基于神经网络的重型车辆远程监控NOx传感器露点保护过程数据修复方法

为解决重型车辆远程监控数据中NOx传感器露点保护过程的数据无效问题,利用一辆国六重型车辆的PEMS测试对露点保护期间的高NOx排放问题进行探究,验证了利用神经网络算法修复数据和提高远程监测数据利用率的可行性。结果表明,NOx传感器露点保护过程会导致30%以上的NOx排放量未被统计;在露点保护期间,超过90%的数据显示车辆速度低于54 km/h、发动机冷却液温度低于82℃、SCR入口温度低于245℃、SCR出口温度低于225℃。神经网络算法可有效修复露点保护过程中失效的NOx测量值,对发动机原始排放和车辆尾管排放的累计排放量误差都在4%以内。

基于模糊模型挖掘的NOx排放MAP图标定方法研究

针对柴油机原始NOx排放MAP图标定过程中过度依赖于人工经验、时间成本高的问题,本文提出一种基于模糊模型挖掘的NOx排放标定方法。首先,该方法利用所有采集的NOx排放数据计算模糊规则的支持度,通过最大支持度的选取,实现模糊规则的挖掘提取。其次,通过对所有数据的支持度计算,削弱了异常点和噪声的干扰,增加了模型的鲁棒性。为了进一步提高模型的精度,本文设计了基于梯度下降法和输入变量模糊空间增量算法的参数优化过程。整体算法通过多个嵌套循环程序来实现,降低了模型训练难度,缩短了开发周期,适合工程应用。最后,本文将改方法应用于一款柴油机原始NOx排放MAP图的标定,实验结果显示了该方法的准确性、鲁棒性和实用性。

基于BWOA-GAM-BiGRU的火电厂SCR系统出口NOx排放预测

提出了一种基于数据驱动结合全局注意力机制与双向门控循环单元深度神经网络的选择性催化还原系统出口NOx排放预测模型,并使用黑寡妇优化算法对网络超参数进行自动寻优。对某300MW电厂选择性催化还系统的历史运行数据进行深度挖掘,确定模型输入变量并校准各输入变量与NOx排放量之间的时延并重构样本序列。实验结果显示,所提出模型的预测结果比典型预测模型具有更高预测精度和更好的泛化能力。

基于组合时域特征提取和Stacking集成学习的燃煤锅炉NO_(x)排放浓度预测

为提高火电厂锅炉出口NO_(x)排放浓度的预测精度,提出一种考虑组合时域特征的Stacking集成学习模型。首先,为挖掘数据深层信息,采用时序分析、完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise analysis,CEEMDAN)和统计学计算数据标准差、偏度等特征的方法进行组合时域特征提取以构建重构数据;其次,考虑到重构数据中存在的冗余变量对模型的精度有所影响,利用遗传算法(genetic algorithm,GA)对重构数据进行特征降维;最后,为充分发挥各个模型的优势以提高模型的预测精度,构建以极限学习机(extreme learning machines,ELM)、深度神经网络(deep neural networks,DNN)、多层感知器(multilayer perceptron,MLP)、极限梯度提升算法(extreme gradient boosting,XGBoost)为基模型和以回声状态网络(echo state network,ESN)为元模型的Stacking集成学习NOx排放浓度预测模型。实验结果表明:该预测模型在不同数据集下都有着不错的预测效果,预测误差均小于2%,能够对锅炉NOx排放浓度实现精准预测。

大数据视域下的脱硝自动化智能控制系统研究

火力发电过程中生成的NOx排放物对环境危害巨大,大数据技术的引入对于提高其脱硝技术的性能和效率具有重要意义。基于此,可以运用大数据技术搭建一款脱硝自动化智能控制系统,为了提升该系统控住的精准性,提供了一种基于数据驱动和一种基于知识库的脱硝自动化智能控制流程,并研究了二者的优劣。结果表明,两种流程各有优缺点,在实际应用中需要根据实际情况进行灵活选择,从而可以达到更好的脱硝效果。

燃煤电站锅炉低NO_x燃烧运行参数优化

针对某电厂300 MW机组低NO_x燃烧优化调整,结合NO_x生成规律与数据分析方法,筛选原始运行数据库,建立二次风软测量模型与氧量聚类挖掘模型,从而减少原始运行参数数量,并利用粒子群优化Apriori算法,挖掘精简后的数据库中符合机组NO_x减排要求的各个参数的最优参考工况.结果表明:寻优后的烟气含氧量、磨煤机组合方式、二次风门开度和分离燃尽风(SOFA)门开度等参数均符合燃烧调整试验结论,寻优结果在保证锅炉效率的前提下,有效地降低了SCR装置进口NO_x质量浓度.

基于ETC循环功的大型车辆道路NO_x排放分析

利用车载设备采集大型车辆在实际运营道路上NO x排放数据和发动机信息等,采用基于发动机ETC循环功的数据分析方法,对测试数据进行分析。结果表明:循环片段内的NO x排放受发动机的运行工况影响较大,当片段内的发动机输出转矩较小、转速较低的工况较多时,片段内的NO x比排放升高,反之下降;说明该方法能有效分辨出车辆在实际道路行驶时的排放水平,为政府监管车辆实际道路上的NO x排放提供了技术支持。

基于改进分布式极限学习机的电站锅炉NO_x排放预测算法

提出了一种改进的分布式极限学习机的电站锅炉NO_x排放特性建模方法。引入分布式和岭回归理论,提升了极限学习机预测算法的泛化性能和预测准确率。采用改进的MapReduce编程框架对提出的算法模型进行并行化改进,提高其处理大数据的能力。选用某660 MW电站锅炉提供的真实运行数据进行分析,并在Hadoop集群上进行实验,结果表明该模型对NO_x排放有着较好的拟合和预测能力,且提出的算法具有优异的并行性能。

核心向量机的电站锅炉NO_x排放特性大数据建模

为克服传统燃烧优化算法受制于小样本建模的缺点,提出了一种基于大规模数据的NOx排放特性建模方法。应用核心向量机(core vector machine,CVM)对11660组实验数据、共77维运行参数建立了超超临界锅炉的NOx排放特性模型,并对模型参数C和ε进行优化,选定模型参数组(C,ε)为(105,6×10-6),得到了较短的建模时间和较高的预测精准度。同时将建立的CVM模型与其他常见算法支持向量机(support vector machine,SVM)和SVMLight进行性能对比,结果表明,CVM具有优越的收敛速度和更强的泛化能力,随着建模数据量的增加,CVM模型预测准确度有所提升,在建模时间上表现平稳,相对于其余2种算法具有显著优势。

基于GT-POWER的NO_x吸附还原催化器建模研究

本文中使用GT-POWER模拟工具,结合试验数据建立了NOx吸附还原催化器模型,并通过试验结果与模型模拟结果对比分析,验证了该催化器模型正确。这种通过GT-POWER模拟工具与试验数据相结合建立模型的方法,同样适用于其他类型的催化器,是一种有效的催化器建模方法。

基于全工况数据挖掘的多目标燃烧优化

为了使燃煤电站锅炉燃烧达到高效低污染的目的,提出了锅炉燃烧优化的约束模糊加权规则提取算法,该算法可以快速确定燃烧过程中各变量的定量关系,并给出相应的数据挖掘方法,从锅炉全工况海量历史运行数据中提取燃烧优化规则,并构建燃烧优化知识库,实现多目标燃烧优化。通过在发电机组上的实际实验,验证了在同等工况下,利用锅炉燃烧优化规则,NOx排放质量浓度平均值下降69.47 mg/m3,飞灰含碳量平均值下降0.05%,锅炉效率平均值提升0.11%。因此,基于全工况数据挖掘的多目标燃烧优化,能够有效缓解燃煤电站节能减排的压力,也便于实施和在线应用。

基于探索性空间分析的中国氮氧化物排放强度研究

采用全局和局部空间相关分析方法研究中国省际氮氧化物排放强度的空间自相关性和空间异质性。结果表明:2003—2011年全局自相关Moran'sⅠ值均为正数,表明省域之间氮氧化物排放强度呈现正相关的空间集聚分布,2003—2011年氮氧化物排放强度的空间聚集程度在不断加强;氮氧化物排放强度的空间异质性主要表现为氮氧化物排放强度的"冷点"区相对稳定,主要集中在东部、南部沿海和长江中游地区,"热点"区主要集中在东北、大西南、大西北和黄河中游地区;氮氧化物排放强度的空间差异与区域经济发展水平、产业结构和能源利用效率等因素密切相关,基于空间探索性数据分析方法研究我国氮氧化物排放强度的空间异质性,为国家制定差异化的区域氮氧化物减排目标和氮氧化物排放调控政策提供有益参考。

基于在线运行参数预测锅炉NO_x排放浓度

为获得通用性较好的预测锅炉NOx排放浓度的经验关系式,以某电厂1台330 MW机组锅炉为研究对象,基于锅炉在线运行参数和NOx排放浓度测量值,采用多元线性回归方法,对锅炉NOx排放浓度与主要运行参数之间的相关性进行分析。研究结果表明,机组负荷、锅炉运行氧量、各层燃烧器热负荷对NOx排放浓度的作用均非常显著,它们是NOx排放浓度的主要影响因素。根据研究结果建立了预测锅炉NOx排放浓度的经验关系式,NOx排放浓度预测值与实测值的偏差大多在10%范围内,结果良好,表明基于在线运行参数预测锅炉NOx排放浓度的经验关系式具有工程应用价值。

一台燃煤锅炉运行性能随气温变化的实证分析

充分挖掘现有机组运行DCS历史数据,直接为优化运行服务,是智能发电技术研发的重要途径。本文以一台600 MW机组近一年DCS存储的相关历史运行数据为基础,分析锅炉运行性能和参数随锅炉出力(主蒸汽流量)和气温(送风机入口风温)的变化。计算分析结果表明:该机组在气温高于年平均值的秋夏季节,相同负荷下的总燃料量比冬春季节明显升高;氮氧化物排放随气温变化不大。秋夏季节负荷较高的情况下,烟气氧量处于合适的水平,风煤配比恰当,但锅炉排烟温度较高,消耗燃料较多,对应锅炉热损失较大。因此,单纯地以追求最佳烟气氧量水平就以为达到了优化燃烧工况的认识和实践是片面的。气温较高的秋夏季节,总风量实际值与理论空气量之差与总燃料量之间显示了良好的正相关性,可能说明总风量高于理想风量是造成秋夏季节燃料量偏大的直接原因之一。

基于KPCA-Kmeans++数据挖掘的二次风燃烧优化

为了解决算法对全工况数据挖掘难以精简寻优,以及针对燃烧优化调整试验中工况点选取不全面的问题,设计了一种基于KPCA-Kmeans++数据挖掘燃烧优化方法。通过对海量历史运行数据挖掘,发现不同工况下锅炉稳态运行条件下主要运行参数与性能指标之间的关联关系,并根据关联规律得到锅炉高效率低污染运行时所对应的参数运行目标值,通过对大量数据挖掘结果进行降维聚类得到直观、精简的燃烧控制规律,进而指导燃烧优化。以起磨方式作为工况划分标准,采用核主成分分析(KPCA)对历史数据所包含参数进行降维处理,以改进K均值(Kmeans++)算法对同种工况下海量数据聚类分析,在每种工况下确定3种燃烧优化模式。对比某电厂5号机组二次风优化效果表明,优化后SCR脱销入口NOx浓度平均下降29.2mg/m 3,锅炉效率平均提升0.11%。

锅炉配风挡板过流特性的提取算法研究

根据电厂通常的热工测量仪表配置,建立了锅炉挡板风门系统的空气流量测量模型。将机理建模与数据挖掘技术相结合,从锅炉运行数据中提取挡板风门的过流特性曲线,用于喷口流量测量,节省了元件的实验室测试和标定费用。在一台运行锅炉上,对空气喷口的挡板风门过流特性进行实际测定,并与从运行数据中提取的曲线相对比,二者吻合良好。空气喷口流量测量使炉膛内风粉分布监测成为可能,从而可对低NO_x煤粉燃烧器的控制进行改进。

浅析HORIBA烟气在线监测系统常见故障及处理措施

本文主要对HORIBA气体在线监测系统ENDA系列产品在使用过程中的常见故障进行了总结,主要有NOx数据异常、氨逃逸异常、氧量异常三大类,对造成以上问题的主要原因进行了分析,并从取样管路系统的泄漏、堵塞等方面对相应的处理方法进行了介绍。

基于深度循环神经网络的SCR烟气脱硝系统出口NOx排放预测研究

基于具有长短时记忆功能的深度循环神经网络(Deep Recurrent neural network with Long-short term memory,DRNN-LSTM),利用某厂650 MW燃煤锅炉一个月的历史运行数据,建立了SCR烟气脱硝系统出口NOx排放预测模型。DRNN-LSTM网络同一隐藏层的所有循环体中的参数矩阵相同,需要学习的参数个数少,训练模型具有很高的稳定性。测试结果与定量分析表明:DRNN-LSTM模型计算时间与其他传统数据模型相近,但拟合效果与预测精度明显高于其他模型,说明该模型收敛速度快、泛化能力强,可准确描述SCR脱硝系统的反应过程,能够有效应用于电厂烟气脱硝系统出口NOx浓度的预测中。

燃煤电厂控制氮氧化物的原则性方法及燃烧优化技术

依据大量国内、外技术文献,简要回顾燃煤电厂氮氧化物的生成原理及其研究现状,从原理和应用的角度分析现有氮氧化物控制方法的特点和局限,包括降低火焰中心温度、缩短燃料在主燃区停留时间、添加还原剂及吸收吸附等方法;介绍基于建立氮氧化物生成及锅炉效率模型的多目标燃烧优化思路。