CN105971738B - 一种燃气轮机组烟气流量在线监测的方法 - Google Patents

一种燃气轮机组烟气流量在线监测的方法 Download PDF

Info

Publication number
CN105971738B
CN105971738B CN201610397362.8A CN201610397362A CN105971738B CN 105971738 B CN105971738 B CN 105971738B CN 201610397362 A CN201610397362 A CN 201610397362A CN 105971738 B CN105971738 B CN 105971738B
Authority
CN
China
Prior art keywords
data
measuring point
compressor
value
temperature
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.)
Active
Application number
CN201610397362.8A
Other languages
English (en)
Other versions
CN105971738A (zh
Inventor
司风琪
黄郑
周建新
夏际先
王晓东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
DATANG SUZHOU CO-GENERATION POWER Co Ltd
Southeast University
Original Assignee
DATANG SUZHOU CO-GENERATION POWER Co Ltd
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by DATANG SUZHOU CO-GENERATION POWER Co Ltd, Southeast University filed Critical DATANG SUZHOU CO-GENERATION POWER Co Ltd
Priority to CN201610397362.8A priority Critical patent/CN105971738B/zh
Publication of CN105971738A publication Critical patent/CN105971738A/zh
Application granted granted Critical
Publication of CN105971738B publication Critical patent/CN105971738B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02CGAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
    • F02C9/00Controlling gas-turbine plants; Controlling fuel supply in air- breathing jet-propulsion plants
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05DINDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00Function
    • F05D2260/80Diagnostics
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05DINDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00Control
    • F05D2270/30Control parameters, e.g. input parameters
    • F05D2270/306Mass flow
    • F05D2270/3061Mass flow of the working fluid
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05DINDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00Control
    • F05D2270/70Type of control algorithm
    • F05D2270/709Type of control algorithm with neural networks
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05DINDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00Control
    • F05D2270/70Type of control algorithm
    • F05D2270/71Type of control algorithm synthesized, i.e. parameter computed by a mathematical model

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Turbines (AREA)

Abstract

本发明公开了一种燃气轮机组烟气流量在线监测的方法,包括如下步骤:(1)读取机组历史运行数据,并对数据进行标准化处理;利用处理后的数据对鲁棒输入训练型神经网络模型进行训练,得到数据重构模型;(2)读取机组实时运行数据,将其输入数据重构模型求出数据重构值,并将残差值与设定的阈值进行比较,判定数据实际测量值是否异常;(3)利用燃料成分分析仪所测得的燃料组分以及修正后的测量数据,根据烷烃燃烧化学反应公式、实际空气系数等公式计算得出压气机出口流量以及透平出口流量。本发明所提出烟气流量算法计算量小、可靠性高、测量精确度高,能够避免传感器测量异常对计算过程造成的干扰,具有很大的工程应用前景。

