CN102520014B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN102520014B CN102520014B CN201110415590.0A CN201110415590A CN102520014B CN 102520014 B CN102520014 B CN 102520014B CN 201110415590 A CN201110415590 A CN 201110415590A CN 102520014 B CN102520014 B CN 102520014B
- Authority
- CN
- China
- Prior art keywords
- flame
- lambda
- radiation image
- neural network
- free radical
- 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
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了属于污染物排放的测量技术范围的一种基于火焰自由基与温度测量的污染物排放量的预测方法。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相机和RGBCCD相机采集已知燃烧火焰中四个自由基OH*、CN*、CH*和C2 *辐射图像以及火焰的RGB图像,提取辐射图像特征值并经过主成分分析法进行正交化处理后,结合通过火焰RGB图像得到的火焰温度参数建立基于神经网络的燃烧污染排放物和颗粒物的排放量预测系统;将所得到特征输入到已训练好的神经网络预测系统中,给出污染排放物NOx、SO2、CO、CO2与颗粒物的排放量预测值。本发明是一种新的且快速,准确,可靠预测方法。
Description
技术领域
本发明属于污染物排放量测量技术范围,特别涉及一种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。被测污染物包括NOx(氮氧化物)、SO2(二氧化硫)、CO(一氧化碳)、CO2(二氧化碳)与颗粒物。
背景技术
能源与环境是当今社会发展的两大问题。中国是煤炭消费大国,约70%左右用于直接燃烧或发电,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。煤粉燃烧是大气环境中主要的颗粒物污染源之一,而燃煤引起的煤烟型烟雾污染是我国大气污染的主要来源。由于我国燃煤品种多,质量不均一、不稳定;受煤炭资源布局、运输条件及火电燃煤政策的影响,许多火电机组燃用劣质煤、混煤,由此导致燃煤效率降低,燃烧污染物控制难度增加,受热面高温腐蚀等问题日益突出。严格控制燃煤污染物排放,实现燃煤的高效低污染燃烧,具有重大的社会经济效益和环保效益。
发电厂可以燃烧来源不同、燃值多变的燃料,因此,快速、在线测量燃烧污染物,尤其是NOX、SO2、CO、CO2与颗粒物排放量,对燃烧过程的实时控制,降低整个燃烧过程污染排放物和保护环境提供了可靠的技术保证。
燃烧火焰,作为高热反应的主要燃烧带,在能源转换、燃烧效率和污染物排放方面包含了重要信息。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,且没有考虑到火焰自由基与其温度之间的内在关系,而这些信息对于可靠地预测污染物排放量、研究排放物形成机理和对排放物控制至关重要。
基于火焰自由基和温度测量的燃烧过程污染物排放量在线预测,充分利用火焰自由基和火焰温度所提供的信息,结合神经网络技术和主成分分析法,对燃烧过程污染物即NOX、SO2、CO、CO2与颗粒物的排放量进行预测,是一种新颖、可靠的污染物排放在线预测方法。
发明内容
本发明的目的是提供一种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,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相机和RGBCCD相机构成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)的辐射图像;
3)提取四个自由基OH*、CN*、CH*和C2*辐射图像的特征值,采用主成分分析法对特征值进行降维处理,结合火焰温度建立基于神经网络的燃烧污染排放物NOx(氮氧化物)、SO2(二氧化硫)、CO(一氧化碳)、CO2(二氧化碳)与颗粒物的排放量预测系统;
4)在获取辐射图像的同时采集火焰的R(红色)G(绿色)B(蓝色)图像,并根据该图像通过双色法计算火焰在测量区域内的温度分布。即,
其中,T为火焰温度,C2为第二普朗克常数, G(λ1, T)和G(λ2,T)为在两个光谱λ1和λ2上的火焰图像灰度值, Sλ1和Sλ2为光学成像系统在两个光谱λ1和λ2上的光感应强度系数。
5)针对前面得到火焰自由基的辐射图像,将所得到特征值经过主成分分析法进行降维处理后,与火焰温度一同输入到已训练好的神经网络预测系统中,给出污染排放物NOx(氮氧化物)、SO2(二氧化硫)、CO(一氧化碳)、CO2(二氧化碳)与颗粒物的排放量预测值。
所述采集已知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)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。
本发明的有益效果是提出一种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,该方法能充分利用火焰自由基的辐射图像与火焰温度信息,在基于神经网络技术和主成分分析法的基础上对燃烧污染物排放量进行预测。利用本专利方法获得的燃烧污染排放物数据,可以深入理解污染排放物的形成机理,对燃烧过程的实时控制,达到严格控制燃烧污染物排放的目的,对实现的高效低污染燃烧,具有重大的社会经济效益和环保效益。本发明与已有方法相比较,是一种新的且快速,准确,可靠在线预测燃烧污染物排放量的方法。
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-目镜,10-RGBCCD相机,11-火焰RGB图像,12-神经网络预测系统。
具体实施方式
本发明的目的是提供一种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;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和RGBCCD相机10构成对燃烧火焰的数据采集系统,得到已知燃烧火焰1中四个自由基OH*、CN*、CH*、C2 *的辐射图像8a、8b、8c和8d;同时,通过分光镜3d,目镜9和RGBCCD相机10得到火焰R(红色)G(绿色)B(蓝色)图像11。然后由数据采集系统将四个自由基OH*、CN*、CH*、C2 *的辐射图像(8a、8b、8c和8d),以及火焰RGB图像11传输至神经网络预测系统12。 提取四个自由基OH*(氢氧基)、CN*(氮碳基)、CH*(氢碳基)和C2 *(二碳基)辐射图像的特征值,利用主成分分析法将数据进行正交化处理,火焰温度将根据火焰的RGB图像11通过双色法计算得出。在所得到数据的基础上建立基于神经网络的燃烧污染排放物的在线预测系统。其中对燃烧火焰的数据采集系统包括五条光路:第一条为主光路,由物镜2、3a分光镜、3b分光镜及5c滤光器布置在一条直线上组成;第二条光路与第一条光路平行,由3a分光镜、4a反射镜、3c分光镜及5d滤光器组成;第三条光路在第一条光路的上方并与第一条光路平行,由3b分光镜、4b反射镜及5a滤光器组成;第四条光路在第二条光路的上方并分别与第一,第二和第三条光路平行,由3c分光镜、4c反射镜及5b滤光器组成;目镜6放置在四条光路的后面,使火焰1经过上述光学系统后,在电子倍增EMCCD相机7上形成四个自由基OH*(氢氧基)、CN*(氮碳基)、CH*(氢碳基)和C2 *(二碳基)辐射图像(8a、8b、8c和8d)。第五条光路与其他四条垂直,由3d分光镜,物镜9,以及RGBCCD相机10组成以得到火焰RGB图像11。辐射图像(8a、8b、8c、8d)和火焰RGB图像11传输至神经网络预测系统12。提取在时域和频域内的四个自由基OH*(氢氧基)、CN*(氮碳基)、CH*(氢碳基)和C2 *(二碳基)辐射图像的特征值包括轮廓,灰度值,灰度分布及均匀度,并采用双色法进行火焰温度计算,即,
其中,T为火焰温度,C2为第二普朗克常数,G(λ1 , T)和G(λ2,T)为在两个光谱λ1和λ2上的火焰图像灰度值,Sλ1和Sλ2为光学成像系统在两个光谱λ1和λ2上的光感应强度系数。
辐射图像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。采用主成分分析法做正交化处理,作为神经网络的训练样本。本实施例中,神经网络是三层前向BP网络,其输入层有3个神经元,隐含层有12个神经元,输出层为5个神经元(输出为污染排放物NOx(氮氧化物)、SO2(二氧化硫)、CO(一氧化碳)、CO2(二氧化碳)与颗粒物的预测值)。
本发明方法适用于化石燃料、生物质、燃料油和燃气等各种燃烧污染排放物NOx(氮氧化物)、SO2(二氧化硫)、CO(一氧化碳)、CO2(二氧化碳)与颗粒物的测量。
Claims (4)
1.一种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,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相机和RGBCCD相机构成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烧火焰中四个自由基为氢氧基OH—、氮碳基CN—、氢碳基CH—和二碳基C— 2的辐射图像;
3)提取四个自由基OH—、CN—、基CH—和C— 2辐射图像的特征值,采用主成分分析法对特征值进行降维处理,结合火焰温度建立基于神经网络的燃烧污染排放物NOx(氮氧化物)、SO2(二氧化硫)、CO(一氧化碳)、CO2(二氧化碳)与颗粒物的排放量预测系统;
4)在获取辐射图像的同时采集火焰的R(红色)G(绿色)B(蓝色)图像,并根据该图像通过双色法计算火焰在测量区域内的温度分布,即,
其中,T为火焰温度,C2为第二普朗克常数,G(λ1,T)和G(λ2,T)为在两个光谱λ1和λ2上的火焰图像灰度值,Sλ1和Sλ2为光学成像系统在两个光谱λ1和λ2上的光感应强度系数;
5)针对前面得到火焰自由基的辐射图像,将所得到特征值经过主成分分析法进行降维处理后,与火焰温度一同输入到已训练好的基于神经网络的排放量预测系统中,给出污染排放物NOx、SO2、CO、CO2与颗粒物的排放量预测值。
2.根据权利要求1所述基于火焰自由基和温度测量的污染物排放量的在线预测方法,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和温度测量的污染物排放量的在线预测方法,其特征在于:利用上述提取的特征值采用主成分分析进行正交化处理后,作为神经网络的训练样本,神经网络是三层前向BP网络,其输入层有3个神经元,隐含层有12个神经元,输出层为5个神经元,结合火焰温度参数建立基于神经网络的燃烧污染排放物NOx、SO2、CO、CO2与颗粒物的排放量预测系统。
4.根据权利要求1所述基于火焰自由基和温度测量的污染物排放量的在线预测方法,其特征在于:利用已建立的基于神经网络的排放量预测系统,针对前面得到火焰自由基的辐射图像,将所得到特征值经过主成分分析法进行正交化处理后,与火焰温度一同输入到已训练好的基于神经网络的排放量预测系统中,给出污染排放物NOx、SO2、CO、CO2与颗粒物的排放量预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110415590.0A CN102520014B (zh) | 2011-12-14 | 2011-12-14 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110415590.0A CN102520014B (zh) | 2011-12-14 | 2011-12-14 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102520014A CN102520014A (zh) | 2012-06-27 |
CN102520014B true CN102520014B (zh) | 2014-08-06 |
Family
ID=46291004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110415590.0A Expired - Fee Related CN102520014B (zh) | 2011-12-14 | 2011-12-14 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102520014B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504238A (zh) * | 2014-11-21 | 2015-04-08 | 国家电网公司 | 一种基于神经网络的燃煤机组氮氧化物排放浓度预测方法 |
CN106323505B (zh) * | 2016-08-16 | 2018-11-02 | 中国科学院长春光学精密机械与物理研究所 | 一种反射式光学成像设备焦面参考温度采集方法 |
US10991087B2 (en) * | 2017-01-16 | 2021-04-27 | Praxair Technology, Inc. | Flame image analysis for furnace combustion control |
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 |
CN109668927A (zh) * | 2017-10-17 | 2019-04-23 | 国家安全生产监督管理总局化学品登记中心 | 测定粉尘云最低着火温度的试验装置及方法 |
CN111365730B (zh) | 2018-12-26 | 2022-06-24 | Abb瑞士股份有限公司 | 火焰检测器 |
CN109990834A (zh) * | 2019-03-27 | 2019-07-09 | 东南大学 | 高温飞行颗粒温度、速度、粒径的原位测量方法 |
CN114034350B (zh) * | 2021-10-22 | 2022-12-02 | 湖南大学 | 一种换热器流量分配的监测方法、系统及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101067828A (zh) * | 2007-06-12 | 2007-11-07 | 中南大学 | 焦炉火道温度集成建模与软测量方法 |
-
2011
- 2011-12-14 CN CN201110415590.0A patent/CN102520014B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101067828A (zh) * | 2007-06-12 | 2007-11-07 | 中南大学 | 焦炉火道温度集成建模与软测量方法 |
Non-Patent Citations (2)
Title |
---|
基于数字图像处理技术的锅炉火焰检测与污染物排放特性研究;郭建民;《2006年博士学位论文》;20071112;摘要、正文1-107页 * |
郭建民.基于数字图像处理技术的锅炉火焰检测与污染物排放特性研究.《2006年博士学位论文》.2007, |
Also Published As
Publication number | Publication date |
---|---|
CN102520014A (zh) | 2012-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Golgiyaz et al. | Artificial neural network regression model to predict flue gas temperature and emissions with the spectral norm of flame image | |
Bendu et al. | Application of GRNN for the prediction of performance and exhaust emissions in HCCI engine using ethanol | |
CN101750152B (zh) | 一种表征和诊断燃烧不稳定性的方法 | |
Ramanathan et al. | A cellphone based system for large-scale monitoring of black carbon | |
CN106650068B (zh) | 一种预测燃煤电厂碳排放量的计算方法 | |
Tong et al. | Experiment analysis and computational optimization of the Atkinson cycle gasoline engine through NSGA Ⅱ algorithm using machine learning | |
CN102323213B (zh) | 基于火焰自由基的燃料种类的在线识别方法 | |
Lu et al. | Monitoring of oscillatory characteristics of pulverized coal flames through image processing and spectral analysis | |
CN102798609A (zh) | 基于量子级联激光器的汽车尾气遥感检测系统和方法 | |
CN111260149A (zh) | 一种二噁英排放浓度预测方法 | |
Zhang et al. | Measurement of soot volume fraction and primary particle diameter in oxygen enriched ethylene diffusion flames using the laser-induced incandescence technique | |
CN102116735A (zh) | 一种汽车排放物遥感检测系统及方法 | |
Libao et al. | Prediction of CO2 emissions based on multiple linear regression analysis | |
CN104062250B (zh) | 一种基于火焰光谱强度在线辨识锅炉煤种的方法及系统 | |
Li et al. | Prediction of nox emissions throughflame radical imaging and neural network based soft computing | |
CN101488015B (zh) | 干法水泥生产线节能减排实时量化的监控方法 | |
CN107632107A (zh) | 一种煤粉燃烧特性快速检测方法 | |
Song et al. | Evaluation mass fraction burned obtained from the ion current signal fuelled with hydrogen/carbon dioxide and natural gas | |
CN110044852A (zh) | 基于激光诱导击穿光谱法的燃煤电厂碳排放在线监测方法 | |
CN106885876B (zh) | 一种焦炉烟气含氧量与氮氧化物浓度检测系统及方法 | |
Onat et al. | Prediction of combustion states from flame image in a domestic coal burner | |
CN116679029A (zh) | 一种煤炭特征指标在线检测系统 | |
CN101701951B (zh) | 一种基于支持向量机的燃料种类在线识别方法 | |
Bladh et al. | Flame propagation visualization in a spark-ignition engine using laser-induced fluorescence of cool-flame species |
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 |
Granted publication date: 20140806 Termination date: 20181214 |
|
CF01 | Termination of patent right due to non-payment of annual fee |