CN109185917B - 一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及系统 - Google Patents
一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及系统 Download PDFInfo
- Publication number
- CN109185917B CN109185917B CN201811020459.2A CN201811020459A CN109185917B CN 109185917 B CN109185917 B CN 109185917B CN 201811020459 A CN201811020459 A CN 201811020459A CN 109185917 B CN109185917 B CN 109185917B
- Authority
- CN
- China
- Prior art keywords
- intensity signal
- flame intensity
- value
- combustion state
- period
- 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
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23M—CASINGS, LININGS, WALLS OR DOORS SPECIALLY ADAPTED FOR COMBUSTION CHAMBERS, e.g. FIREBRIDGES; DEVICES FOR DEFLECTING AIR, FLAMES OR COMBUSTION PRODUCTS IN COMBUSTION CHAMBERS; SAFETY ARRANGEMENTS SPECIALLY ADAPTED FOR COMBUSTION APPARATUS; DETAILS OF COMBUSTION CHAMBERS, NOT OTHERWISE PROVIDED FOR
- F23M11/00—Safety arrangements
- F23M11/04—Means for supervising combustion, e.g. windows
- F23M11/045—Means for supervising combustion, e.g. windows by observing the flame
Abstract
本发明公开了一种基于火焰强度信号分析的锅炉燃烧状态在线诊断方法及系统,方法实施步骤包括收集运行锅炉的火焰强度信号历史数据,确定燃烧状态类别;选取诊断周期和表征燃烧状态的特征参数向量;计算诊断周期内的特征参数向量值,一个周期的计算结果作为一个样本;选取各类燃烧状态的样本各若干组并求取各状态的聚类中心;在线计算诊断周期内特征参数向量值及其与各聚类中心的隶属度;根据隶属度取值确定待诊断样本的燃烧状态,实现在线诊断。本发明提供了一种工程上切实可行、成本较低、准确可靠的燃烧状态诊断方法,可实时地指导运行人员定量把握燃烧状况,有利于锅炉的安全稳定运行,减轻运行人员的劳动强度,提高机组运行的智能化水平。
Description
技术领域
本发明涉及火力发电机组锅炉燃烧状态监测技术,具体涉及一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及系统。
背景技术
中国是一个煤电大国,近年来,随着信息化和工业化深度融和的不断发展,中国的电力装备逐渐向智能化阶段转变,火电机组的智能化运行和深度调峰将成为发展趋势。截止2017年3月煤电总装机容量为超过10亿千瓦。对于火电机组而言,机组智能运行可简单分解为锅炉、汽机、发电机和其他辅助系统的智能运行。其中,锅炉智能运行的核心是组织安全、稳定、优质的燃烧,控制的先决条件为准确的燃烧状态诊断。一方面,局限于能源结构,中国火电厂燃煤机组燃用劣质煤或混煤掺烧的情况比较普遍,而且为满足电网调峰需要,火电机组频繁进行大幅度负荷调整并长期在低负荷工况下运行,锅炉稳燃能力较差。另一方面,随着资源与环境的压力与日俱增,监管部门对投产机组提出了更高的要求,包括提高效率、降低污染物的排放标准等。因此煤质变化频繁、运行条件差、高效率、低排放等多重压力,给电厂的运行人员增加了劳动强度和技能要求。锅炉燃烧状态的在线诊断技术可有效减轻运行人员的操作负担。而且,就火电机组本身而言,组织安全稳定的燃烧是最核心的要求。仅就中国中部某省而言,每年都有多次因燃烧不稳导致的机组非异停,以及燃烧不当导致的“四管”爆漏。另外,因燃烧不好污染物处理成本增加的间接损失更是无法估量。因此,从电厂运行的安全性、经济性和环保性多方考虑,积极促进实施锅炉的燃烧诊断和优化,必然会产生巨大的经济效益,同时为减轻环保压力做出贡献。
目前,根据诊断过程中应用的基本原理不同,燃烧诊断技术可分为基于激光技术的诊断技术、基于温度测量的诊断技术、基于火焰色度坐标的诊断技术、基于火焰频谱估计的诊断技术以及基于火焰图像的诊断技术。从本质上来讲,上述燃烧诊断技术都依赖于火焰图像的采集,增加了设备投入费用。从已经投用的运行实践来看,基于火焰图像采集的燃烧诊断技术尚存在一些不足:第一,火焰图像测枪工作不稳定,硬件系统和数据传输的可靠性有待提高;第二,基于火焰图像采集的燃烧诊断(监测)系统需要较高的维护和检修成本。
发明内容
本发明要解决的技术问题:针对现有技术的上述问题,提供一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及系统,本发明提供了一种工程上切实可行、成本较低、准确可靠的燃烧状态诊断方法,可实时地指导运行人员定量把握燃烧状况,有利于锅炉的安全稳定运行,减轻运行人员的劳动强度,提高机组运行的智能化水平。
为了解决上述技术问题,本发明采用的技术方案为:
一种基于火焰强度信号分析的锅炉燃烧状态在线诊断方法,实施步骤包括:
1)预先收集锅炉的火焰强度信号历史数据;
2)基于火焰强度信号对锅炉曾经出现过的燃烧状态进行分类,得到多种燃烧状态类别;
3)针对每一种燃烧状态类别选取指定数量的火焰强度信号历史数据;
4)选取诊断周期T和表征燃烧状态的特征参数向量;
5)基于每一种燃烧状态类别的火焰强度信号历史数据,以诊断周期T为周期计算特征参数向量的值,每个诊断周期T的特征参数向量的值作为一组样本,获得用于表征每一种燃烧状态类别的多组样本;
6)对每一种燃烧状态类别的多组样本进行聚类,得到每一种燃烧状态类别的聚类中心;
7)在进行锅炉燃烧状态在线诊断时,以T为周期计算该段时间内特征参数向量的值,并每间隔(T-1/f)秒选取该特征参数向量的值作为待识别样本,其中f为火焰强度信号采集频率;
8)计算步骤7)中得到的待识别样本与步骤6)中获得的每一种燃烧状态类别的聚类中心之间的隶属度;
9)根据隶属度取值确定待识别样本对应的燃烧状态类别。
优选地,步骤4)中选取诊断周期T时,选取的诊断周期T为火焰强度信号采集周期1/f的10~30倍,其中f为火焰强度信号采集频率。
优选地,步骤4)中选取表征燃烧状态的特征参数向量时,特征参数向量是指诊断周期T时段内火焰强度信号的算术平均值、标准差、均匀度、变异系数和峰峰值组成的一维向量。
优选地,步骤5)中以诊断周期T为周期计算特征参数向量的值的具体步骤包括:针对每一个诊断周期T内选取起始时刻t至结束时刻(t+T-1/f)时段内的火焰强度信号监测值A0, A1, ……, AT-1/f,其中f为火焰强度信号采集频率,计算火焰强度信号监测值A0, A1,……, AT-1/f的算术平均值X、标准差S、均匀度U、变异系数V和峰峰值P,并将算术平均值X、标准差S、均匀度U、变异系数V和峰峰值P构成的一维向量[X, S, U, V, P]作为诊断周期T时段内的特征参数向量的值。