Description

一种燃气轮机组烟气流量在线监测的方法
技术领域
本发明属于燃气轮机组技术领域,涉及一种燃气轮机组烟气流量在线监测的方法。
背景技术
空气经滤网过滤后被压气机压缩成高温高压的气体,所生成的高温高压气体接着与天然气在燃烧室中混合反生化学反应生成温度更高、压力更高的烟气混合物,烟气混合物进一步在燃气透平中膨胀做功带动电机发电,因此,较为准确的烟气流量测量值有助于对压气机、燃烧室以及透平设备实施更为有效的性能监测与运行状态评估,以提高机组运行的稳定性、安全性以及经济性。
另外,为了提高机组的循环热效率,燃气轮机组已经普遍配置了余热锅炉、蒸汽轮机等设备,形成燃气-蒸汽联合循环机组。在余热锅炉侧,无论是对其进行热力计算还是污染物排放特性分析,都对烟气流量测量值的准确性提出了更高的要求。
然而,目前燃气轮机及其联合循环机组的烟气流量测量还面临着诸多困难。首先,燃气轮机结构复杂,燃烧室与排气室数量多,烟气温度较高,不便于安装烟气流量测量装置,进而导致燃气轮机侧烟气流量值无法获得;其次,布置在燃气轮机组侧的传感器长期在高温高压等严苛环境下工作,易发生各种故障,对烟气流量的计算带来了极大的干扰;再次,布置在余热锅炉尾部烟道的烟气流量测量装置虽然可以得出烟气流量测量值,但是其布置在锅炉尾部烟道,测得的数值存在较大的延迟,另外在机组启机过程中,由于烟气挡板的调节作用,烟气流入余热锅炉的流量存在限制,针对燃机侧设备性能与变工况特性时,此流量装置并不总适用;最后,烟气流量测量装置为非标准节流装置,其流量系数需要现场标定,但是标定环境恶劣、费用高,并且只能冷态标定,标定准确度难以保证。因此,有必要寻求一种新的烟气流量在线监测方法,以提高烟气流量测量值的可靠性和准确性,对燃气机组设备运行状态评估有着重要的作用。
发明内容
发明目的:为了克服现有技术的不足,本发明提供了一种有效的燃气轮机组烟气流量在线监测的方法。
技术方案:本发明提供了一种燃气轮机组烟气流量在线监测的方法,包括以下步骤:
1)读取燃气轮机组负荷测点、燃料量测点、压气机进口温度测点、压气机出口温度测点、压气机出口压力测点、压气机进气压差测点、排气温度测点、排气压力测点、压气机进口可转导叶(下文简称IGV)开度测点、氧量测点组成的历史运行数据,并对历史数据进行标准化处理;利用经标准化处理后的历史数据对鲁棒输入训练型神经网络模型进行训练,得到数据重构模型;
(2)从厂级信息监控系统(下文简称,SIS系统)读取负荷测点、燃料量测点、压气机进口温度测点、压气机出口温度测点、压气机出口压力测点、压气机进气压差测点、排气温度测点、排气压力测点、IGV开度测点、氧量测点组成的实时运行数据,将其输入数据重构模型求出数据重构值;定义数据重构值与实际值的差值为数据残差值,将数据残差值与设定的阈值进行比较判定数据实际测量值是否异常,若数据异常则选数据重构值作为修正后的测量数据,否则修正后的测量数据默认为数据实际测量值;
(3)利用燃料成分分析仪测得的燃料组分以及步骤(2)中获得的修正后的测量数据,根据烷烃燃烧化学反应式、过量空气系数公式计算得出压气机出口流量以及透平出口流量。
进一步,所述步骤(1)包括以下步骤:
(1.1)提取燃气轮机组最近几年稳态历史运行数据测量值,并根据机组负荷和环境温度作为特征进行工况划分,设定采样周期为1s,以滑动窗口平均思想获取各个工况的网络训练数据;
(1.2)使用主成分分析法(下文简称PCA)对负荷测点、燃料量测点、压气机进口温度测点、压气机出口温度测点、压气机出口压力测点、压气机进气压差测点、排气温度测点、排气压力测点、IGV开度测点、氧量测点组成的数据训练集进行主成分分析,得到鲁棒输入训练型神经网络输入层个数为r;鲁棒输入训练型神经网络中间层个数介于输入层个数与输出层个数之间,采用遗传算法进行优化,获取最优个数;选取训练数据中的负荷、燃料量、压气机进口温度、压气机出口温度、压气机出口压力、压气机进气压差、排气温度、排气压力、IGV开度、氧量分别进行归一化处理,作为网络输出层;采用鲁棒输入训练型神经网络进行反复训练,直至均方根误差(下文简称RMSE)小于0.001,从而获得数据重构模型。
