CN102323213B - 基于火焰自由基的燃料种类的在线识别方法 - Google Patents
基于火焰自由基的燃料种类的在线识别方法 Download PDFInfo
- Publication number
- CN102323213B CN102323213B CN201110244469.6A CN201110244469A CN102323213B CN 102323213 B CN102323213 B CN 102323213B CN 201110244469 A CN201110244469 A CN 201110244469A CN 102323213 B CN102323213 B CN 102323213B
- Authority
- CN
- China
- Prior art keywords
- neural network
- fuel
- free radicals
- flame
- network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000013528 artificial neural network Methods 0.000 claims abstract description 54
- 230000005855 radiation Effects 0.000 claims abstract description 33
- 238000002485 combustion reaction Methods 0.000 claims abstract description 19
- 239000000284 extract Substances 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims abstract description 4
- 150000003254 radicals Chemical class 0.000 claims description 29
- 230000003287 optical effect Effects 0.000 claims description 24
- 238000009826 distribution Methods 0.000 claims description 9
- 238000003909 pattern recognition Methods 0.000 abstract description 3
- 239000003245 coal Substances 0.000 description 12
- 238000012549 training Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- CKUAXEQHGKSLHN-UHFFFAOYSA-N [C].[N] Chemical group [C].[N] CKUAXEQHGKSLHN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- LBVWYGNGGJURHQ-UHFFFAOYSA-N dicarbon Chemical compound [C-]#[C+] LBVWYGNGGJURHQ-UHFFFAOYSA-N 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000010881 fly ash Substances 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Control Of Combustion (AREA)
Abstract
本发明公开了属于燃料种类在线识别技术范围的一种基于火焰自由基的燃料种类的在线识别方法。在各种燃烧条件下，通过物镜、分光镜、反射镜、滤光器、目镜和电子倍增EMCCD相机采集已知燃料燃烧火焰中四个自由基OH*、CN*、CH*和C2 *辐射图像，提取其特征值，建立基于神经网络的燃料种类识别；将所得到特征值输入到已训练好的神经网络的输入层中，若神经网络输出为未知燃料，则保存该组特征值，将其作为新的样本对神经网络进行训练，使神经网络获取新知识，并存储到神经网络权值矩阵中，增强网络的识别能力；神经网络模式识别鲁棒性好，且可在线训练神经网络，更新权值，储备新的燃料知识，实现燃料种类识别的自动完善和更新。
Description
技术领域
本发明属于燃料种类在线识别技术范围，特别涉及一种基于火焰自由基的燃料种类的在线识别方法。
背景技术
能源与环境是制约人类发展的重要问题。目前煤炭占我国一次能源的70％左右，其中作为煤炭消耗大户的火力发电厂是我国电力生产的主要组成部分。燃煤锅炉的安全性和经济性与煤粉的种类密切相关。由于我国煤种多变、劣质煤多，以及市场因素、经济因素等的影响，使得电厂在实际运行中所用燃煤的煤种偏离了设计煤种，这必然给锅炉运行的安全带来了一系列问题，如：炉膛结渣、过热器再热器超温爆管、水冷壁高温腐蚀、飞灰含碳量升高，燃烧效率降低、发电煤耗增加和环境污染等。同时，煤的储量是有限的，随着煤的不断消耗，煤炭资源越来越紧张，生物质燃料正成为继煤、油和天然气之后的最重要的再生燃料。
发电厂可以燃烧多种燃料，但是在某一时刻燃烧哪种燃料是未知的也是不可预测的。因此在线识别燃料种类为提高燃烧效能和保证锅炉安全提供了可靠的保证。
燃料的燃烧火焰，作为高热反应的主要燃烧带，在能源转换、污染物排放和燃烧质量方面包含了重要信息。辐射光谱是火焰的重要特征，其包含了连续谱和不连续谱。连续谱中火焰特征已经充分研究过了，并开发了诸如紫外和红外火焰监测仪等。目前基于图像的火焰检测技术一般都是结合宽波带光学传感器、数字图像和图像处理技术，它所提供的信息缺少火焰自由基的细节特征，而这些特征对于可靠地识别燃料种类、研究排放物形成机理和对排放物控制至关重要。