优选地,步骤7)中以诊断周期T为周期计算特征参数向量的值的具体步骤包括:获取火焰强度信号实时监测值a0以及从当前时刻往前(T-1/f)秒内的火焰强度信号监测值a1,a2, ……aT-1/f,计算数组a0, a1, a2, ……aT-1/f的算术平均值Xd、标准差Sd、均匀度Ud、变异系数Vd和峰峰值Pd,并将算术平均值Xd、标准差Sd、均匀度Ud、变异系数Vd和峰峰值Pd构成的一维向量[Xd, Sd, Ud, Vd, Pd]作为时段T内的特征参数向量,其中f为火焰强度信号采集频率。
优选地,步骤7)中每间隔(T-1/f)秒选取该特征参数向量的值作为待识别样本具体是通过切换开关实现的,切换开关每隔(T-1/f)秒动作一次,每次动作持续时长1/f秒,其中f为火焰强度信号采集频率;当切换开关动作时,输出当前诊断周期对应的特征参数向量的值;当切换开关不动作时,保持上一个诊断周期对应的特征参数向量的值。
优选地,所述从当前时刻往前(T-1/f)秒内的火焰强度信号监测值a1, a2, ……aT-1/f的获取具体是通过滞后功能块实现的,将火焰强度信号实时监测值a0分别连接至T-1/f个滞后功能块,各个滞后功能块分别以1/f等差布置且第一个滞后功能块的滞后时间为1/f秒、第二个滞后功能块的滞后时间为2/f秒、……,第T-1/f个滞后功能块的滞后时间为(T-1/f)秒,使得第一个滞后功能块输出火焰强度信号监测值a1、第二个滞后功能块输出火焰强度信号监测值a2、……、最后一个滞后功能块输出火焰强度信号监测值aT-1/f,其中f为火焰强度信号采集频率。
本发明还提供一种基于火焰强度信号的锅炉燃烧状态在线诊断系统,包括计算机设备,所述计算机设备被编程以执行本发明前述基于火焰强度信号的锅炉燃烧状态在线诊断方法的步骤。
和现有技术相比,本发明具有下述优点:
1、本发明中基于火焰强度信号分析进行燃烧诊断,火焰强度信号由火检探头检测(一般电站锅炉均配有火检探头),充分利用锅炉配备的现成测点,不需增加额外设备,不增加额外的硬件设备投入费用,检修和维护成本较低。
2、本发明充分考虑“燃烧状态是一个渐变的过程,各种状态之间没有断然的分界线”的特点,采用隶属度的概念将模糊的事件以定量的形式表现出来,为运行人员监视锅炉燃烧状态提供定量的依据,从而更加实时高效的组织优质的炉膛燃烧。
3、本发明明确了诊断周期。离线求取聚类中心时计算样本的时间跨度和在线计算待识别状态样本的时间跨度是一致的,提高了诊断结论的准确度。
附图说明
图1为本发明实施例方法的基本流程示意图。
具体实施方式
如图1所示,本实施例基于火焰强度信号分析的锅炉燃烧状态在线诊断方法的实施步骤包括:
1)预先收集锅炉的火焰强度信号历史数据。
2)基于火焰强度信号对锅炉曾经出现过的燃烧状态进行分类,得到多种燃烧状态类别。
本实施例中,得到的多种燃烧状态类别包括:{好,一般,差,很差}四种。
3)针对每一种燃烧状态类别选取指定数量的火焰强度信号历史数据。
选取火焰强度信号历史数据时,火焰强度信号历史数据的数量应当不少于时长为600/f的火焰强度信号历史数据,其中f为火焰强度信号采集频率;本实施例中,火焰强度信号采集频率为1次/秒,针对每一种燃烧状态类别选取火焰强度信号历史数据的数量为600个。
4)选取诊断周期T和表征燃烧状态的特征参数向量。
步骤4)中选取诊断周期T时,选取的诊断周期T为火焰强度信号采集周期1/f的10~30倍,其中f为火焰强度信号采集频率。本实施例中,火焰强度信号采集频率为1次/秒,则火焰强度信号采集周期1/f为1秒,选取诊断周期T具体为20s。
本实施例中,步骤4)中选取表征燃烧状态的特征参数向量时,特征参数向量是指诊断周期T时段内火焰强度信号的算术平均值、标准差、均匀度、变异系数和峰峰值组成的一维向量。
5)基于每一种燃烧状态类别的火焰强度信号历史数据,以诊断周期T为周期计算特征参数向量的值,每个诊断周期T的特征参数向量的值作为一组样本,获得用于表征每一种燃烧状态类别的多组样本。
本实施例中,步骤5)中以诊断周期T为周期计算特征参数向量的值的具体步骤包括:针对每一个诊断周期T内选取起始时刻t至结束时刻(t+T-1/f)时段内的火焰强度信号监测值A0, A1, ……, AT-1/f,其中f为火焰强度信号采集频率,计算火焰强度信号监测值A0,A1, ……, AT-1/f的算术平均值X、标准差S、均匀度U、变异系数V和峰峰值P,并将算术平均值X、标准差S、均匀度U、变异系数V和峰峰值P构成的一维向量[X, S, U, V, P]作为诊断周期T时段内的特征参数向量的值。
