CN110619929A - 一种电站煤粉锅炉烟气流量软测量方法 - Google Patents
一种电站煤粉锅炉烟气流量软测量方法 Download PDFInfo
- Publication number
- CN110619929A CN110619929A CN201910890192.0A CN201910890192A CN110619929A CN 110619929 A CN110619929 A CN 110619929A CN 201910890192 A CN201910890192 A CN 201910890192A CN 110619929 A CN110619929 A CN 110619929A
- Authority
- CN
- China
- Prior art keywords
- flue gas
- coal
- theoretical
- boiler
- amount
- 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.)
- Granted
Links
- 239000003245 coal Substances 0.000 title claims abstract description 90
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 title claims abstract description 77
- 239000003546 flue gas Substances 0.000 title claims abstract description 76
- 238000000691 measurement method Methods 0.000 title claims description 6
- 238000004458 analytical method Methods 0.000 claims abstract description 41
- 238000010801 machine learning Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000000921 elemental analysis Methods 0.000 claims abstract description 11
- 239000000779 smoke Substances 0.000 claims description 23
- 238000012360 testing method Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 14
- 239000007789 gas Substances 0.000 claims description 10
- 229910052717 sulfur Inorganic materials 0.000 claims description 9
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 8
- 229910052760 oxygen Inorganic materials 0.000 claims description 8
- 239000011593 sulfur Substances 0.000 claims description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 7
- 239000001301 oxygen Substances 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 claims 1
- 238000010438 heat treatment Methods 0.000 claims 1
- 239000000203 mixture Substances 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 description 10
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 6
- 238000002485 combustion reaction Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- 229910021529 ammonia Inorganic materials 0.000 description 3
- 239000000243 solution Substances 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Regulation And Control Of Combustion (AREA)
Abstract
