CN104459819A - 一种锅炉断煤检测装置及检测方法 - Google Patents

Abstract

本发明公开了一种锅炉断煤检测装置及检测方法，包括与锅炉中各个电器件电连接的控制器、存储器、第一报警灯、第二报警灯、报警喇叭、设于锅炉的煤仓下部内的向下喇叭状张开的接煤板、一端穿过设于煤仓侧壁的条形孔并与接煤板铰接的杠杆、用于封闭杠杆和条形孔之间的间隙的弹性密封套、与杠杆另一端连接的竖杆和设于竖杆上的重锤；本发明具有检测准确性高，有效避免误操作；可调性好，适用性好的特点。

Description

一种锅炉断煤检测装置及检测方法

技术领域

本发明涉及CFB循环流化床锅炉技术领域，尤其是涉及一种能够快速、准确检测CFB循环流化床锅炉断煤故障的锅炉断煤检测装置及检测方法。

背景技术

在能源与环境的双重压力下，循环流化床(CFB)锅炉以其燃料适应性强、燃烧效率高、负荷调节性能好、污染物排放低等显著特点，在我国得到了快速的发展。截止2011年底，据不完全统计我国现有不同容量的循环流化床锅炉3000多台，超过90000MW投入商业运行。已投运的300MW级循环流化床锅炉机组达到40多台，已投运与在建的300MW等级循环流化床锅炉机组总和则达到了110多台。此外，世界上单机容量最大的600MW超临界循环流化床锅炉机组四川白马循环流化床示范电站项目已于2013年4月顺利通过168小时满负荷试运行成功投运。因此，可以预见，循环流化床锅炉将会在我国得到更大的发展。

CFB锅炉尽管在设计之初就采用了低流速、高炉膛、中物料循环倍率、敷设长卫燃带等措施，但在运行中经常发生断煤故障，发生断煤故障的原因有：煤的水分过大、粒度不均堵塞、搭桥等。

当发生断煤故障时，如果处理不及时将会造成锅炉运行状态的波动，甚至造成停炉事故的发生。

中国专利授权公开号：CN103439081A，授权公开日2013年12月11日，公开了一种生物质循环流化床锅炉流动特性测量方法，其特征在于，包括如下步骤：建立用于模拟生物质循环流化床锅炉流动特性的欧拉双流体模型；根据生物质循环流化床锅炉的结构参数建立所述生物质循环流化床锅炉的全尺寸模型；对所述生物质循环流化床锅炉的全尺寸模型进行网格划分建立所述生物质循环流化床锅炉的网格模型；获取所述生物质循环流化床锅炉对应的气体参数、颗粒参数、边界条件参数、初始风速；根据所述欧拉双流体模型、网格模型、气体参数、颗粒参数、边界条件参数、初始风速模拟所述生物质循环流化床锅炉内的气固两相的流动过程；通过所述模拟的流动过程，测量炉膛内气固两相的速度场分布规律，得到生物质循环流化床锅炉的流动特性。该发明的不足之处是，功能单一，不能用于检测是否断煤。

发明内容

本发明的发明目的是为了克服现有技术中循环流化床锅炉容易出现断煤事故的不足，提供了一种能够快速、准确检测CFB循环流化床锅炉断煤故障的锅炉断煤检测装置及检测方法。

为了实现上述目的，本发明采用以下技术方案：

一种锅炉断煤检测装置，包括与锅炉中各个电器件电连接的控制器、存储器、第一报警灯、第二报警灯、报警喇叭、设于锅炉的煤仓下部内的向下喇叭状张开的接煤板、一端穿过设于煤仓侧壁的条形孔并与接煤板铰接的杠杆、用于封闭杠杆和条形孔之间的间隙的弹性密封套、与杠杆另一端连接的竖杆和设于竖杆上的重锤；杠杆通过铰接板与煤仓侧壁相连接，靠近条形孔上边缘的煤仓侧壁上设有与杠杆配合的限位挡板，靠近条形孔下边缘的煤仓侧壁上设有与杠杆配合的限位开关；控制器分别与存储器、报警喇叭、第一报警灯、第二报警灯和限位开关电连接。

为规避单一断煤检测方法的不可靠及局限性，本发明将机械和软件检测相结合，当机械和软件检测时均进入预断煤状态时，控制器才判定进入断煤状态，报警喇叭才会发出报警信号；报警灯闪烁用于给操作人员提供断煤注意提示，提醒操作人员注意观察；检测更加准确，有效避免误操作。