进一步,所述步骤(2)中阈值计算方法如下:
根据计算出若数据残差值超出范围,则认为数据异常。
其中,为平均相对误差;Ei为模型预测值与实测值的相对误差;σ为模型预测值与实测值的均方差;m为传感器的总数;为第i个传感器数据重构模型输出值;Xi为第i个传感器实际测量值,i表示传感器的编号。
进一步,所述步骤(3)中压气机出口流量以及透平出口流量的计算方法为:利用公式计算得出压气机出口流量G2,并根据公式计算得出透平出口流量G4;其中,Pbk、Tbk、nbk、Gbk为标准状况下工质气体的压力、温度、物质的量以及体积,Pbk、Tbk、nbk和Gbk的值为定值,分别取101000Pa、298K、1mol和0.0224m3;kxs为过量空气系数;T2为压气机出口温度,单位为K;P2为压气机出口压力,单位为Pa;Per_O2为氧气体积百分比,取定值0.21;G2为压气机出口流量,单位为m3/s;T4为透平出口温度,单位为K;P4为透平排气压力,单位为Pa;G4为透平出口流量,单位为m3/s;nall为工质气体的物质的量,单位为mol/L;为工质气体中氧气组分的物质的量,单位为mol/L。
有益效果:与现有技术相比,本发明提供的方法计算量小、可靠性高、测量精确度高,能够避免传感器测量异常对计算过程造成的干扰,具有很大的工程应用前景。
附图说明
图1为本发明监测方法的流程图;
图2为本发明采用的鲁棒输入训练型神经网络结构示意图;
图3为本发明对余热锅炉尾部烟道氧量数据进行重构结果图。
具体实施方式
下面结合附图对本发明做更进一步的解释。
实施例:
如图1所示,本发明提供的一种燃气轮机组烟气流量在线监测的方法,包括以下步骤:
(1)读取燃气轮机组负荷测点、燃料量测点、压气机进口温度测点、压气机出口温度测点、压气机出口压力测点、压气机进气压差测点、排气温度测点、排气压力测点、IGV开度测点、氧量测点最近几年稳态历史运行数据,并对历史数据进行标准化处理;利用经标准化处理后的历史数据对鲁棒输入训练型神经网络模型进行训练,得到数据重构模型;
获得重构数据模型具体包括以下步骤:
(1.1)根据机组负荷和环境温度为特征进行工况划分,设定采样周期为1s,以滑动窗口平均思想获取各个工况的网络训练数据;
(1.2)使用PCA对负荷测点、燃料量测点、压气机进口温度测点、压气机出口温度测点、压气机出口压力测点、压气机进气压差测点、排气温度测点、排气压力测点、IGV开度测点、氧量测点组成的数据训练集进行主成分分析,得到鲁棒输入训练型神经网络输入变量个数为r;鲁棒输入训练型神经网络中间层个数介于输入层个数与输出层个数之间,采用遗传算法进行优化,获取最优个数;选取r个变量的随机值作为网络输入层;选取训练数据中的负荷、燃料量、压气机进口温度、压气机出口温度、压气机出口压力、压气机进气压差、排气温度、排气压力、IGV开度、氧量分别进行归一化处理,作为网络输出层;采用鲁棒输入训练型神经网络进行反复训练,直至RMSE小于0.001,从而获得数据重构模型;
(2)从SIS系统读取负荷测点、燃料量测点、压气机进口温度测点、压气机出口温度测点、压气机出口压力测点、压气机进气压差测点、排气温度测点、排气压力测点、IGV开度测点、氧量测点组成的实时运行数据,将其输入数据重构模型求出数据重构值;定义数据重构值与实际值的差值为数据残差值,将数据残差值与设定的阈值进行比较判定数据实际测量值是否处于异常状态,若数据异常则数据重构数据作为修正后的测量数据,否则修正后的测量数据默认为数据实际测量值;