本发明提出一种电站煤粉锅炉烟气流量软测量方法,利用收集煤质数据(包括工业分析和元素分析),使用元素分析计算煤的理论空气量和理论烟气量,通过机器学习算法分别建立煤的工业分析和理论空气量及工业分析和理论烟气量的关系模型,模型可以使用工业分析直接估算煤种的理论烟气量和理论空气量,通过模型得出煤种的理论烟气量和理论空气量,锅炉磨煤机的给煤量、锅炉过量空气系数和烟气中CO占比,即可计算锅炉烟气量。
Description
技术领域
本发明属于煤燃烧技术领域,具体涉及一种电站煤粉锅炉烟气流量软测量方法。
背景技术
锅炉烟气量在环保指标计算和锅炉运行控制中具有重要作用,但是由于电厂实际运行过程中经常出现混煤、使用非设计煤种、煤种无元素分析的情况,烟气量的计算非常困难,电站往往直接使用设计煤种的理论烟气量和理论空气量来替代,这就导致电站使用煤种偏离设计煤种时,烟气量的计算存在较大误差。对包括SCR喷氨控制在内的部分运行控制以及计算环保指标中的排放总量带来不利影响。
在SCR喷氨过程中需要用到锅炉烟气量,但由于现阶段锅炉烟气量的计算方法存在较大的偏差,对喷氨量的控制有较大的负面影响。此外,在计算各个污染物的排放总量时需要用到锅炉烟气量,锅炉烟气量的不准确也会导致排放总量存在较大的计算偏差。因此,研究、开发更准确的锅炉烟气量估算方法具有重要意义。
发明内容
针对现有技术以上缺陷或改进需求中的至少一种,特别是为克服现阶段烟气量计算问题,本发明提供了一种电站煤粉锅炉烟气流量软测量方法,利用收集煤质数据(包括工业分析和元素分析),使用元素分析计算煤的理论空气量和理论烟气量,通过机器学习算法分别建立煤的工业分析和理论空气量及工业分析和理论烟气量的关系模型,模型可以使用工业分析直接估算煤种的理论烟气量和理论空气量,通过模型得出煤种的理论烟气量和理论空气量,锅炉磨煤机的给煤量、锅炉过量空气系数和烟气中CO占比,即可计算锅炉烟气量。
具体步骤如下:
(1)收集煤质数据
收集包含工业分析和元素分析的收到基煤质数据。
(2)利用煤质数据的元素分析计算理论空气量V0和理论烟气量
1kg收到基燃料完全燃烧所需要的理论空气量V0为:
1kg收到基燃料完全燃烧产生的理论烟气量为:
(3)建立工业分析与理论空气量的机器学习模型
利用步骤(2)计算的理论空气量,以工业分析(包含水分、灰分、挥发分、硫分、低位发热量)数据作为输入,理论空气量作为输出建立新的数据集,并进行归一化处理,按照7:3的比例将数据集随机划分为训练集和测试集。利用训练集建立机器学习模型,所得模型为H1,并使用测试集对所建立的模型进行验证。得到用工业分析估算的理论空气量为:
(4)建立工业分析与理论烟气量的机器学习模型
与步骤(3)类似,建立工业分析和步骤(2)所计算的理论烟气量的机器学习模型,所得模型为H2,工业分析估算的理论空气量为:
(5)计算单个煤种的实际烟气量
实际烟气量计算公式为其中V0和使用工业分析和模型H1和H2估算的和代替。过量空气系数α通过锅炉空预器入口的氧量(或是其它具有代表性测点的氧量)进行计算CO的排放量则通过电站的CO所测浓度来计算VCO=CO(ppm)×Vy。所以实际烟气量的估算值为:
(6)计算锅炉的总烟气量
设磨煤机A的给煤量为m(A),根据磨煤机A的煤种的煤质信息,由步骤(5)估算的实际烟气量为以此类推,BCDEF各磨煤机的给煤量和实际烟气量均按照该格式得出。则锅炉的总烟气量qs为各个磨煤机烟气量之和:
上述优选技术特征只要彼此之间未构成冲突就可以相互组合。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
1、与现有技术相比,本发明提出的一种电站煤粉锅炉烟气流量软测量方法,能使用工业分析估算的理论烟气量和空气量,结合电站SIS/DCS系统的实时数据可以计算锅炉烟气量,对锅炉的运行和环保指标的计算均有重要意义。
2、本发明的电站煤粉锅炉烟气流量软测量方法,无需元素分析即可得到较高精度的烟气量,方便电站运行中实际使用。
附图说明
图1是本发明实施例的电站煤粉锅炉烟气流量软测量方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。下面结合具体实施方式对本发明进一步详细说明。
作为本发明的一种较佳实施方式,如图1所示,本发明提供一种电站煤粉锅炉烟气流量软测量方法。本发明利用收集煤质数据(包括工业分析和元素分析),使用元素分析计算煤的理论空气量和理论烟气量,通过机器学习算法分别建立煤的工业分析和理论空气量及工业分析和理论烟气量的关系模型,模型可以使用工业分析直接估算煤种的理论烟气量和理论空气量,通过模型得出煤种的理论烟气量和理论空气量,锅炉磨煤机的给煤量、锅炉过量空气系数和烟气中CO占比,即可计算锅炉烟气量。具体步骤如下:
(1)收集煤质数据:
收集包含工业分析和元素分析的收到基煤质数据。
(2)利用煤质数据的元素分析计算理论空气量V0和理论烟气量
1kg收到基燃料完全燃烧所需要的理论空气量V0为:
其中Car、Har、Sar、Oar分别为收到基C、H、S、O元素含量;
1kg收到基燃料完全燃烧产生的理论烟气量为:
其中Nar、Mar分别为收到基N元素含量和收到基水分,其他同前。
(3)建立工业分析与理论空气量的机器学习模型:
利用步骤(2)计算的理论空气量和理论烟气量,以工业分析(包含水分、灰分、挥发分、硫分、低位发热量)数据作为输入,理论空气量和理论烟气量作为输出建立新的数据集,并进行归一化处理,按照7:3的比例将数据集随机划分为训练集和测试集。利用训练集建立机器学习模型,所得模型为H1,并使用测试集对所建立的模型进行验证。得到用工业分析估算的理论空气量为:
其中Mar、Aar、Var、Qnet、Sar分别表示收到基水分、收到基灰分、收到基挥发分、低位发热量、收到基硫分。
(4)建立工业分析与理论烟气量的机器学习模型:
与步骤(3)类似,利用步骤(2)计算的理论烟气量,以工业分析数据作为输入,工业分析包括水分、灰分、挥发分、硫分、低位发热量数据,理论烟气量作为输出建立新的数据集,并进行归一化处理,按照预定比例将数据集随机划分为训练集和测试集;利用训练集建立机器学习模型,所得模型为H2,并使用测试集对所建立的模型进行验证;得到工业分析估算的理论烟气量为:
(5)计算单个煤种的实际烟气量:
实际烟气量计算公式为其中V0和使用工业分析和模型H1和H2估算的和代替。过量空气系数α通过锅炉空预器入口的氧量(或是其它具有代表性测点的氧量)进行计算O2为烟气中氧气占干烟气的提及百分含量,CO的排放量则通过电站的CO所测浓度来计算VCO=CO(ppm)×Vy,
CO(ppm)为电站所测的CO浓度,单位为ppm。所以实际烟气量的估算值为:
(6)计算锅炉的总烟气量:
设磨煤机A的给煤量为m(A),根据磨煤机A的煤种的煤质信息,由步骤(5)估算的实际烟气量为以此类推,BCDEF各磨煤机的给煤量和实际烟气量均按照该格式得出。则锅炉的总烟气量qs为各个磨煤机烟气量之和:
下面以收集到的11127组煤质数据为例,详细说明本发明内容。
收集美国煤质数据7428组和中国煤质数据3699组,共计11127组煤质数据进行建模,利用煤质数据中的元素分析计算不同煤种的理论空气量和理论烟气量。将11127组煤质数据中的工业分析(包括水分、灰分、挥发分、硫分和低位发热量)作为输入,分别将计算所得的理论空气量和理论烟气量作为输出建立两个新的数据集。将数据集归一化后,将数据随机打乱后按照7:3的比例分配为训练集和测试集。利用遗传算法寻优支持向量机的最优参数c和g,寻优结果如表1所示,利用训练集和寻优所得参数建立支持向量机模型,并使用测试集测试模型精度,训练结果和测试结果如表2所示:
表1参数寻优结果
表2模型效果
通过表2可知,2个模型精度较高,认为通过模型,可以使用工业分析数据直接估算理论空气量和理论烟气量,而无需元素分析,极大地方便了电站实际使用。
结合电站的SIS系统中的氧量、CO浓度和煤质、给煤量,通过步骤(5)(6)即可获得实时的、较高精度的锅炉烟气量。
与现有技术相比,本发明提出的一种电站煤粉锅炉烟气流量软测量方法,能使用工业分析估算的理论烟气量和空气量,结合电站SIS/DCS系统的实时数据可以计算锅炉烟气量,对锅炉的运行和环保指标的计算均有重要意义。
本发明的电站煤粉锅炉烟气流量软测量方法,无需元素分析即可得到较高精度的烟气量,方便电站运行中实际使用。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种电站煤粉锅炉烟气流量软测量方法,其特征在于,包括如下步骤:
(1)收集煤质数据:
收集包含工业分析和元素分析的收到基煤质数据;
(2)利用煤质数据的元素分析计算理论空气量V0和理论烟气量
(3)建立工业分析与理论空气量的机器学习模型:
利用步骤(2)计算的理论空气量,以工业分析数据作为输入,工业分析包括水分、灰分、挥发分、硫分、低位发热量数据,理论空气量作为输出建立新的数据集,并进行归一化处理,按照预定比例将数据集随机划分为训练集和测试集;利用训练集建立机器学习模型,所得模型为H1,并使用测试集对所建立的模型进行验证;得到用工业分析估算的理论空气量为:
其中Mar、Aar、Var、Qnet、Sar分别表示收到基水分、收到基灰分、收到基挥发分、低位发热量、收到基硫分;
(4)建立工业分析与理论烟气量的机器学习模型:
利用步骤(2)计算的理论烟气量,以工业分析数据作为输入,工业分析包括水分、灰分、挥发分、硫分、低位发热量数据,理论烟气量作为输出建立新的数据集,并进行归一化处理,按照预定比例将数据集随机划分为训练集和测试集;利用训练集建立机器学习模型,所得模型为H2,并使用测试集对所建立的模型进行验证;得到工业分析估算的理论烟气量为:
(5)计算单个煤种的实际烟气量:
实际烟气量计算公式为其中V0和使用工业分析模型H1和H2估算的和代替;过量空气系数O2为烟气中氧气占干烟气的提及百分含量;CO的排放量VCO=CO(ppm)×Vy,CO(ppm)为电站所测的CO浓度,单位为ppm;所以实际烟气量的估算值为:
(6)计算锅炉的总烟气量:
设磨煤机X的给煤量为m(X),根据磨煤机X的煤种的煤质信息,由步骤(5)估算的实际烟气量为各磨煤机的给煤量和实际烟气量均按此得出;则锅炉的总烟气量qs为各个磨煤机烟气量之和:
2.如权利要求1所述的电站煤粉锅炉烟气流量软测量方法,其特征在于:
在步骤(3)中,利用步骤(2)计算的理论空气量,使用机器学习算法进行建模,以工业分析数据作为输入,理论空气量作为输出。
3.如权利要求1所述的电站煤粉锅炉烟气流量软测量方法,其特征在于:
在步骤(4)中,利用步骤(2)计算的理论烟气量,使用机器学习算法进行建模,以工业分析数据作为输入,理论烟气量作为输出。
4.如权利要求2或3所述的电站煤粉锅炉烟气流量软测量方法,其特征在于:
所述使用机器学习算法进行建模具体为使用神经网络算法进行建模。
5.如权利要求2或3所述的电站煤粉锅炉烟气流量软测量方法,其特征在于:
所述使用机器学习算法进行建模具体为使用支持向量机进行建模。
6.如权利要求1所述的电站煤粉锅炉烟气流量软测量方法,其特征在于:
步骤(1)-(4)可离线进行,而步骤(5)和步骤(6)必须在线进行,其中步骤(5)中的过量空气系数α、CO浓度、步骤(6)中各个磨煤机的煤质和给煤量,均为锅炉SIS/DCS系统和配煤掺烧系统的实时数据。
7.如权利要求1所述的电站煤粉锅炉烟气流量软测量方法,其特征在于:
在步骤(3)和步骤(4)中,按照7:3的比例将数据集随机划分为训练集和测试集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910890192.0A CN110619929B (zh) | 2019-09-20 | 2019-09-20 | 一种电站煤粉锅炉烟气流量软测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910890192.0A CN110619929B (zh) | 2019-09-20 | 2019-09-20 | 一种电站煤粉锅炉烟气流量软测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110619929A true CN110619929A (zh) | 2019-12-27 |
CN110619929B CN110619929B (zh) | 2021-03-12 |
Family
ID=68923730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910890192.0A Active CN110619929B (zh) | 2019-09-20 | 2019-09-20 | 一种电站煤粉锅炉烟气流量软测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110619929B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101287881B1 (ko) * | 2011-08-08 | 2013-07-19 | 주식회사 포스코 | 통기성 향상을 위한 소결광 및 그 제조방법 |
CN104008297A (zh) * | 2014-06-05 | 2014-08-27 | 中冶华天工程技术有限公司 | 煤粉与高炉煤气混烧锅炉的热效率计算方法 |
CN105181926A (zh) * | 2015-08-25 | 2015-12-23 | 南京南瑞继保电气有限公司 | 基于热平衡的煤粉掺烧煤气锅炉燃煤热值软测量方法 |
CN105674326A (zh) * | 2016-01-13 | 2016-06-15 | 北京市环境保护科学研究院 | 一种工业燃气锅炉多目标多约束燃烧优化方法 |
CN106055867A (zh) * | 2016-05-17 | 2016-10-26 | 东南大学 | 一种考虑煤质修正的锅炉效率计算方法 |
CN107944212A (zh) * | 2017-11-21 | 2018-04-20 | 江苏海事职业技术学院 | 煤粉与煤气混烧锅炉入炉煤量软测量方法 |
WO2018167278A1 (en) * | 2017-03-17 | 2018-09-20 | Pari Pharma Gmbh | Control device for aerosol nebulizer system |
CN110162918A (zh) * | 2019-05-31 | 2019-08-23 | 上海电力学院 | 一种高炉煤气燃气机组直流锅炉效率的获取方法和系统 |
-
2019
- 2019-09-20 CN CN201910890192.0A patent/CN110619929B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101287881B1 (ko) * | 2011-08-08 | 2013-07-19 | 주식회사 포스코 | 통기성 향상을 위한 소결광 및 그 제조방법 |
CN104008297A (zh) * | 2014-06-05 | 2014-08-27 | 中冶华天工程技术有限公司 | 煤粉与高炉煤气混烧锅炉的热效率计算方法 |
CN105181926A (zh) * | 2015-08-25 | 2015-12-23 | 南京南瑞继保电气有限公司 | 基于热平衡的煤粉掺烧煤气锅炉燃煤热值软测量方法 |