因此，本发明具有检测准确性高，有效避免误操作；提高了锅炉运行的安全性和稳定性的特点。

作为优选，所述杠杆包括一端伸入煤仓的固定杆、伸缩杆和分别套设于固定杆另一端、伸缩杆一端的连接套；连接套和伸缩杆上均设有若干个长度调节通孔，连接套和伸缩杆通过螺栓连接，连接套和固定杆螺纹连接。

杠杆的结构设置，使杠杆的长度可调，适用性强。

作为优选，所述竖杆下部设有螺杆，所述螺杆由上至下依次套设有上螺帽、上挡板、下挡板和至少一个下螺帽；所述重锤套设于上挡板、下挡板之间的螺杆上，重锤包括若干块配重盘片。

使用前，反复调整好配重盘片的数量和伸缩杆伸缩长度，确保在无煤落下时，杠杆由于重锤的缘故压下限位开关的触头。

作为优选，所述限位开关上设有右端向上弯折的L形板，L形板左部与设于限位开关上的支撑板铰接，L形板左端通过弹簧与限位开关相连接，L形板右端与杠杆相配合；限位开关的触头与L形板下表面右部相配合。

作为优选，杠杆下方的煤仓侧壁上设有托架，所述限位开关位于托架上。

一种锅炉断煤检测装置的检测方法，包括如下步骤：

(1-1)机械断煤检测：

(1-1-1)控制器中预先设有安全时间阈值W；控制器得到限位开关检测的电信号，并计算杠杆持续压下限位开关的触头的时间T；当T＞W时，控制器做出当前处于第一预断煤状态的判断；当T≤W时，控制器做出当前为有煤状态的判断；

正常情况下，落煤会连续敲击接煤板，落煤的冲击力克服了重锤的重力作用，杠杆与接煤板连接的一端持续落下，杠杆另一端翘起使限位开关的触头持续松开；

(1-1-2)激活状态下进行第一预断煤控制：

当控制器做出锅炉由第一预断煤状态转为有煤状态的判断，则检测装置进入激活状态；

在激活状态下，当T＞W时，控制器做出进入第一预断煤状态的判断，并控制第一报警灯闪烁；

在激活状态下，当T≤W时，控制器控制第一报警灯停止闪烁；

(1-2)软件断煤检测：

(1-2-1)存储器中设有具有11个输入节点X＝[X1，...，X11]、单隐藏层为9个节点Y＝[Y1，...，Y9]、1个输出节点Z的BP神经网络模型，其中，存储器中存储有q条学习样本，网络性能目标误差SSE≤0.00001，训练步数至少为d步；

(1-2-2)初始化BP神经网络模型：

(1-2-2-1)权重与阀值初始化：控制器利用Gauss随机函数产生满足正态分布、均值为0、方差为1并且取值范围在区间[0，1]中的随机数初始化权重W_ij、阀值θ和θ_j，i＝1，…，11；j＝1，..，9；设定网络性能误差为ε；

(1-2-2-2)变量归一化：控制器中设有与11个输入节点X1，...，X11中分别对应的11组X_Max和X_Min，控制器利用公式X′＝(X-X_Min)/(X_Max-X_Min)分别计算q条学习样本的X1，...，X11的归一化值X′₁，X′₂，...，X′₁₁；

控制器中设有与输出接点Z相对应的Z_max和Z_min，控制器利用公式Z′＝(Z-Z_Min)/(Z_Max-Z_Min)计算q条学习样本的Z的归一化值Z′；得到经过归一化的s组学习样本；

(1-2-3)训练BP神经网络模型：

(1-2-3-1)控制器向BP神经网络模型中输入第s组学习样本，s初始值为1，设定第s组样本的目标输出值为Z′；

利用公式 $Y_j=f(\underset{i=1}{\overset{11}{\mathrm{\Σ}}}{W}_{\mathrm{ij}}\×X_i-{\mathrm{\θ}}_j)$ 计算隐藏层神经元输出；

利用公式计算输出层神经元实际输出Z_r；其中，函数 $f\left(x\right)=\frac{1}{1+e^{-x/1.15}};$

利用公式 $E_s=\frac{1}{2}{(Z^{\′}-Z_r)}^2$ 计算单个样本偏差E_s；

(1-2-3-2)从输出层开始逐层反向调整权重和阀值：

控制器使输出层的权重W_j增加0.6×δ×Y_j+0.45×ΔW_j，ΔW_j为前次调整增加的权重，ΔW_o＝0；其中，δ＝(Z′-Z_r)×Z_r×(1-Z_r)，