其中,步骤(2)中阈值计算方法如下:
根据计算出若数据残差值超出范围,则认为数据异常;其中,为平均相对误差;Ei为模型预测值与实测值的相对误差;σ为模型预测值与实测值的均方差;m为传感器的总数;为第i个传感器数据重构模型输出值;Xi为第i个传感器实际测量值,i表示传感器的编号。
(3)利用燃料成分分析仪测得的燃料组分以及步骤(2)中获得的修正后的测量数据,根据烷烃燃烧化学反应式、过量空气系数公式等计算得出压气机出口流量以及透平出口流量。
其中,烷烃类通用化学反应方程式:式中n没有具体含义,仅表示标号,如表1所示。mall1表示n=1时所需的O2、生成的CO2、H2O以及总产物的系数,其他以次类推。
天然气摩尔质量Mg
单位时间实际天然气物质的量ng
单位物质的量燃料完全燃烧所需的氧气O2、生成的CO2、H2O以及总产物的物质的量分别为:
过量空气系数kxs
通过上述公式可以得出:压气机出口流量G2
透平出口流量G4
其中,M为天然气各成分的摩尔质量,比如,即表示天然气中CH4的摩尔质量,即表示天然气中C2H6的摩尔质量等;k为天然气各组分所占比例系数,比如,表示天然气中CH4所占比例系数,由燃料成分分析仪测出;Gf为天然气流量,单位为kg/s;为燃料各组分充分燃烧所需的O2系数,如表1所示;为燃料各组分充分燃烧生成的CO2、H2O系数,malln表示总产物的系数;为余热锅炉尾部氧量;Pbk、Tbk、nbk、Gbk为标准状况下压力、温度、物质的量以及体积,分别取101000Pa、298K、1mol、和0.0224m3;T2为压气机出口温度,单位为K;P2为压气机出口压力,单位为Pa;Per_O2为氧气体积百分比,取0.21;G2为压气机出口流量,单位为m3/s;T4为透平出口温度,单位为K;P4为透平出口压力,单位为Pa;G4为透平出口流量,单位为m3/s。
表1:烷烃类反生化学反应计算公式系数表
下面结合实施例对本发明作更进一步的说明:
以某200MW燃气—蒸汽联合循环机组烟气流量在线监测为例,采集机组最近两年运行历史数据,采样周期为1s,以每分钟60次采集数据滑动平均值作为一组训练样本,从而获得机组运行特性:首先,根据机组的负荷和环境温度进行工况划分,以50%、60%、70%、80%、90%以及100%负荷段和0℃,10℃,20℃,30℃,35℃温度段为特征获取2000组样本作为模型的训练样本;选取不同于训练样本的600组样本作为测试样本;利用PCA对训练样本进行主成分分析,初步得到鲁棒输入训练型神经网络模型输入变量个数为3,采用遗传算法对鲁棒输入训练型神经网络模型中间层节点个数进行优化,确定中间层节点个数为5,选取负荷、燃料量、压气机进口温度、压气机出口温度、压气机出口压力、压气机进气压差、排气温度、排气压力、IGV开度、氧量作为鲁棒输入训练型神经网络模型输出层,网络结构如图2所示,利用训练样本对鲁棒输入训练型神经网络模型进行训练,得到数据重构模型,并利用测试数据验证了模型的准确性;紧接着,将现场实时运行数据输入重构模型,并判定数据是否超出阈值范围,若超出则对异常数据进行重构,如图3所示,图中为某段氧量测点运行数据采用鲁棒输入训练型神经网络模型进行检测并修正后的数据,从图中可以看出从762s开始至1227s处,传感器测量值与数据重构模型输出值明显不一致,故采用数据重构模型输出值作为修正后的测量数据;采用经修正过后的测量数据以及燃料成分分析仪所测得到数据进行计算得到过量空气系数、单位物质的量燃料完全燃烧所需的氧气O2、生成的CO2、H2O以及总产物的物质的量,最终计算得出压气机出口流量以及透平出口流量,并存入数据库加以监视,表2为从数据库读出的部分计算结果,与设计值对比可知所述方法准确度较高。
表2:部分计算结果与设计值对比