CN105674326A (zh) * | 2016-01-13 | 2016-06-15 | 北京市环境保护科学研究院 | 一种工业燃气锅炉多目标多约束燃烧优化方法 |
CN106055867A (zh) * | 2016-05-17 | 2016-10-26 | 东南大学 | 一种考虑煤质修正的锅炉效率计算方法 |
WO2018167278A1 (en) * | 2017-03-17 | 2018-09-20 | Pari Pharma Gmbh | Control device for aerosol nebulizer system |
CN107944212A (zh) * | 2017-11-21 | 2018-04-20 | 江苏海事职业技术学院 | 煤粉与煤气混烧锅炉入炉煤量软测量方法 |
CN110162918A (zh) * | 2019-05-31 | 2019-08-23 | 上海电力学院 | 一种高炉煤气燃气机组直流锅炉效率的获取方法和系统 |
Non-Patent Citations (3)
Title |
---|
PENG TAN.ET.: "Causes and mitigation of gas temperature deviation in tangentially fired tower-type boilers", 《APPLIED THERMAL ENGINEERING》 * |
孙伟: "基于改进模糊神经网络的电站锅炉燃烧系统建模及优化控制研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
谭鹏: "电站锅炉混煤低NO_x燃烧建模与运行优化研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110619929B (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103697946B (zh) | 一种火电厂燃煤锅炉烟气流量的计算方法及污染物排放量的控制方法 | |
CN104008297A (zh) | 煤粉与高炉煤气混烧锅炉的热效率计算方法 | |
CN105674326B (zh) | 一种工业燃气锅炉多目标多约束燃烧优化方法 | |
Yin et al. | A calculation method for CO2 emission in utility boilers based on BP neural network and carbon balance | |
CN103699780A (zh) | 煤质参数在线计算的混沌优化方法 | |
CN103885337A (zh) | 一种基于成本计算的低氮燃烧最优NOx排放量控制方法 | |
CN111505236A (zh) | 一种基于煤质工业分析实时获取元素分析的煤质监测方法 | |
CN105548477B (zh) | 一种火力发电厂烟气成分测量方法及测量系统 | |
CN110864855B (zh) | 在中低负荷下测量电站锅炉空预器漏风率的装置及方法 | |
CN104615898B (zh) | 获得煤与高炉煤气混烧cfb锅炉空气预热器漏风率的方法 | |
CN111981506B (zh) | 一种燃煤锅炉最佳氧量确认方法及系统 | |
CN110619929B (zh) | 一种电站煤粉锅炉烟气流量软测量方法 | |
CN109655489B (zh) | 一种燃煤机组标准煤耗的计量方法及装置 | |
CN117314706A (zh) | 一种燃煤机组二氧化碳排放量计算方法 | |
CN116702593A (zh) | 一种计算分析污泥掺烧对锅炉效率影响程度的方法 | |
CN108875165B (zh) | 基于运行数据的锅炉特性标定方法 | |
CN204593368U (zh) | 一种锅炉配烧系统 | |
CN112417684B (zh) | 一种燃煤机组煤质成分动态计算方法 | |
CN110675039A (zh) | 一种燃煤电厂实时燃煤成本输出方法及系统 | |
Sergeyev et al. | Researches of air and fuel rate influence on oxygen level in emissions of new type medium power coal boiler | |
CN116502393A (zh) | 燃煤电厂掺烧生物质co2减排量计算方法及系统 | |
CN205316379U (zh) | 一种锅炉运行氧量自动控制系统及锅炉 | |
CN109489766B (zh) | 一种火力发电机组燃料燃烧碳氧化因子在线计量方法 | |
CN113282872A (zh) | 一种燃煤火电机组锅炉热效率实时计算方法及相关装置 | |
CN111610128A (zh) | 一种测量除尘器入口灰尘浓度的方法 |
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 |