控制器使隐藏层的权重增加0.6×δ_j×X_i+0.45×ΔW_ij；

其中，δ_j＝Y_j×(1-Yj)×(δ_j×W_j)；

(1-2-3-3)当s＜q，使s值增加1，返回步骤(1-2-3-1)；否则转入步骤(1-2-3-4)；

(1-2-3-4)利用公式计算总误差E_t，其中p为样本序号；

当E_t≤ε或学习步数小于d，训练结束，得到训练好的BP神经网络模型；否则转入步骤(1-2-3-1)；

(1-2-4)控制器实时采集主汽流量、给水流量、给煤量、床温、炉膛负压、一次风压、一次风机电流、二次风压、二次风机电流、引风机电流和排烟温度11个工艺参数，利用步骤(1-2-2-2)对11个工艺参数进行归一化处理，并将各个经过归一化处理的工艺参数送入训练好的BP神经网络模型的11个输入节点中，得到模型输出值Z_r，再利用公式V＝Z_r×(Z_Max-Z_Mim)+Z_Min反归一化得到实时氧含量V，控制器计算其中V₁为存储器中设定的与当前主汽流量相关的目标氧含量；

(1-2-5)当持续时间超过T₁秒，则控制器做出当前处于第二预断煤状态的判断，并控制第二报警灯闪烁；

当持续时间超过T₂秒，则控制器控制第二报警灯停止闪烁；

(1-3)当第一、第二报警灯均闪烁，控制器做出断煤判断，并控制报警喇叭报警。

作为优选，当主汽流量为29％至32％时，V₁为8.2％至8.8％；当主汽流量为37.5％至42％时，V₁为7.5％至8.0％；当主汽流量为47.5％至52％时，V₁为6.7.5％至7.2％；当主汽流量为57.5％至62％时，V₁为5.7.5％至6.2％；当主汽流量为67.5％至72％时，V₁为4.65％至5.1％；当主汽流量为78.5％至82％时，V₁为4.0％至4.3％；当主汽流量为87％至92％时，V₁为3.5％至3.9％；当主汽流量为92％至100％时，V₁为3.3％至3.5％。

作为优选，q为490至550。

作为优选，c为1.18至1.25；d为10000至10500。

作为优选，T₁为12至16；T₂为1至3。

因此，本发明具有如下有益效果：

(1)检测准确性高，有效避免误操作；

(2)提高了锅炉运行的安全性和稳定性；

(3)可调性好，适用性好。

附图说明

图1是本发明的一种结构示意图；

图2是本发明的一种原理框图；

图3是本发明的实施例的一种流程图；

图4是图1中A处的一种放大的结构示意图。

图中：控制器1、报警喇叭2、接煤板3、条形孔4、杠杆5、弹性密封套6、设于竖杆上的重锤7、铰接板8、限位挡板9、限位开关10、固定杆11、伸缩杆12、连接套13、长度调节通孔14、上螺帽15、上挡板16、下挡板18、下螺帽19、配重盘片17、L形板20、支撑板21、弹簧22、触头23、托架24、、煤仓25、竖杆26、第一报警灯27、第二报警灯28、存储器29。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步的描述。

如图1、图2所示的实施例是一种锅炉断煤检测装置，包括与锅炉中各个电器件电连接的控制器、存储器、第一报警灯、第二报警灯、报警喇叭、设于锅炉的煤仓下部内的向下喇叭状张开的接煤板、一端穿过设于煤仓侧壁的条形孔并与接煤板铰接的杠杆、用于封闭杠杆和条形孔之间的间隙的弹性密封套、与杠杆另一端连接的竖杆和设于竖杆上的重锤；杠杆通过铰接板与煤仓侧壁相连接，靠近条形孔上边缘的煤仓侧壁上设有与杠杆配合的限位挡板，靠近条形孔下边缘的煤仓侧壁上设有与杠杆配合的限位开关；控制器分别与存储器、报警喇叭、第一报警灯、第二报警灯和限位开关电连接。

如图1所示，杠杆包括一端伸入煤仓的固定杆11、伸缩杆12和分别套设于固定杆另一端、伸缩杆一端的连接套13；连接套和伸缩杆上均设有长度调节通孔14，连接套和伸缩杆通过螺栓连接，连接套和固定杆螺纹连接。