本实施例中,火焰强度信号采集频率为1次/秒,诊断周期T为20s,则每个诊断周期T内包含20个火焰强度信号历史数据,计算这20个火焰强度信号历史数据的算术平均值X、标准差S、均匀度U、变异系数V和峰峰值P,获得的值组成一维向量,即特征参数向量,将该一维向量作为一组样本,则每一种燃烧状态类别选取600个火焰强度信号历史数据根据诊断周期T可分为30组,被处理后一共得到30组样本(30个一维向量)。
6)对每一种燃烧状态类别的多组样本进行聚类,得到每一种燃烧状态类别的聚类中心。
将每一种燃烧状态类别的30组样本进行聚类,即可得到每种燃烧状态类别对应的聚类中心,最终使得每一种燃烧状态类别都对应一个聚类中心。
7)在进行锅炉燃烧状态在线诊断时,以T为周期计算该段时间内特征参数向量的值,并每间隔(T-1/f)秒选取该特征参数向量的值作为待识别样本,其中f为火焰强度信号采集频率。
本实施例中,步骤7)中以诊断周期T为周期计算特征参数向量的值的具体步骤包括:获取火焰强度信号实时监测值a0以及从当前时刻往前(T-1/f)秒内的火焰强度信号监测值a1, a2, ……aT-1/f,计算数组a0, a1, a2, ……aT-1/f的算术平均值Xd、标准差Sd、均匀度Ud、变异系数Vd和峰峰值Pd,并将算术平均值Xd、标准差Sd、均匀度Ud、变异系数Vd和峰峰值Pd构成的一维向量[Xd, Sd, Ud, Vd, Pd]作为时段T内的特征参数向量,其中f为火焰强度信号采集频率。
本实施例中,步骤7)中每间隔(T-1/f)秒选取该特征参数向量的值作为待识别样本具体是通过切换开关实现的,切换开关每隔(T-1/f)秒动作一次,每次动作持续时长1/f秒,其中f为火焰强度信号采集频率;当切换开关动作时,输出当前诊断周期对应的特征参数向量的值;当切换开关不动作时,保持上一个诊断周期对应的特征参数向量的值。
本实施例中,从当前时刻往前(T-1/f)秒内的火焰强度信号监测值a1, a2, ……aT-1/f的获取具体是通过滞后功能块实现的,将火焰强度信号实时监测值a0分别连接至T-1/f个滞后功能块,各个滞后功能块分别以1/f等差布置且第一个滞后功能块的滞后时间为1/f秒、第二个滞后功能块的滞后时间为2/f秒、……,第T-1/f个滞后功能块的滞后时间为(T-1/f)秒,使得第一个滞后功能块输出火焰强度信号监测值a1、第二个滞后功能块输出火焰强度信号监测值a2、……、最后一个滞后功能块输出火焰强度信号监测值aT-1/f。其中,滞后功能块是各DCS系统(分布式控制系统)中自带的功能块,本实施例基于火焰强度信号分析的锅炉燃烧状态在线诊断方法既可以基于DCS系统实现,也可以独立于DCS系统单独编程实现。
8)计算步骤7)中得到的待识别样本与步骤6)中获得的每一种燃烧状态类别的聚类中心之间的隶属度。
9)根据隶属度取值确定待识别样本对应的燃烧状态类别。
计算当前诊断周期T内火焰强度信号数据的特征参数向量的值、每一种燃烧状态类别的聚类中心之间的隶属度后,根据隶属度取值确定待识别样本隶属于燃烧状态类别{好,一般,差,很差}四种中的哪一种。
参见步骤1)~步骤9)可知,本实施例基于火焰强度信号分析的锅炉燃烧状态在线诊断方法可分为历史数据处理、在线诊断两个阶段,其中步骤1)~步骤6)为历史数据处理阶段,用于根据历史数据处理进行聚类得到燃烧状态类别的聚类中心;步骤7)~步骤9)则为在线诊断阶段,用于根据当前诊断周期T内火焰强度信号数据作为待识别样本计算特征参数向量,进而确定锅炉当前的燃烧状态类别。