基于火焰自由基的燃料种类在线识别，充分利用火焰自由基所提供的信息，以及神经网络模式识别较强的鲁棒性，通过训练神经网络进行燃料种类在线识别，是一种新颖、可靠且准确的燃料种类在线识别方法。
发明内容
本发明的目的是提供一种基于火焰自由基的燃料种类在线识别方法，其特征在于，包括步骤：
1)通过由物镜、分光镜、反射镜、滤光器和目镜组成的光学系统与电子倍增EMCCD相机构成燃料燃烧火焰的数据采集系统，
2)在各种燃烧条件下，由数据采集系统采集已知燃料燃烧火焰中四个自由基OH*(氢氧基)、CN*(氮碳基)、CH*(氢碳基)和C2 *(二碳基)辐射图像；
3)数据采集系统将四个自由基OH*、CN*、CH*和C2 *辐射图像传输至神经网络；
4)神经网络提取四个自由基OH*、CN*、CH*和C2 *辐射图像的特征值，建立基于神经网络的燃料种类识别系统；
5)针对前面得到待识别燃料火焰自由基的辐射图像，将所得到特征值输入到已训练好的神经网络的输入层中，若神经网络输出为未知燃料，则保存该组特征值，将其作为新的样本对神经网络进行训练，使神经网络获取新知识，增强网络的识别能力；否则，神经网络输出该燃料的类别。
所述采集已知燃料燃烧火焰中四个自由基OH*、CN*、CH*和C2*的辐射图像提取的特征值为在时域和频域内包括轮廓，灰度值，灰度分布及均匀度，其中，轮廓为具有相同灰度值的辐射图像边界，灰度值为辐射图像轮廓所定义的区域内的平均灰度值，灰度分布为辐射图像轮廓所定义的区域内的灰度分布特征，均匀度为辐射图像轮廓所定义的区域内的灰度强弱对比特征。
所述利用上述提取的特征值训练神经网络，包括设立阈值进行分类、大于阈值和神经网络输出已知燃料的种类代码，以其输出代码建立神经网络的输出与已知燃料种类之间的对应关系完成对燃料的分类识别
所述利用神经网络的输出与已知燃料种类之间的对应关系完成对燃料的分类识别是以待识别燃料火焰自由基的辐射图像所提取的特征值作为网络的输入，以神经网络的输出与已知燃料种类之间的对应关系来对燃料的分类进行识别，若可以判别，则确定所用燃料种类；若无法判别，则判断所用燃料属于未知燃料，且保存数据，作为样本重新训练神经网络，更新网络权值并存储到网络权值矩阵中，增强网络的识别能力。
本发明的有益效果是提出一种基于火焰自由基的燃料种类在线识别方法，该方法能充分利用火焰自由基的辐射图像，在基于神经网络的基础上在线识别燃料种类。神经网络模式识别鲁棒性好，且可在线训练神经网络，更新权值，储备新的燃料知识，实现燃料种类识别的自动完善和更新。利用本专利方法获得的燃料种类数据，可以用于实现锅炉燃烧的优化控制，增强锅炉运行的安全性和经济性。本专利与已有方法相比较，是一种新的且准确可靠在线识别燃料种类的方法。
附图说明
图1为本发明的示意图。
图中：1-火焰，2-物镜，3-分光镜，4-反射镜，5＝滤光器，6-目镜，7-电子倍增EMCCD相机，8-火焰自由基的辐射图像，
9-神经网络。
具体实施方式
本发明本发明的目的是提供一种基于火焰自由基的燃料种类在线识别方法；下面结合附图1对本发明予以说明。
首先，由物镜2、分光镜3、反射镜4、滤光器5和目镜6组成的光学系统与电子倍增EMCCD相机7构成对燃料燃烧火焰的数据采集系统，得到已知燃料燃烧火焰1中四个自由基OH*(氢氧基)、CN*(氮碳基)、CH*(氢碳基)、C2 *(二碳基)的辐射图像8a、8b、8c和8d；然后由数据采集系统将四个自由基的辐射图像8a、8b、8c和8d传输至神经网络9。神经网络提取四个自由基OH*、CN*、CH*和C2 *辐射图像的特征值，建立基于神经网络的燃料种类识别系统。其中对燃料燃烧火焰的数据采集系统包括四条光路：第一条为主光路，由物镜2、第一分光镜3a、第二分光镜3b及第一滤光器5a布置在一条直线上组成；第二条光路与第一条为主光路平行，由第一分光镜3a、第一反射镜4a、第三分光镜3c及第四滤光器5d组成；第三条光路在第一条主光路的上方并与第一条主光路平行，由第二分光镜3b、第二反射镜4b及第一滤光器5a组成；第四条光路在第二条光路的上方并分别与第二条光路、第三条光路平行，由第三分光镜3c、第三反射镜4c及第二滤光器5b组成；目镜6放置在四条光路的后面，使燃料燃烧火焰1经过上述光学系统后，在目镜6上得到四个自由基自由基的辐射图像8a、8b、8c和8d，该辐射图像经过电子倍增EMCCD相机7后传输至神经网络9。神经网络提取在时域和频域内的四个自由基自由基的辐射图像的特征值(包括轮廓，灰度值，灰度分布及均匀度等。其中，轮廓为具有相同灰度值的辐射图像边界，灰度值为辐射图像轮廓所定义的区域内的平均灰度值，灰度分布为辐射图像轮廓所定义的区域内的灰度分布特征，均匀度为辐射图像轮廓所定义的区域内的灰度强弱对比特征。)，经过处理，作为神经网络的输入。本实施例中，神经网络采用多层前向网络-BP网络，BP网络包括输入层、隐含层和输出层共三层。输入层的神经元个数等于火焰自由基特征值数，输出层神经元个数与已知燃料种类数对应，且多于已知燃料种类数，便于不断更新和完善燃料种类数。
将所得到特征值输入到已训练好的神经网络的输入层中，当待识别的输入模式与训练样本中的某个输入模式相同，神经网络识别的结果就是与训练样本中相对应的输出模式；当待识别的输入模式与训练样本中所有模式都不完全相同时，则可得到与其相近样本对应的输出模式；当待识别的输入模式与训练样本中所有输入模式相差较远，则不能得到正确识别结果，则将这一模式作为新的样本进行训练，使神经网络获取新知识，并存储到网络权值矩阵中，增强网络的识别能力。
本发明方法适用于化石燃料、生物质、燃料油和燃气等种类的识别。
Claims (3)
1.一种基于火焰自由基的燃料种类在线识别方法，其特征在于，包括步骤：
1）通过由物镜、分光镜、反射镜、滤光器和目镜组成的光学系统与电子倍增EMCCD相机构成燃料燃烧火焰的数据采集系统；
2）在各种燃烧条件下，由数据采集系统采集已知燃料燃烧火焰中四个自由基OH*、CN*、CH*和C2*辐射图像；
3）数据采集系统将四个自由基OH*、CN*、CH*和C2*辐射图像传输至神经网络；
4）神经网络提取四个自由基OH*、CN*、CH*和C2*辐射图像的特征值，训练神经网络，设立阈值进行分类，大于阈值的神经网络输出为已知燃料的种类代码，以其输出代码建立神经网络的输出与已知燃料种类之间的对应关系，建立基于神经网络的燃料种类识别系统；
5）针对前面得到的待识别燃料火焰自由基的辐射图像，将步骤4）所得到特征值输入到已训练好的神经网络的输入层中，若神经网络输出为未知燃料，则保存该组特征值，将其作为新的样本对神经网络进行训练，使神经网络获取新知识，增强网络的识别能力；否则，神经网络输出该燃料的类别。
2.根据权利要求1所述基于火焰自由基的燃料种类在线识别方法，其特征在于：所述辐射图像提取的特征值为在时域和频域内的轮廓，灰度值，灰度分布及均匀度，其中，轮廓为具有相同灰度值的辐射图像边界，灰度值为辐射图像轮廓所定义的区域内的平均灰度值，灰度分布为辐射图像轮廓所定义的区域内的灰度分布特征，均匀度为辐射图像轮廓所定义的区域内的灰度强弱对比特征。
3.根据权利要求1所述基于火焰自由基的燃料种类在线识别方法，其特征在于：所述利用神经网络的输出与已知燃料种类之间的对应关系完成对燃料的分类识别，即以待识别燃料火焰自由基的辐射图像所提取的特征值作为神经网络的输入，与已知燃料种类之间的对应关系来对燃料的分类进行识别，若神经网络的输出可以判别，则确定所用燃料种类；若神经网络的输出无法判别，则判断所用燃料属于未知燃料，且保存数据，并作为新的样本重新训练神经网络，更新网络权值并存储到网络权值矩阵中，增强网络的识别能力。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110244469.6A CN102323213B (zh) | 2011-08-25 | 2011-08-25 | 基于火焰自由基的燃料种类的在线识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110244469.6A CN102323213B (zh) | 2011-08-25 | 2011-08-25 | 基于火焰自由基的燃料种类的在线识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102323213A CN102323213A (zh) | 2012-01-18 |
| CN102323213B true CN102323213B (zh) | 2014-06-25 |
Family
ID=45450999
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110244469.6A Expired - Fee Related CN102323213B (zh) | 2011-08-25 | 2011-08-25 | 基于火焰自由基的燃料种类的在线识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102323213B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104062250B (zh) * | 2014-07-08 | 2016-08-03 | 国家电网公司 | 一种基于火焰光谱强度在线辨识锅炉煤种的方法及系统 |
| CN106778791A (zh) * | 2017-03-01 | 2017-05-31 | 成都天衡电科科技有限公司 | 一种基于多重感知器的木材视觉识别方法 |
| CN107561015A (zh) * | 2017-07-04 | 2018-01-09 | 华北电力大学 | 基于光谱分析的固体燃料种类识别方法 |
| CN107977668A (zh) * | 2017-07-28 | 2018-05-01 | 北京物灵智能科技有限公司 | 一种机器人图像识别方法及系统 |
| CN108364033A (zh) * | 2018-03-29 | 2018-08-03 | 浙江工业大学 | 基于图像远程分类的秸秆燃烧发电过程燃料热值在线计量装置 |
| CN109299742A (zh) * | 2018-10-17 | 2019-02-01 | 深圳信息职业技术学院 | 自动发现未知网络流的方法、装置、设备及存储介质 |
| CN111414514B (zh) * | 2020-03-19 | 2024-01-19 | 山东雷火网络科技有限公司 | 一种基于山东济南境内进行火焰检测的系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5551780A (en) * | 1993-02-24 | 1996-09-03 | Rwe Entsorgung | Method to determine characteristic features of processes forming radicals |
| CN101644699A (zh) * | 2009-08-28 | 2010-02-10 | 北京航空航天大学 | 一种新燃料在线识别方法 |
| CN101726481A (zh) * | 2008-10-29 | 2010-06-09 | 北京华圣金程科技有限公司 | 一种燃料种类在线辨识方法 |
-
2011
- 2011-08-25 CN CN201110244469.6A patent/CN102323213B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5551780A (en) * | 1993-02-24 | 1996-09-03 | Rwe Entsorgung | Method to determine characteristic features of processes forming radicals |
| CN101726481A (zh) * | 2008-10-29 | 2010-06-09 | 北京华圣金程科技有限公司 | 一种燃料种类在线辨识方法 |
| CN101644699A (zh) * | 2009-08-28 | 2010-02-10 | 北京航空航天大学 | 一种新燃料在线识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102323213A (zh) | 2012-01-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102323213B (zh) | 基于火焰自由基的燃料种类的在线识别方法 | |
| Van de Kaa et al. | Selection of biomass thermochemical conversion technology in the Netherlands: A best worst method approach | |
| Biezma et al. | Investment criteria for the selection of cogeneration plants—a state of the art review | |
| CN107561015A (zh) | 基于光谱分析的固体燃料种类识别方法 | |
| CN102520014B (zh) | 基于火焰自由基和温度测量的污染物排放量在线预测方法 | |
| Wiesberg et al. | Bioenergy production from sugarcane bagasse with carbon capture and storage: Surrogate models for techno-economic decisions | |
| Thorbjörnsson et al. | Carbon capture and coal consumption: Implications of energy penalties and large scale deployment | |
| CN105320114A (zh) | 基于数据挖掘的火力发电站锅炉燃烧调整模型获取方法 | |
| Elwardany | Enhancing steam boiler efficiency through comprehensive energy and exergy analysis: A review | |
| KR20220148767A (ko) | 인공지능을 이용한 석탄 성상 예측 장치 및 그 방법 | |
| CN103870878B (zh) | 一种电站锅炉燃烧特性神经网络模型 | |
| Wang et al. | Optimal design of carbon tax to stimulate CCS investment in China's coal‐fired power plants: A real options analysis | |
| Strzepek et al. | Modeling water withdrawal and consumption for electricity generation in the United States | |
| Furtado et al. | Modeling and techno-economic analysis of a hybrid sugarcane plant fed by vinasse biogas and bagasse surplus for electricity generation | |
| Sujatha et al. | Intelligent parallel networks for combustion quality monitoring in power station boilers | |
| CN110298502A (zh) | 基于能效最优的锅炉最佳氧量计算方法 | |
| CN101701951B (zh) | 一种基于支持向量机的燃料种类在线识别方法 | |
| CN101644699B (zh) | 一种新燃料在线识别方法 | |
| CN111428906B (zh) | 一种基于图像变换的工业锅炉蒸汽量预测方法 | |
| Janghathaikul et al. | Bagasse-A sustainable energy resource from sugar mills | |
| CN113627679A (zh) | 一种配煤掺烧优化系统 | |
| AU2021427367B2 (en) | Operation assistance device, operation assistance method, and operation assistance program | |
| Yuan et al. | Prediction of carbon content in fly ash in ultra supercritical generation unit with long short-term memory neural network | |
| Yan et al. | Improved LS-SVM Boiler Combustion Model Based on Affinity Propagation | |
| Al Zadjali et al. | Enhancing the Efficiency of Industrial Boilers and Burners Using Deep Learning Techniques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140625 Termination date: 20180825 |