竖杆下部设有螺杆，螺杆包括由上至下依次套设于螺杆上的上螺帽15、上挡板16、下挡板18和至少一个下螺帽19；重锤套设于上挡板、下挡板之间的螺杆上，重锤包括5块配重盘片17。

如图4所示，限位开关上设有右端向上弯折的L形板20，L形板左部与设于限位开关上的支撑板21铰接，L形板左端通过弹簧22与限位开关相连接，L形板右端与杠杆相配合；限位开关的触头23与L形板下表面右部相配合。

杠杆下方的煤仓侧壁上设有托架24，限位开关位于托架上。限位挡板呈水平延伸并向下弯折的弯折板状，限位挡板的下边缘的横截面呈圆形。第一报警灯和第二报警灯均采用频闪灯。

如图3所示，检测方法包括如下步骤：

步骤100，机械断煤检测：

步骤110，控制器中预先设有安全时间阈值W；控制器得到限位开关检测的电信号，并计算杠杆持续压下限位开关的触头的时间T；当T＞W时，控制器做出当前处于第一预断煤状态的判断；当T≤W时，控制器做出当前为有煤状态的判断；W为12秒；

步骤120，激活状态下进行第一预断煤控制：

当控制器做出锅炉由第一预断煤状态转为有煤状态的判断，则检测装置进入激活状态；

在激活状态下，当T＞W时，控制器做出进入第一预断煤状态的判断，并控制第一报警灯闪烁；

在激活状态下，当T≤W时，控制器控制第一报警灯停止闪烁；

步骤200，软件断煤检测：

步骤210，存储器中设有具有11个输入节点X＝[X1，...，X11]、单隐藏层为9个节点Y＝[Y1，...，Y9]、1个输出节点Z的BP神经网络模型，其中，存储器中存储有q＝500条学习样本，网络性能目标误差SSE≤0.00001，训练步数至少为d＝10000步；

步骤220，初始化BP神经网络模型：

步骤221，权重与阀值初始化：控制器利用Gauss随机函数产生满足正态分布、均值为0、方差为1并且取值范围在区间[0，1]中的随机数初始化权重W_ij、阀值θ和θ_j，i＝1，…，11；j＝1，..，9；设定网络性能误差为ε；

步骤222，变量归一化：控制器中设有与11个输入节点X1，...，X11中分别对应的11组X_Max和X_Min，控制器利用公式X′＝(X-X_Min)/(X_Max-X_Min)分别计算q条学习样本的X1，...，X11的归一化值X′₁，X′₂，...，X′₁₁；

控制器中设有与输出接点Z相对应的Z_max和Z_min，控制器利用公式Z′＝(Z-Z_Min)/(Z_Max-Z_Min)计算q条学习样本的Z的归一化值Z′；得到经过归一化的s组学习样本；

步骤230，训练BP神经网络模型：

步骤231，控制器向BP神经网络模型中输入第s组学习样本，s初始值为1，设定第s组样本的目标输出值为Z′；

利用公式 $Y_j=f(\underset{i=1}{\overset{11}{\mathrm{\Σ}}}{W}_{\mathrm{ij}}\×X_i-{\mathrm{\θ}}_j)$ 计算隐藏层神经元输出；

利用公式计算输出层神经元实际输出Z_r；其中，函数 $f\left(x\right)=\frac{1}{1+e^{-x/1.15}};$

利用公式 $E_s=\frac{1}{2}{(Z^{\′}-Z_r)}^2$ 计算单个样本偏差E_s；

步骤232，从输出层开始逐层反向调整权重和阀值：

控制器使输出层的权重W_j增加0.6×δ×Y_j+0.45×ΔW_j，ΔW_j为前次调整增加的权重，ΔW_o＝0；其中，δ＝(Z′-Z_r)×Z_r×(1-Z_r)，

控制器使隐藏层的权重增加0.6×δ_j×X_i+0.45×ΔW_ij；

其中，δ_j＝Y_j×(1-Yj)×(δ_j×W_j)；

步骤233，当s＜q，使s值增加1，返回步骤223；否则转入步骤234；

步骤234，利用公式计算总误差E_t，其中p为样本序号；

当E_t≤ε或学习步数小于d，训练结束，得到训练好的BP神经网络模型；否则转入步骤231；

步骤240，控制器实时采集主汽流量、给水流量、给煤量、床温、炉膛负压、一次风压、一次风机电流、二次风压、二次风机电流、引风机电流和排烟温度11个工艺参数，利用步骤(1-2-2-2)对11个工艺参数进行归一化处理，并将各个经过归一化处理的工艺参数送入训练好的BP神经网络模型的11个输入节点中，得到模型输出值Z_r，再利用公式V＝Z_r×(Z_Max-Z_Min)+Z_Min反归一化得到实时氧含量V，控制器计算其中V₁为存储器中设定的与当前主汽流量相关的目标氧含量；

步骤250，当持续时间超过T₁秒，则控制器做出当前处于第二预断煤状态的判断，并控制第二报警灯闪烁；

当持续时间超过T₂秒，则控制器控制第二报警灯停止闪烁；

步骤300，断煤判断及报警

当第一、第二报警灯均闪烁，控制器做出断煤判断，并控制报警喇叭报警。

其中，当主汽流量为29％至32％时，V₁为8.2％至8.8％；当主汽流量为37.5％至42％时，V₁为7.5％至8.0％；当主汽流量为47.5％至52％时，V₁为6.7.5％至7.2％；当主汽流量为57.5％至62％时，V₁为5.7.5％至6.2％；当主汽流量为67.5％至72％时，V₁为4.65％至5.1％；当主汽流量为78.5％至82％时，V₁为4.0％至4.3％；当主汽流量为87％至92％时，V₁为3.5％至3.9％；当主汽流量为92％至100％时，V₁为3.3％至3.5％。；c为1.25，T₁为12，T₂为2。

应理解，本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (10)

1.一种锅炉断煤检测装置，其特征是，包括与锅炉中各个电器件电连接的控制器(1)、存储器(29)、第一报警灯(27)、第二报警灯(28)、报警喇叭(2)、设于锅炉的煤仓(25)下部内的向下喇叭状张开的接煤板(3)、一端穿过设于煤仓侧壁的条形孔(4)并与接煤板铰接的杠杆(5)、用于封闭杠杆和条形孔之间的间隙的弹性密封套(6)、与杠杆另一端连接的竖杆(26)和设于竖杆上的重锤(7)；杠杆通过铰接板(8)与煤仓侧壁相连接，靠近条形孔上边缘的煤仓侧壁上设有与杠杆配合的限位挡板(9)，靠近条形孔下边缘的煤仓侧壁上设有与杠杆配合的限位开关(10)；控制器分别与存储器、报警喇叭、第一报警灯、第二报警灯和限位开关电连接。

2.根据权利要求1所述的锅炉断煤检测装置，其特征是，所述杠杆包括一端伸入煤仓的固定杆(11)、伸缩杆(12)和分别套设于固定杆另一端、伸缩杆一端的连接套(13)；连接套和伸缩杆上均设有若干个长度调节通孔(14)，连接套和伸缩杆通过螺栓连接，连接套和固定杆螺纹连接。

3.根据权利要求1所述的锅炉断煤检测装置，其特征是，所述竖杆下部设有螺杆，所述螺杆由上至下依次套设有上螺帽(15)、上挡板(16)、下挡板(18)和至少一个下螺帽(19)；所述重锤套设于上挡板、下挡板之间的螺杆上，重锤包括若干块配重盘片(17)。

4.根据权利要求1所述的锅炉断煤检测装置，其特征是，所述限位开关上设有右端向上弯折的L形板(20)，L形板左部与设于限位开关上的支撑板(21)铰接，L形板左端通过弹簧(22)与限位开关相连接，L形板右端与杠杆相配合；限位开关的触头(23)与L形板下表面右部相配合。

5.根据权利要求1或2或3或4所述的锅炉断煤检测装置，其特征是，杠杆下方的煤仓侧壁上设有托架(24)，所述限位开关位于托架上。

6.一种适用于权利要求1所述的锅炉断煤检测装置的检测方法，其特征是，包括如下步骤：

(1-1)机械断煤检测：

(1-1-1)控制器中预先设有安全时间阈值W；控制器得到限位开关检测的电信号，并计算杠杆持续压下限位开关的触头的时间T；当T＞W时，控制器做出当前处于第一预断煤状态的判断；当T≤W时，控制器做出当前为有煤状态的判断；

(1-1-2)激活状态下进行第一预断煤控制：

当控制器做出锅炉由第一预断煤状态转为有煤状态的判断，则检测装置进入激活状态；

在激活状态下，当T＞W时，控制器做出进入第一预断煤状态的判断，并控制第一报警灯闪烁；

在激活状态下，当T≤W时，控制器控制第一报警灯停止闪烁；

(1-2)软件断煤检测：

(1-2-1)存储器中设有具有11个输入节点X＝[X1，...，X11]、单隐藏层为9个节点Y＝[Y1，...，Y9]、1个输出节点Z的BP神经网络模型，其中，存储器中存储有q条学习样本，网络性能目标误差SSE≤0.00001，训练步数至少为d步；

(1-2-2)初始化BP神经网络模型

(1-2-2-1)权重与阀值初始化：控制器利用Gauss随机函数产生满足正态分布、均值为0、方差为1并且取值范围在区间[0，1]中的随机数初始化权重W_ij、阀值θ和θ_j，i＝1，…，11；j＝1，..，9；设定网络性能误差为ε；

(1-2-2-2)变量归一化：控制器中设有与11个输入节点X1，...，X11中分别对应的11组X_Max和X_Min，控制器利用公式X′＝(X-X_Min)/(X_Max-X_Min)分别计算q条学习样本的X1，...，X11的归一化值X′₁，X′₂，...，X′₁₁；

控制器中设有与输出接点Z相对应的Z_max和Z_min，控制器利用公式Z′＝(Z-Z_Min)/(Z_Max-Z_Min)计算q条学习样本的Z的归一化值Z′；得到经过归一化的s组学习样本；

(1-2-3)训练BP神经网络模型：

(1-2-3-1)控制器向BP神经网络模型中输入第s组学习样本，s初始值为1，设定第s组样本的目标输出值为Z′；

利用公式计算隐藏层神经元输出；

利用公式计算输出层神经元实际输出Z_r；其中，函数 $f\left(x\right)=\frac{1}{1+e^{-x/1.15}};$

利用公式计算单个样本偏差E_s；

(1-2-3-2)从输出层开始逐层反向调整权重和阀值：

控制器使输出层的权重W_j增加0.6×δ×Y_j+0.45×ΔW_j，ΔW_j为前次调整增加的权重，ΔW_o＝0；其中，δ＝(Z′-Z_r)×Z_r×(1-Z_r)，

控制器使隐藏层的权重增加0.6×δ_i×X_i+0.45×ΔW_ij；

其中，δ_j＝Y_j×(1-Y_j)×(δ_j×W_j)；

(1-2-3-3)当s＜q，使s值增加1，返回步骤(1-2-3-1)；否则转入步骤(1-2-3-4)；

(1-2-3-4)利用公式计算总误差E_t，其中p为样本序号；

当E_t≤ε或学习步数小于d，训练结束，得到训练好的BP神经网络模型；否则转入步骤(1-2-3-1)；

(1-2-4)控制器实时采集主汽流量、给水流量、给煤量、床温、炉膛负压、一次风压、一次风机电流、二次风压、二次风机电流、引风机电流和排烟温度11个工艺参数，利用步骤(1-2-2-2)对11个工艺参数进行归一化处理，并将各个经过归一化处理的工艺参数送入训练好的BP神经网络模型的11个输入节点中，得到模型输出值Z_r，再利用公式V＝Z_r×(Z_Max-Z_Min)+Z_Min反归一化得到实时氧含量V，控制器计算其中V₁为存储器中设定的与当前主汽流量相关的目标氧含量；

(1-2-5)当持续时间超过T₁秒，则控制器做出当前处于第二预断煤状态的判断，并控制第二报警灯闪烁；

当持续时间超过T₂秒，则控制器控制第二报警灯停止闪烁；

(1-3)当第一、第二报警灯均闪烁，控制器做出断煤判断，并控制报警喇叭报警。

7.根据权利要求6所述的锅炉断煤检测装置的检测方法，其特征是，当主汽流量为29％至32％时，V₁为8.2％至8.8％；当主汽流量为37.5％至42％时，V₁为7.5％至8.0％；当主汽流量为47.5％至52％时，V₁为6.7.5％至7.2％；当主汽流量为57.5％至62％时，V₁为5.7.5％至6.2％；当主汽流量为67.5％至72％时，V₁为4.65％至5.1％；当主汽流量为78.5％至82％时，V₁为4.0％至4.3％；当主汽流量为87％至92％时，V₁为3.5％至3.9％；当主汽流量为92％至100％时，V₁为3.3％至3.5％。

8.根据权利要求6所述的锅炉断煤检测装置的检测方法，其特征是，q为490至550。

9.根据权利要求1所述的锅炉断煤检测装置的检测方法，其特征是，c为1.18至1.25；d为10000至10500。

10.根据权利要求1所述的锅炉断煤检测装置的检测方法，其特征是，T₁为12至16；T₂为1至3。