综上所述,本实施例提供了一种工程上切实可行、成本较低、准确可靠的燃烧状态诊断方法,可实时地指导运行人员定量把握燃烧状况,有利于锅炉的安全稳定运行,减轻运行人员的劳动强度,提高机组运行的智能化水平。本实施例基于火焰强度信号的锅炉燃烧状态在线诊断方法具有不增加设备费用投入、不增加检修成本、准确可靠的优点,采用隶属度的概念将模糊的事件以定量的形式表现出来,为运行人员监视锅炉燃烧状态提供定量的依据,从而更加实时高效的组织优质的炉膛燃烧。此外,本实施例还提供一种基于火焰强度信号的锅炉燃烧状态在线诊断系统,包括计算机设备,该计算机设备被编程以执行本实施例前述锅炉燃烧状态在线诊断方法的步骤。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种基于火焰强度信号分析的锅炉燃烧状态在线诊断方法,其特征在于实施步骤包括:
1)预先收集锅炉的火焰强度信号历史数据;
2)基于火焰强度信号对锅炉曾经出现过的燃烧状态进行分类,得到多种燃烧状态类别;
3)针对每一种燃烧状态类别选取指定数量的火焰强度信号历史数据;
4)选取诊断周期T和表征燃烧状态的特征参数向量,所述诊断周期T为火焰强度信号采集周期1/f的10~30倍,其中f为火焰强度信号采集频率,所述特征参数向量是指诊断周期T时段内火焰强度信号的算术平均值、标准差、均匀度、变异系数和峰峰值组成的一维向量;
5)基于每一种燃烧状态类别的火焰强度信号历史数据,以诊断周期T为周期计算特征参数向量的值,每个诊断周期T的特征参数向量的值作为一组样本,获得用于表征每一种燃烧状态类别的多组样本;
6)对每一种燃烧状态类别的多组样本进行聚类,得到每一种燃烧状态类别的聚类中心;
7)在进行锅炉燃烧状态在线诊断时,以T为周期计算该段时间内特征参数向量的值,并每间隔T-1/f秒选取该特征参数向量的值作为待识别样本,其中f为火焰强度信号采集频率;
8)计算步骤7)中得到的待识别样本与步骤6)中获得的每一种燃烧状态类别的聚类中心之间的隶属度;
9)根据隶属度取值确定待识别样本对应的燃烧状态类别。
2.根据权利要求1所述的基于火焰强度信号分析的锅炉燃烧状态在线诊断方法,其特征在于,步骤5)中以诊断周期T为周期计算特征参数向量的值的具体步骤包括:针对每一个诊断周期T内选取起始时刻t至结束时刻t+T-1/f时段内的火焰强度信号监测值A0, A1,……, AT-1/f,其中f为火焰强度信号采集频率,计算火焰强度信号监测值A0, A1, ……,AT-1/f的算术平均值X、标准差S、均匀度U、变异系数V和峰峰值P,并将算术平均值X、标准差S、均匀度U、变异系数V和峰峰值P构成的一维向量[X, S, U, V, P]作为诊断周期T时段内的特征参数向量的值。
3.根据权利要求1所述的基于火焰强度信号分析的锅炉燃烧状态在线诊断方法,其特征在于,步骤7)中以诊断周期T为周期计算特征参数向量的值的具体步骤包括:获取火焰强度信号实时监测值a0以及从当前时刻往前T-1/f秒内的火焰强度信号监测值a1, a2, ……aT-1/f,计算数组a0, a1, a2, ……aT-1/f的算术平均值Xd、标准差Sd、均匀度Ud、变异系数Vd和峰峰值Pd,并将算术平均值Xd、标准差Sd、均匀度Ud、变异系数Vd和峰峰值Pd构成的一维向量[Xd, Sd, Ud, Vd, Pd]作为时段T内的特征参数向量,其中f为火焰强度信号采集频率。
4.根据权利要求1所述的基于火焰强度信号分析的锅炉燃烧状态在线诊断方法,其特征在于,步骤7)中每间隔T-1/f秒选取该特征参数向量的值作为待识别样本具体是通过切换开关实现的,切换开关每隔T-1/f秒动作一次,每次动作持续时长1/f秒,其中f为火焰强度信号采集频率;当切换开关动作时,输出当前诊断周期对应的特征参数向量的值;当切换开关不动作时,保持上一个诊断周期对应的特征参数向量的值。
5.根据权利要求3所述的基于火焰强度信号分析的锅炉燃烧状态在线诊断方法,其特征在于,所述从当前时刻往前T-1/f秒内的火焰强度信号监测值a1, a2, ……aT-1/f的获取具体是通过滞后功能块实现的,将火焰强度信号实时监测值a0分别连接至T-1/f个滞后功能块,各个滞后功能块分别以1/f等差布置且第一个滞后功能块的滞后时间为1/f秒、第二个滞后功能块的滞后时间为2/f秒、……,第T-1/f个滞后功能块的滞后时间为T-1/f秒,使得第一个滞后功能块输出火焰强度信号监测值a1、第二个滞后功能块输出火焰强度信号监测值a2、……、最后一个滞后功能块输出火焰强度信号监测值aT-1/f,其中f为火焰强度信号采集频率。