Claims (3)

1.一种燃气轮机组烟气流量在线监测的方法,其特征在于,包括以下步骤:
(1)读取燃气轮机组负荷测点、燃料量测点、压气机进口温度测点、压气机出口温度测点、压气机出口压力测点、压气机进气压差测点、排气温度测点、排气压力测点、压气机进口可转导叶开度测点、氧量测点组成的历史运行数据,并对历史数据进行归一化处理;利用经标准化处理后的历史数据对鲁棒输入训练型神经网络模型进行训练,得到数据重构模型;
(2)从厂级信息监控系统读取负荷测点、燃料量测点、压气机进口温度测点、压气机出口温度测点、压气机出口压力测点、压气机进气压差测点、排气温度测点、排气压力测点、IGV开度测点、氧量测点组成的实时运行数据,将其输入数据重构模型求出数据重构值;定义数据重构值与实际值的差值为数据残差值,将数据残差值与设定的阈值进行比较判定数据实际测量值是否异常,若数据异常则选数据重构值作为修正后的测量数据,否则数据实际测量值作为修正后的测量数据;
(3)利用燃料成分分析仪测得的燃料组分以及步骤(2)中获得的修正后的测量数据,根据烷烃燃烧化学反应式、过量空气系数公式计算得出压气机出口流量以及透平出口流量;
所述步骤(3)中压气机出口流量以及透平出口流量的计算方法为:利用公式计算得出压气机出口流量G2,并根据公式计算得出透平出口流量G4;其中,Pbk、Tbk、nbk、Gbk为标准状况下工质气体的压力、温度、物质的量以及体积,Pbk、Tbk、nbk和Gbk的值为定值,分别取101000Pa、298K、1mol和0.0224m3;kxs为过量空气系数;T2为压气机出口温度,单位为K;P2为压气机出口压力,单位为Pa;Per_O2为氧气体积百分比,取定值0.21;G2为压气机出口流量,单位为m3/s;T4为透平出口温度,单位为K;P4为透平排气压力,单位为Pa;G4为透平出口流量,单位为m3/s;nall为工质气体的物质的量,单位为mol/L;为工质气体中氧气组分的物质的量,单位为mol/L。
2.根据权利要求1所述的燃气轮机组烟气流量在线监测的方法,其特征在于:所述步骤(1)包括以下步骤:
(1.1)提取燃气轮机组最近几年稳态历史运行数据测量值,并根据机组负荷和环境温度作为特征进行工况划分,设定采样周期为1s,以滑动窗口平均思想获取各个工况的网络训练数据;
(1.2)使用主成分分析法对负荷测点、燃料量测点、压气机进口温度测点、压气机出口温度测点、压气机出口压力测点、压气机进气压差测点、排气温度测点、排气压力测点、IGV开度测点、氧量测点组成的数据训练集进行主成分分析,得到鲁棒输入训练型神经网络输入层个数为r;鲁棒输入训练型神经网络中间层个数介于输入层个数与输出层个数之间,采用遗传算法进行优化,获取最优个数;选取训练数据中的负荷、燃料量、压气机进口温度、压气机出口温度、压气机出口压力、压气机进气压差、排气温度、排气压力、IGV开度、氧量分别进行归一化处理,作为网络输出层;采用鲁棒输入训练型神经网络进行反复训练,直至均方根误差小于0.001,从而获得数据重构模型。
3.根据权利要求1所述的燃气轮机组烟气流量在线监测的方法,其特征在于:所述步骤(2)中阈值计算方法如下:
根据计算出若数据残差值超出范围,则认为数据异常;其中,为平均相对误差;Ei为模型预测值与实测值的相对误差;σ为模型预测值与实测值的均方差;m为传感器的总数;为第i个传感器数据重构模型输出值;Xi为第i个传感器实际测量值,i表示传感器的编号。
CN201610397362.8A 2016-06-07 2016-06-07 一种燃气轮机组烟气流量在线监测的方法 Active CN105971738B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610397362.8A CN105971738B (zh) 2016-06-07 2016-06-07 一种燃气轮机组烟气流量在线监测的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610397362.8A CN105971738B (zh) 2016-06-07 2016-06-07 一种燃气轮机组烟气流量在线监测的方法

Publications (2)

Publication Number Publication Date
CN105971738A CN105971738A (zh) 2016-09-28
CN105971738B true CN105971738B (zh) 2017-11-07

Family

ID=57011054

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610397362.8A Active CN105971738B (zh) 2016-06-07 2016-06-07 一种燃气轮机组烟气流量在线监测的方法

Country Status (1)

Country Link
CN (1) CN105971738B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017201548A1 (de) * 2017-01-31 2018-08-02 Siemens Aktiengesellschaft Verfahren zum Bereitstellen von Messwerten einer technischen Anlage, technisches System und Verfahren zum Betreiben des technischen Systems
CN106842955B (zh) * 2017-03-15 2019-08-20 东南大学 带烟气量扰动抑制的燃烧后co2捕集系统预测控制方法
CN107340137B (zh) * 2017-07-25 2023-10-10 杭州华电半山发电有限公司 一种重型燃气轮机透平效率在线监测系统装置及其方法
CN109034533B (zh) * 2018-06-21 2024-02-02 南京南自华盾数字技术有限公司 一种集团级实时监管平台污染物参数小时均值统计的方法
CN108979862A (zh) * 2018-08-23 2018-12-11 中国电力工程顾问集团西南电力设计院有限公司 一种分布式能源站燃气轮机组多能流子系统测点结构
CN109887613A (zh) * 2019-01-22 2019-06-14 国电科学技术研究院有限公司 一种计算锅炉效率的方法及系统
CN110532681B (zh) * 2019-08-28 2023-01-31 哈尔滨工业大学 基于narx网络-箱线图和常模式提取的燃机异常检测方法
CN111308337A (zh) * 2020-03-31 2020-06-19 张铭源 一种离心风机入口导叶调节阀门性能评价方法
CN111767275B (zh) * 2020-06-28 2024-04-19 北京林克富华技术开发有限公司 数据的处理方法及装置、数据处理系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103903087A (zh) * 2014-03-06 2014-07-02 东南大学 一种基于bp神经网络的汽动引风机全工况在线监测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103903087A (zh) * 2014-03-06 2014-07-02 东南大学 一种基于bp神经网络的汽动引风机全工况在线监测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于鲁棒输入训练神经网络的非线性多传感器故障诊断方法及其应用;司风琪等;《东南大学学报》;20110531;第41卷(第3期);第574-578页 *
烟气排放连续监测系统的烟气参数在线检测技术;朱卫东等;《分析仪器》;20110131;第83-88页 *
神经网络鲁棒控制及其在燃气轮机排气温度控制中的仿真应用;潘蕾等;《动力工程》;20011231;第21卷(第6期);第1542-1547页 *

Also Published As

Publication number Publication date
CN105971738A (zh) 2016-09-28

Similar Documents

Publication Publication Date Title
CN105971738B (zh) 一种燃气轮机组烟气流量在线监测的方法
US20190113417A1 (en) Method for acquiring thermal efficiency of a boiler
CN111581891B (zh) 一种燃气-蒸汽联合循环机组燃烧温度智能监测方法
CN107103176A (zh) 基于多源信息融合技术的燃煤锅炉scr催化剂寿命评价方法
CN105867132B (zh) 稳态追踪自矫正的联合循环机组排烟含氧量在线测量方法
CN109443423A (zh) 一种基于积差分析的燃气机组碳排放数据关联度检验方法
CN113011010A (zh) 基于结构机理和运行数据的锅炉故障诊断方法及诊断系统
CN112131517B (zh) 一种垃圾焚烧电厂入炉垃圾低位热值的测算方法
CN108197723B (zh) 煤电机组供电煤耗与污染物排放的优化节能调度方法
CN106930809A (zh) 用于排放控制系统中的故障诊断的系统和方法
CN112540158B (zh) 石灰石湿法脱硫强制氧化空气利用率的测试方法
CN103728055B (zh) 一种火电机组锅炉炉膛出口烟气能量的实时估计方法
CN111981506B (zh) 一种燃煤锅炉最佳氧量确认方法及系统
CN116128136A (zh) 一种基于LSO-CatBoost的燃煤电厂锅炉NOX排放预测方法
US9732961B2 (en) Online estimation of specific gravity of gas fuel
CN108875165B (zh) 基于运行数据的锅炉特性标定方法
EP2644850B1 (en) A system for analyzing operation of power plant units and a method for analyzing operation of power plant units
JP6554162B2 (ja) 発電プラント性能評価方法及び発電プラント性能評価プログラム
CN113946789B (zh) 一种实时计算四炉三机垃圾焚烧发电厂垃圾焚烧量的方法
CN114267418A (zh) 一种锅炉运行数据的实时测量方法及装置
KR100752765B1 (ko) 복합화력 발전소의 운전제어가능 파라미터의 실시간영향산출 시스템 및 방법
CN110647560B (zh) 一种机理与类脑智能结合的电厂入炉煤质在线软测量方法
Rudolf et al. Analysis of long-term gas turbine operation with a model-based data reconciliation technique
KR101952792B1 (ko) 에너지 시스템의 고장진단 방법 및 장치
CN112446003A (zh) 基于特征通流面积准确评估汽轮机组蒸汽泄漏量的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant