中国北部地区的煤灰样数据进行训练与测试,并建立常规BP神经网络模型,研究了各输入变量对网络模型预测精度的影响并对比与常规BP神经网络模型的预测能力。结果表明:不同输入层变量的GA-BP神经网络模型对训练集和测试集样本数据都具有较好的学习和泛化能力,所有预测结果相对平均预测误差均不超过4%。酸碱质量比和硅铝质量比参数作为神经网络输入层的添加,虽略微提高模型对训练样本的拟合程度,但也导致验证时过拟合现象的发生,模型对新样本的拟合优度下降。采用SiO_(2),Al_(2)O_(3),Fe_(2)O_(3),CaO,MgO和Na_(2)O+K_(2)O的质量分数6个参数作为输入变量的GA-BP模型最为适合,其对测试集数据的预测相对平均误差为3.45%,低于常规BP神经网络模型3.79%的误差。

应用原料煤分析数据建立煤灰流动温度模型

通过对某公司LIMS系统中原料煤分析数据进行分类、研究,将煤灰主要成分、硅铝比、酸碱比等参数与煤灰流动温度相关联,建立煤灰流动温度经验公式模型,用以指导配煤,为气化炉运行提供支撑,并可对分析数据的准确性(或可靠性)进行校验,为同类装置提供借鉴。

煤灰流动温度预测模型的研究

以181种煤样的灰流动温度为基础,通过多元线性拟合以及逐步回归法,建立了关联各煤灰氧化物成分以及煤灰酸碱比的流动温度预测模型,相关性系数达0.934,该模型预测值与实验结果有较好的一致性。利用FactSage软件计算出液相线温度,建立流动温度与液相线温度之间的关联公式,相关性系数达0.924,说明该关联式同样具有较好的预测效果。

淮南煤灰中晶体矿物组成与煤灰流动温度关系的研究

选取10种不同灰熔融温度的淮南煤,利用典型煤灰化学组成预测煤灰熔融温度的经验公式,对其煤灰流动温度进行了研究,发现预测精度不高;借助X射线衍射K值法分析计算了淮南煤灰的晶体矿物组成,并对晶体矿物组成与淮南煤灰流动温度的关系进行了关联,提出了利用晶体矿物组成预测煤灰流动温度的回归公式,揭示了淮南煤灰中晶体矿物组成与煤灰流动温度的内在关系,利用该公式计算的煤灰流动温度与实测值之差的绝对值小于国标规定的误差值(再现性小于等于80℃)。

预测自喷井流动温度的一种数学模型

从生产需要出发 ,根据传热学的基本原理 ,分析了井筒管柱系统的热阻 ,通过假设 ,简化井下的复杂情况 ,应用能量守恒定律 ,建立了热平衡的自喷井流动温度微分方程数学模型 ,并利用边界条件给出了方程的解析解。模型计算与现场实测的动态温度值相比较 。

斜井井筒中流动温度分布的预测方法

根据油气水在斜井中流动的特点，从能量方程、气体定律及连续性方程出发，综合考虑传热、相变、焦尔－汤姆森效应等因素，并结合前人的研究成果，得出了考虑井筒与水平面夹角的斜井井筒中流动温度分布的计算方法。用取自江汉、中原等油田１３口垂直井（即夹角为９０°）的１３３个测点温度进行了验证。结果表明，平均误差为１．６７１℃，绝对平均误差为３．３４３℃，标准偏差为６．２１６，相关系数为０．９７８，因而基本上可以满足工程精度要求。

酸碱比值与助熔剂对煤灰熔融流动温度影响的研究

以我国62组重要商业用煤的煤灰化学成分和灰熔融性为研究对象,讨论了酸碱比值与灰熔融流动温度的关系,结果表明酸碱比值越大,流动温度越高。考察了助熔剂CaO和Fe2O3不同添加量对6组高灰熔点煤灰熔融流动温度的影响。实验表明:同一煤样中添加相同质量的助熔剂CaO和Fe2O3,对酸碱比值的改变相同,但是其助熔效果不同,因此酸/碱比值不可当做衡量煤灰熔融特性的唯一参数。以6种煤的实测数据为基础,对助熔剂CaO添加量的经验公式的准确性和适用性作了分析。由于煤种的多样性与灰成分的复杂性,使得经验公式具有局限性,助熔剂添加量的确定仍需实验测量。

煤灰流动温度的预测研究

利用回归分析法与Factsage软件法建立了煤灰流动温度的预测模型,并将所得预测公式与3个典型经验公式进行对比。结果表明,利用回归分析法建立的预测模型的预测效果整体优于典型经验公式,其中利用最小二乘法建立的预测公式效果最佳,误差在50℃内的概率为88.6%,在80℃内的概率为95.5%。利用Factsage软件法建立灰流动温度预测公式相关性系数为0.86,该公式对于预测煤灰流动温度具有一定的普适性和准确性。

煤灰流动温度的预测数学模型

煤灰组成对煤的熔融性有着及其重要的影响。选取尔林兔、王家塔和大柳塔3种煤两两互配得到30组煤样,研究了煤灰不同成分对其熔融温度的影响,结果表明:Al_2O_3、Fe_2O_3和TiO_2均可提高煤灰的流动温度,而SiO_2、CaO和MgO可降低煤灰流动温度。

FactSage软件应用于预测煤灰熔融流动温度

利用FactSage软件绘制了煤灰主要组分的三元相图,从热力学角度预测及分析了煤灰熔融性与流动性,表明煤灰液相线温度与灰熔融流动温度间确实存在对应关系。借助FactSage软件模拟计算煤灰熔融过程中生成的矿物质各相态组成,得出煤灰在该温度下的熔融矿物液固比率。对比实验测量值与软件计算值,结果表明当熔融渣中液含率为90wt%时对应的温度值与其灰熔融流动温度值最接近,并且FactSage软件同样也适用于预测高灰熔点煤助熔剂CaO的添加量。

煤灰主要成分与流动温度关系预测

煤灰熔融性影响到燃煤电厂锅炉尾部受热面的结渣、堵塞问题,为了准确预测煤灰在特定温度下的熔融行为,根据不同煤灰流动温度的原始数据,煤灰的流动温度作为因变量,主要成分、酸碱比作为独立变量,利用FactSage软件,通过多元线性拟合准确建立煤灰主要成分与流动温度的回归方程,对煤灰流动温度具有很好的预测效果。

褐煤煤灰流动温度预测模型研究与应用

利用偏最小二乘法建立褐煤煤灰流动温度预测模型。在SHELL气化炉生产过程中,应用此模型对入厂煤、输煤混配煤、气化入炉煤煤灰流动温度进行预测,同时应用国标分析方法对537组褐煤煤灰流动温度进行实测,煤灰流动温度预测值与实测值平均残差13.9℃,平均相对误差1.53%,最大预测误差为3.66%,满足Shell气化炉实际生产需求。2013年至今,使用褐煤煤灰流动温度预测模型累计报出煤灰流动温度预测数据2852批次,真正实现了预测模型的工业化应用。

水库温度分层流动的三维数值模拟

水库中水温是一个重要的水质因素,其变化直接影响水环境中水生生物的生存。为了预测水库水温分层分布规律,研究水流流动特性,采用剪切应力输运紊流数学模型,考虑紊动剪切应力的输运作用,数值模拟了水库中冷热水密度差产生浮力流继而导致温度分层。通过模拟结果与实测资料以及沿横向平均的二维水温模型计算结果的对比分析,结果表明剪切应力输运模型能够准确地模拟水库中温度分层流动,同时可给出密度下潜流流动细节情况。

污泥对高灰熔融温度煤灰熔融特性调控机制

我国高灰熔融温度煤储量巨大,灰中硅铝含量高,而部分污泥中碱性氧化物含量高,将其与高灰熔融温度煤共气化为高灰熔融温度煤灰熔融特性的调控提供了可能。研究了城市污泥(CS)和制药污泥(ZY)对高灰熔融温度焦作煤(JZ)灰熔融特性的影响。结果表明:向JZ灰中添加CS灰和ZY灰均可降低其灰熔融温度,添加ZY灰对JZ灰熔融温度降低效果更明显;CS灰和ZY灰的添加比例分别为15%和10%时,2种混合灰的流动温度降至1380℃以下,满足气流床气化液态排渣要求。CS灰CaO含量高,ZY灰Fe_(2)O_(3)含量高,随污泥灰添加,CS灰中CaO与Al_(2)O_(3)和SiO_(2)反应生成的钙长石增多,其与石英发生共熔导致液相含量增加降低了灰熔融温度;弱还原气氛下JZ-ZY灰中Fe 3+被还原为Fe 2+,并使生成的铁尖晶石等铁系矿物质增多,低熔点铁尖晶石在低温下熔融及铁系矿物质与其他物质发生的低温共熔降低了JZ灰熔融温度。污泥灰添加比例相同时,与JZ-CS灰相比,JZ-ZY灰中理论固相含量更低;晶相衍射峰强度和数量更低;1500℃时,ZY灰占比25%的混合灰达到全液相状态,而CS灰占比25%的混合灰中仍有部分莫来石。摩尔离子势α与2种混合灰的特征温度均呈线性正相关。JZ-ZY灰的α降幅更大,因此JZ-ZY灰熔融温度降低更明显。

成型温度对OGFC-5干法高黏复合沥青混合料路用性能的影响

一些高黏改性沥青混合料采用干法施工,而其施工温度是采用湿法改性得到的高黏改性沥青来确定,二者存在匹配性问题。对SBS改性沥青运用湿法工艺添加高黏改性剂制得复合改性沥青,按等流动性通过黏温曲线与流动性-温度曲线分析复合改性沥青的可施工温度范围;通过试验对比不同成型温度下,干法高黏复合改性沥青混合料的高温性能、水稳定性以及体积指标,确定最佳的成型温度。试验结果表明,通过加高黏剂,改善了沥青的高温性能、黏韧性和低温抗裂性能,对干法添加的混合料,随着成型温度的提高,沥青混合料的高温性能持续增强,水稳定性先上升后下降,OGFC-5干法高黏复合改性沥青混凝土的最佳成型温度区间为165~175℃;湿法改性沥青的黏温曲线能在一定程度上反映干法改性沥青混合料的施工温度性能。

气举井井筒中的温度分布预测方法

先从基本方程出发,综合考虑传热、相变和焦尔-汤姆森效应等因素,得出气液同时沿井筒中向上流动时的温度分布的计算公式;再考虑注入气对井筒中温度分布的影响,得出气举井在稳定生产条件下井筒中温度分布的预测方法.若略去注入气的影响,该预测方法即可用于预测自喷井井筒中的温度分布.用13口自喷井的133个测点温度对该方法所进行的验证结果表明,其计算精度与现有方法中较好的 Sagar 方法的计算精度相当;而用3口气举井的25个测点温度所进行的验证结果表明,其计算平均误差为6.64%,绝对平均误差为14.73%,标准偏差为21.69.可见,该方法基本上可以满足工程精度要求.

晋城无烟煤灰熔融温度的助熔调控方法研究

研究晋城无烟煤用于液态排渣气化工艺时灰熔融温度的适应性及其助熔调控方法,可为其液态排渣气化技术的现场应用提供基础支撑。选取晋城10个矿区的无烟煤,探究煤灰化学组成及酸碱比等参数对晋城无烟煤灰熔融温度的影响,采用添加碱性助熔剂或掺配高碱性氧化物含量煤的方式研究晋城无烟煤的助熔调控方法。结果显示:晋城无烟煤灰熔融温度高的原因在于灰组分中酸性氧化物含量高(80%~90%)、碱性氧化物含量低(9%~18%)、酸碱比高(4.6~7.6);煤灰熔融流动温度均在1500℃以上,需添加石灰石类的碱性助熔剂或掺配高钙煤以用于晋城无烟煤的液态排渣气化技术。添加石灰石和配煤的实验显示:在晋城无烟煤中添加2%~4%的石灰石或掺配40%的神木煤即可将流动温度降低至1400℃以下,从而满足液态排渣气化技术对晋城无烟煤灰熔融温度的要求。

煤灰成分和煤灰熔融性的关系

系统地研定了中国煤的灰熔融性软化温度ST和流动温度FT与煤灰中SiO2、Al2O3、Fe2O3、CaO等主要成分间的关系。并推导出了利用煤灰成分计算煤灰熔融性ST和FT的一组多元回归式。这些回归式的精度达到较高的水平,具有广泛的实用价值和推广价值。

基于混料试验设计优化煤气化复配助熔剂

为降低安徽淮南煤气化过程中煤灰熔融温度,解决高灰熔融温度煤在液态排渣气化炉的应用问题,利用混料试验设计对1号(钙基助熔剂)、2号(镁基助熔剂)和3号(铁基助熔剂)3种煤气化复配助熔剂进行优化,并以煤灰流动温度为评价指标,优选出所选助熔剂的最佳复配条件,并建立数学回归模型。结果表明:回归模型得出的煤灰流动温度预测值与试验实测值相差在20℃以内;通过混料试验设计,3种助熔剂的质量分数分别为0、0.47和0.53时,对所选煤样的助熔效果最佳,且数学回归模型预测结果与验证试验结果一致。

基于GA-BP算法的气化配煤灰熔点预测

为了提高气化配煤煤灰流动温度预测的精度和稳定性,提出将遗传算法(GA)与误差反向传播神经网络(BP)相结合的预测方法,采用GA优化BP神经网路的权值和阈值,再用BP算法训练网络,结合仿真实验分析比较了GA-BP网络算法与常规BP神经网络方法的精度和稳定性。结果表明:GA-BP网络改善了BP网络容易陷入局部极小值和收敛速度慢的缺点,经GA优化的BP神经网络预测方法的预测精度高于BP网络算法,将其应用于气化配煤灰熔点预测有效可行。