6.一种基于火焰强度信号的锅炉燃烧状态在线诊断系统,包括计算机设备,其特征在于:所述计算机设备被编程以执行权利要求1~5中任意一项所述基于火焰强度信号的锅炉燃烧状态在线诊断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811020459.2A CN109185917B (zh) | 2018-09-03 | 2018-09-03 | 一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811020459.2A CN109185917B (zh) | 2018-09-03 | 2018-09-03 | 一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109185917A CN109185917A (zh) | 2019-01-11 |
CN109185917B true CN109185917B (zh) | 2020-06-12 |
Family
ID=64917944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811020459.2A Active CN109185917B (zh) | 2018-09-03 | 2018-09-03 | 一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109185917B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886231A (zh) * | 2019-02-28 | 2019-06-14 | 重庆科技学院 | 一种垃圾焚烧厂火焰燃烧状态识别方法 |
CN110689176B (zh) * | 2019-09-17 | 2022-03-11 | 国网湖南省电力有限公司 | 一种双进双出磨煤机出力计量优化方法、系统及介质 |
CN111928293A (zh) * | 2020-07-29 | 2020-11-13 | 湖南柯林瀚特环保科技有限公司 | 一种火焰检测方法及系统 |
CN112396101A (zh) * | 2020-11-16 | 2021-02-23 | 西安热工研究院有限公司 | 基于火力电厂炉膛火焰电视的智能图像分析与决策方法 |
CN113239612A (zh) * | 2021-04-07 | 2021-08-10 | 华南理工大学 | 一种锅炉燃烧状态诊断方法、系统及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1534238A (zh) * | 2003-04-01 | 2004-10-06 | 上海东方机电科技公司 | 数字火焰检测装置 |
CN101033849A (zh) * | 2007-04-18 | 2007-09-12 | 刘飞 | 火焰燃烧状况监控设备 |
CN201582844U (zh) * | 2009-10-14 | 2010-09-15 | 上海涌能能源科技发展有限公司 | 锅炉燃烧器火焰监测装置的冷却吹扫设备 |
CN103886316A (zh) * | 2014-02-20 | 2014-06-25 | 东南大学 | 一种基于特征提取与模糊c均值聚类的燃烧监测与诊断的方法 |
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 |
-
2018
- 2018-09-03 CN CN201811020459.2A patent/CN109185917B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1534238A (zh) * | 2003-04-01 | 2004-10-06 | 上海东方机电科技公司 | 数字火焰检测装置 |
CN101033849A (zh) * | 2007-04-18 | 2007-09-12 | 刘飞 | 火焰燃烧状况监控设备 |
CN201582844U (zh) * | 2009-10-14 | 2010-09-15 | 上海涌能能源科技发展有限公司 | 锅炉燃烧器火焰监测装置的冷却吹扫设备 |
CN103886316A (zh) * | 2014-02-20 | 2014-06-25 | 东南大学 | 一种基于特征提取与模糊c均值聚类的燃烧监测与诊断的方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN109185917A (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109185917B (zh) | 一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及系统 | |
CN111898669B (zh) | 一种基于机器学习的直流矿热炉异常事件预警系统 | |
CN101025618A (zh) | 一种电厂热工设备智能状态诊断分析系统 | |
CN111581597A (zh) | 基于自组织核回归模型的风电机组齿轮箱轴承温度状态监测方法 | |
CN112836941B (zh) | 一种煤电机组汽轮机高加系统在线健康状况评估方法 | |
CN113837464A (zh) | 一种基于CNN-LSTM-Attention的热电联产锅炉负荷预测方法 | |
CN112861350B (zh) | 一种水冷式汽轮发电机定子绕组温度过热缺陷预警方法 | |
US20230229124A1 (en) | Operation control system and a control method for a gas-steam combined cycle generator unit | |
CN108319131A (zh) | 基于数据挖掘的机组调峰能力评估方法 | |
CN111596643A (zh) | 一种基于大数据的可视化动态能耗诊断、分析和预控系统 | |
CN109858125B (zh) | 一种基于径向基神经网络的火电机组供电煤耗计算方法 | |
CN116359652A (zh) | 一种用于电力设备的状态监测系统 | |
CN109032117A (zh) | 基于arma模型的单回路控制系统性能评价方法 | |
Bao et al. | Wind turbine condition monitoring based on improved active learning strategy and KNN algorithm | |
CN114418169A (zh) | 一种基于大数据挖掘的在线运行优化系统 | |
CN114297265A (zh) | 基于物联技术的智能运维方法 | |
CN113722656A (zh) | 一种火力发电机组实时健康度评价方法及系统 | |
CN111445141B (zh) | 一种供热机组的负荷分配方法、系统和装置 | |
CN111612181A (zh) | 基于故障树的锅炉异常工况诊断及运行优化方法 | |
CN112001511A (zh) | 基于数据挖掘的设备可靠性及动态风险评价方法、系统和设备 | |
CN108709426B (zh) | 基于频谱特征双边检测法烧结机漏风故障在线诊断方法 | |
CN111624985B (zh) | 燃气轮机控制系统传感器故障诊断方法 | |
CN110456191B (zh) | 一种超大规模电池储能电站运行单元检测的方法及系统 | |
CN112240267B (zh) | 基于风速相关性与风功率曲线的风机监测方法 | |
CN108123436B (zh) | 基于主成分分析和多元回归算法的电压越限预测模型 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |