CN110624696A - 一种智慧化电除尘节能方法 - Google Patents
一种智慧化电除尘节能方法 Download PDFInfo
- Publication number
- CN110624696A CN110624696A CN201910762320.3A CN201910762320A CN110624696A CN 110624696 A CN110624696 A CN 110624696A CN 201910762320 A CN201910762320 A CN 201910762320A CN 110624696 A CN110624696 A CN 110624696A
- Authority
- CN
- China
- Prior art keywords
- dust
- saving method
- intelligent electric
- machine learning
- electric dust
- 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
- 239000000428 dust Substances 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000010801 machine learning Methods 0.000 claims abstract description 25
- 230000005684 electric field Effects 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims abstract description 4
- 238000012163 sequencing technique Methods 0.000 claims abstract 2
- 238000005457 optimization Methods 0.000 claims description 13
- 238000005265 energy consumption Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 9
- 239000000203 mixture Substances 0.000 claims description 7
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 6
- 238000010892 electric spark Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 230000003111 delayed effect Effects 0.000 claims description 3
- 239000001257 hydrogen Substances 0.000 claims description 3
- 229910052739 hydrogen Inorganic materials 0.000 claims description 3
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims description 3
- 229910052757 nitrogen Inorganic materials 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 229910052717 sulfur Inorganic materials 0.000 claims description 3
- 239000011593 sulfur Substances 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000010438 heat treatment Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 10
- 230000008569 process Effects 0.000 abstract description 7
- 230000009467 reduction Effects 0.000 abstract description 4
- 238000012216 screening Methods 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 206010063385 Intellectualisation Diseases 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
- B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
- B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
- B03C3/34—Constructional details or accessories or operation thereof
- B03C3/66—Applications of electricity supply techniques
- B03C3/68—Control systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Electrostatic Separation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种智慧化电除尘节能方法，所述方法的步骤包括：采集基础工况信息；创建模型实例；采集粉尘实时排放量；采集粉尘实时排放量的影响因素变化；机器学习，获取目标结果，并将目标结果传送到在线知识网中；查询在线知识网，对目标结果进行排序，筛选出最佳操作方案；以最佳操作方案为指导控制操作除尘器。本发明提出的节能方法能够推荐最佳操作方案，对除尘器的操作具有指导作用，通过指导操作，克服除尘过程中，电场、电流和电压配置不合理的情况，具有节能减排的优点，同时，还能够记录历史操作方案，便于查看和对比操作方案。
Description
技术领域
本发明涉及节能降耗领域，尤其涉及一种智慧化电除尘节能方法。
背景技术
近些年来，随着电力事业的飞速发展，严格控制燃煤产生的污染物的排放成为电力事业发展的重要组成部分。火力发电厂锅炉尾部烟气中的二氧化硫排放量和粉尘排放量控制是治理大气污染物的重要一环。
电除尘器是火力发电厂必备的配套设备，它的功能是将燃煤或燃油锅炉排放烟气中的颗粒烟尘加以清除，从而大幅度降低排入大气层中的烟尘量，这是改善环境污染，提高空气质量的重要环保设备。
由于环保设备性能的前瞻性和国家对煤质的要求提升，火电厂通常同时安装了干电除尘器和湿电除尘器，目前除尘器的总功率远超现实需要，但现场工人缺乏有效指导，易造成电能浪费，提高运营成本。
因此，需要辅助系统来指导现场工人，合理配置电除尘各电场的电流、电压，以达到保证粉尘排放达标条件下的降低能耗目标。
目前，现有技术中，或者一些学校与研发机构，为火电厂开发出一些智能化的辅助系统，能够通过仿真的方式，为实际工况计算出电除尘器的操作方案，然而，在火电厂工作过的技术人员都知道，火电厂是不可能也不能够采用仿真模型推荐的操作方案，因为仿真模型推荐的操作方案在历史操作中，不一定存在过，即仿真模型推荐的操作方案可能是一种全新的操作方案，没有经过实践证明过，可能会出现错误，一旦出现错误，那很有可能给火电厂带来损失，这个损失可大可小，小错误，可能就是除尘效果差，大的错误，可能就是严重的安全事故，火电厂的生产是不允许出现错误的，火电厂需要的是不会给生产带来风险的操作方案，即推荐的方案一定是历史出现过的，经过实践证明没有出现差错的，不存在安全隐患的。
很多火电厂之外的人可能会认为火电厂的设备，技术及管理经验会比较先进，基本实现自动化，正往智能化发展，其实不是，火电厂和炼钢厂差不多，这些传统的企业，地处位置偏，工作环境艰苦，很难留住员工，更难留住技术人才，导致该领域的技术水平发展缓慢、管理理念差，设备老旧，大部分的厂都实现不了自动化，谈不上，当然也不敢一步登天去追求智能化，比如上述的仿真模型，就属于偏智能化的技术方案，肯定不是出自本领域技术人员，当然本领域技术人员也不会采用，至少目前这个阶段肯定不会采用。火电厂需要的是一种完全符合本领域的基本情况的辅助系统或方法，能够记录并排序历史操作，从而推荐最佳的历史操作，以历史重演的方式去实现最佳的除尘效果，安全，可靠，在除尘达标的基础上，不用担心会因为操作方案而出现错误。
发明内容
本发明提供了一种智慧化电除尘节能方法，所述方法的步骤包括：
S10：采集基础工况信息；
S20：将所述基础工况信息各自划分等级，每一种基础工况对应一种模型实例；
S30：采集粉尘实时排放量，并对比排放标准；
S40：采集工况中粉尘实时排放量的影响的因素变化，所述影响因素包括除尘器的各电场的供电方式、电流极限和电压极限；
S50：在同一种模型实例中，当所述影响因素发生变化时，触发系统中的机器学习模块进行机器学习，获取目标结果，所述目标结果包括当前除尘器操作方案、对应的当前总能耗和对应的当前粉尘排放浓度；并将目标结果传送到在线知识网中，同种模型实例中，不同的目标结果根据当前总能耗的高低进行排序，可以通过系统设定，如果排入前n名保留，并得到最佳操作方案，否则略过。排序过程中，可以采用现有的算法如快速排序算法和随机森林算法。
S60：查询在线知识网，选取同种模型实例下符合排放标准条件，且当前总能耗最低的历史操作作为当前工况的优化方案。在进行优化方案的推荐时，可以采用的算法如随机森林算法。
所述方法的步骤顺序不是完全固定的，如S30步骤，对粉尘实时排放量的监控，可以采用全时监控，也可以采用间隔时间段监控，S30步骤的顺序可以任意调节。
所述步骤中的S20，将所述基础工况信息划分等级，每一种基础工况对应一种模型实例，在本领域是一种新的尝试。在本领域中，通常大家会对工况信息进行分类，但是从没见过对基础工况信息划分等级的，一般的历史操作数据不会很多，有两年的操作数据，已经算多的了，但是这些历史数据，还是远不够进行等级划分的，一旦划分，会存在很多的空集，填不满，传统的辅助系统使用效果差，所以本领域以前都是不划分等级的，而本申请提出的技术方案不同，在分类的基础上还进行了等级划分，使工况更为细化、准确。
本申请提出的实时在线知识网是具有自主学习能力的，是允许出现很多空集的，甚至全空，例如刚刚投入使用时就为全空。
本申请的实时在线知识网，是通过系统中的数据流轨迹跟踪模块采集粉尘实施排放量的影响因素的变化，并通过机器学习模块进行学习，即实时在线知识网的数据，不只是学习历史数据、设备原有行业规则、专家给出的操作规则数据等，实时在线知识网还会学习当前操作，并实时更新最佳推荐方案，这是传统的辅助系统或者其它专利文件提出的辅助系统没有实现的。
也就是说本系统提供的最佳推荐方案是动态的，是不断学习调整的。机械设备随着不断的使用，性能处于不断变化状态；同时，在长时间的生产活动中，机械设备会有损坏、维修、维护，零部件更换，整个设备更换，其性能也是动态的。如果采用数据不会更新的工况数据库，是能够应付系统刚刚投入的前期阶段，但可以肯定的是，随着时间的推移，不会迭代更新的工况数据库的优化效果是越来越差的，直至被废弃，而本申请提出的实时在线知识网则不同，在不断的更新中，新知识替代旧知识，会越用越顺手，对生产活动越来越有利。另外，国家的环保标准也会变化，一旦变化，不会迭代更新的工况数据库直接报废，无法再提出优化方案，而本申请的实时在线知识网是能够在数据为空的情况下，通过机器学习模块不断自主学习有经验的师傅的操作数据，逐渐适应新的设备情况或环保标准，适应能力强。
可选的，所述方法包括S70：所述在线知识网系统不断地持续学习、渐进自我提升，推送最佳优化方案。
可选的，所述S60包括用所述优化方案指导现场工人合理操作除尘器。
可选的，所述S60包括用所述优化方案作为自动化设备控制方案来自动化设备控制除尘器。
可选的，所述基础工况信息包括锅炉负荷信息和化学成分信息，并将锅炉负荷信息和化学成分信息划分为若干个等级，比如将锅炉负荷分成40％以下、40％-60％、60％-80％、80％以上四个等级。
可选的，所述化学成分信息包括收到基灰份、收到基碳、收到基氢、收到基水分、收到基氮、收到基氧、收到基低位发热量、收到基硫中的一种或多种的组合，将各种收到基做16等分，每一个等分对应一种模型实例。
可选的，所述除尘器包括干电除尘器和湿电除尘器。
可选的，所述机器学习模块进行机器学习时，学习时间等于当前学习时间和延迟学习时间之和，即学习过程中，系统学习当前操作，也会学习现场对当前操作的进一步调整。
可选的，所述机器学习模块进行机器学习时，检测到电场出现电火花，此时电压为零，除尘能力为零，需要降低电压，阻止电火花产生，此时终止学习。
可选的，所述机器学习模块进行机器学习时，对目标结果使用加权求平均法处理，合并相同工况的历史知识点，时间距离当前时间越近的，经验权重越高。
由上述对本发明的描述可知，和现有技术相比，本发明提出的一种智慧化电除尘节能方法具有如下优点：
1、推荐最佳操作方案，对除尘器的操作具有指导作用；
2、通过指导操作，克服除尘过程中，除尘器的操作单一，电场、电流和电压配置不合理的情况，具有节能减排的优点；
3、记录历史操作方案，便于查看和对比操作方案；
4、本领域，在电除尘方面没有过节能的意识，基本上都是根据技术员的经验，开多少电除尘设备，甚至全开，只要求能够满足环保标准，本申请提出的技术方案是获取当前总能耗最低的历史操作方案，能够做到双赢，即符合环保要求，又能为火电厂节省电量和设备成本；
5、推荐的最佳操作方案一定存在于历史操作记录中，即历史的重现，安全，可靠，在除尘达标的基础上，不用担心会因为操作方案而出现错误。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
其中：
图1是本发明一种智慧化电除尘节能方法的流程图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，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用以解释本发明，并不用于限定本发明。
实施例一：请参阅图1，一种智慧化电除尘节能方法，所述方法的步骤包括：
S10：通过系统中的数据流轨迹跟踪模块采集基础工况信息；
S20：将所述基础工况信息划分等级，每一种基础工况对应一种模型实例，本实施例中，所述基础工况信息包括锅炉负荷信息和化学成分信息，并将锅炉负荷信息和化学成分信息划分为若干个等级。如将锅炉负荷分成40％以下、40％-60％、60％-80％、80％以上四个等级，每一个等级对应一种模型实例。所述化学成分信息包括收到基灰份、收到基碳、收到基氢、收到基水分、收到基氮、收到基氧、收到基低位发热量、收到基硫中的一种或多种的组合，将各种收到基做16等分，每一个等分对应一种模型实例，在其它实施例中，也可以采用其它合理的等分方式。
S30：采集粉尘实时排放量，并对比排放标准；
S40：通过系统中的数据流轨迹跟踪模块采集工况中粉尘实时排放量的影响因素的变化，所述影响因素包括干电除尘器和湿电除尘器的各电场的供电方式、电流极限和电压极限；
S50：在同一种模型实例中，当发现影响因素变化时，触发系统中的机器学习模块进行机器学习，生成学习计划，执行学习计划并获取目标结果，所述目标结果包括当前除尘器操作方案、对应的当前总能耗和对应的当前粉尘排放浓度；并将目标结果上传到在线知识网中，同种模型实例中，不同的目标结果根据当前总能耗的高低进行排序，可以通过系统设定，如果排入前n名保留，并得到最佳操作方案，否则略过。为了保证系统能够对现场操作进行有效的工作指导，在系统使用初期，由有经验的技术人员操作除尘器一段时间，系统进行机器学习后，系统才能够指导现场操作。
所述机器学习模块进行机器学习时，学习时间等于当前学习时间和延迟学习时间之和，即学习过程中，系统学习当前操作，也会学习现场对当前操作的进一步调整，同时，在学习过程中，系统进行零火花等规则检查，检测到电场出现电火花，此时电压为零，除尘能力为零，需要降低电压，阻止电火花产生，此时终止学习。
S60：查询在线知识网，将获取同种模型实例且达到排放标准条件下的当前总能耗最低的历史操作作为当前工况的优化方案，指导合理操作除尘器。
S70：在线知识网系统持续学习、渐进自我提升，推送最佳优化方案。
实施例二：考虑到电场器件老化、器件更新都会引起在相同工况和影响因素下产生不同的电耗和粉尘排放结果，所述机器学习模块进行机器学习时，对目标结果使用加权求平均法处理，合并相同工况的历史知识点，时间距离当前时间越近的，经验权重越高，这种方法使得在线知识网获得的知识具备时序性质。
综上所述，本发明和现有技术相比，具有如下优点：
1、推荐最佳操作方案，对除尘器的操作具有指导作用；
2、通过指导操作，克服除尘过程中，除尘器的操作单一，电场、电流和电压配置不合理的情况，具有节能减排的优点；
3、记录历史操作方案，便于查看和对比操作方案。
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。
Claims (10)
1.一种智慧化电除尘节能方法，其特征在于，所述方法的步骤包括：
S10：采集基础工况信息；
S20：将所述基础工况信息各自划分等级，每一种基础工况对应一种模型实例；
S30：采集粉尘实时排放量，并对比排放标准；
S40：采集工况中粉尘实时排放量的影响因素的变化，所述影响因素包括除尘器的各电场的供电方式、电流极限和电压极限；
S50：在同一种模型实例中，当所述影响因素发生变化时，触发系统中的机器学习模块进行机器学习，获取目标结果，所述目标结果包括当前除尘器操作方案、对应的当前总能耗和对应的当前粉尘排放浓度；并将目标结果传送到在线知识网中，同种模型实例中，不同的目标结果根据当前总能耗的高低进行排序，并得到最佳操作方案；
S60：查询在线知识网，选取同种模型实例下符合排放标准条件，且当前总能耗最低的历史操作作为当前工况的优化方案。
2.根据权利要求1所述的一种智慧化电除尘节能方法，其特征在于，所述方法包括S70：所述在线知识网系统持续学习、渐进自我提升，推送最佳优化方案。
3.根据权利要求1所述的一种智慧化电除尘节能方法，其特征在于，所述S60包括用所述优化方案指导现场工人合理操作除尘器。
4.根据权利要求1所述的一种智慧化电除尘节能方法，其特征在于，所述S60包括用所述优化方案作为自动化设备控制方案来控制除尘器。
5.根据权利要求1到4任一项所述的一种智慧化电除尘节能方法，其特征在于，所述基础工况信息包括锅炉负荷信息和化学成分信息，并将锅炉负荷信息和化学成分信息划分为若干个等级。
6.根据权利要求5所述的一种智慧化电除尘节能方法，其特征在于，所述化学成分信息包括收到基灰份、收到基碳、收到基氢、收到基水分、收到基氮、收到基氧、收到基低位发热量、收到基硫中的一种或多种的组合，将各种收到基做16等分，每一个等分对应一种模型实例。
7.根据权利要求1到4任一项所述的一种智慧化电除尘节能方法，其特征在于，所述除尘器包括干电除尘器和湿电除尘器。
8.根据权利要求1到4任一项所述的一种智慧化电除尘节能方法，其特征在于，所述机器学习模块进行机器学习时，学习时间等于当前学习时间和延迟学习时间之和。
9.根据权利要求1到4任一项所述的一种智慧化电除尘节能方法，其特征在于，所述机器学习模块进行机器学习时，检测到电场出现电火花，则终止学习。
10.根据权利要求1到4任一项所述的一种智慧化电除尘节能方法，其特征在于，所述机器学习模块进行机器学习时，对目标结果使用加权求平均法处理，合并相同工况的历史知识点，时间距离当前时间越近的，经验权重越高。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811199073.2A CN109225640A (zh) | 2018-10-15 | 2018-10-15 | 一种智慧化电除尘节能方法 |
| CN2018111990732 | 2018-10-15 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110624696A true CN110624696A (zh) | 2019-12-31 |
| CN110624696B CN110624696B (zh) | 2021-05-28 |
Family
ID=65052793
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811199073.2A Withdrawn CN109225640A (zh) | 2018-10-15 | 2018-10-15 | 一种智慧化电除尘节能方法 |
| CN201910762320.3A Active CN110624696B (zh) | 2018-10-15 | 2019-08-19 | 一种智慧化电除尘节能方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811199073.2A Withdrawn CN109225640A (zh) | 2018-10-15 | 2018-10-15 | 一种智慧化电除尘节能方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (2) | CN109225640A (zh) |
| WO (1) | WO2020078008A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113426264A (zh) * | 2021-07-15 | 2021-09-24 | 国电环境保护研究院有限公司 | 一种烟气净化岛智慧运行管控方法及管控平台 |
| CN114114921A (zh) * | 2021-11-26 | 2022-03-01 | 华能平凉发电有限责任公司 | 一种除尘电源的控制方法及装置 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109225640A (zh) * | 2018-10-15 | 2019-01-18 | 厦门邑通软件科技有限公司 | 一种智慧化电除尘节能方法 |
| WO2022005127A1 (ko) * | 2020-06-29 | 2022-01-06 | 어썸레이 주식회사 | 기계 학습 기반 공기 조화 장치 및 이의 제어 방법 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1698970A (zh) * | 2005-05-27 | 2005-11-23 | 石家庄市自动化研究所 | 粉尘浓度自动控制方法及配套电源装置 |
| KR101382507B1 (ko) * | 2012-10-19 | 2014-04-10 | 사단법인대기환경모델링센터 | 대기질 예측 및 관리 시스템 |
| CN107213990A (zh) * | 2017-05-08 | 2017-09-29 | 浙江大学 | 电除尘系统性能评估及运行优化系统 |
| CN107292523A (zh) * | 2017-06-27 | 2017-10-24 | 广州供电局有限公司 | 火电机组环保性能的评价方法和系统 |
| CN107748955A (zh) * | 2017-10-16 | 2018-03-02 | 浙江大学 | 一种燃煤电厂超低排放环保岛能效评估方法 |
| CN107797456A (zh) * | 2017-11-09 | 2018-03-13 | 江苏方天电力技术有限公司 | 基于渐消记忆在线极限学习机的电厂除尘器优化控制方法 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101165417B (zh) * | 2006-10-16 | 2011-11-23 | 罗瑞真 | 智能空气净化的方法及装置 |
| US8192523B1 (en) * | 2008-02-22 | 2012-06-05 | Tsi Incorporated | Device and method for separating and increasing the concentration of charged particles in a sampled aerosol |
| WO2012124089A1 (ja) * | 2011-03-16 | 2012-09-20 | トヨタ自動車株式会社 | 粒子状物質処理装置 |
| CN104965409B (zh) * | 2015-06-19 | 2017-06-09 | 北京甘为科技发展有限公司 | 一种工业循环水系统能耗自学习优化控制方法 |
| CN104941801A (zh) * | 2015-06-26 | 2015-09-30 | 上海纳米技术及应用国家工程研究中心有限公司 | 一种评价静电除尘器除尘效率的检测装置 |
| CN105170333B (zh) * | 2015-09-06 | 2018-01-30 | 江苏科技大学 | 静电除尘用电源的模糊预测控制系统及方法 |
| CN107024861B (zh) * | 2016-02-01 | 2020-10-23 | 上海梅山钢铁股份有限公司 | 一种转炉干法除尘系统的在线建模方法 |
| CN106405044B (zh) * | 2016-09-09 | 2019-04-12 | 南京工程学院 | 一种火电厂磨煤机煤质成分智能监测方法 |
| CN106842925B (zh) * | 2017-01-20 | 2019-10-11 | 清华大学 | 一种基于深度强化学习的机车智能操纵方法与系统 |
| CN106885884B (zh) * | 2017-03-29 | 2018-05-11 | 中州大学 | 一种智能城市空气实时评价装置及其控制方法 |
| CN109225640A (zh) * | 2018-10-15 | 2019-01-18 | 厦门邑通软件科技有限公司 | 一种智慧化电除尘节能方法 |
-
2018
- 2018-10-15 CN CN201811199073.2A patent/CN109225640A/zh not_active Withdrawn
-
2019
- 2019-05-31 WO PCT/CN2019/089475 patent/WO2020078008A1/zh active Application Filing
- 2019-08-19 CN CN201910762320.3A patent/CN110624696B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1698970A (zh) * | 2005-05-27 | 2005-11-23 | 石家庄市自动化研究所 | 粉尘浓度自动控制方法及配套电源装置 |
| KR101382507B1 (ko) * | 2012-10-19 | 2014-04-10 | 사단법인대기환경모델링센터 | 대기질 예측 및 관리 시스템 |
| CN107213990A (zh) * | 2017-05-08 | 2017-09-29 | 浙江大学 | 电除尘系统性能评估及运行优化系统 |
| CN107292523A (zh) * | 2017-06-27 | 2017-10-24 | 广州供电局有限公司 | 火电机组环保性能的评价方法和系统 |
| CN107748955A (zh) * | 2017-10-16 | 2018-03-02 | 浙江大学 | 一种燃煤电厂超低排放环保岛能效评估方法 |
| CN107797456A (zh) * | 2017-11-09 | 2018-03-13 | 江苏方天电力技术有限公司 | 基于渐消记忆在线极限学习机的电厂除尘器优化控制方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113426264A (zh) * | 2021-07-15 | 2021-09-24 | 国电环境保护研究院有限公司 | 一种烟气净化岛智慧运行管控方法及管控平台 |
| CN114114921A (zh) * | 2021-11-26 | 2022-03-01 | 华能平凉发电有限责任公司 | 一种除尘电源的控制方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020078008A1 (zh) | 2020-04-23 |
| CN109225640A (zh) | 2019-01-18 |
| CN110624696B (zh) | 2021-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110624696B (zh) | 一种智慧化电除尘节能方法 | |
| Diao et al. | Decision tree-based online voltage security assessment using PMU measurements | |
| Gibadullin et al. | The development strategy of the environmental safety of the electric power complex | |
| CN100414171C (zh) | 基于电网节能和减少so2排放的发电机组集中控制方法 | |
| CN108954375A (zh) | 锅炉节煤控制方法 | |
| Xia et al. | An online case-based reasoning system for coal blends combustion optimization of thermal power plant | |
| CN117526344A (zh) | 一种配电网无功电压控制优化方法及系统 | |
| CN117768930B (zh) | 基于无线通讯网络的电力设备测试系统及方法 | |
| CN114632624B (zh) | 一种电除尘运行优化系统及优化方法 | |
| CN114781852A (zh) | 基于双重预防机制的企业环境风控管理系统及方法 | |
| CN116633017B (zh) | 一种配电台区分支线路的负荷监测预警方法及系统 | |
| CN103629690B (zh) | 锅炉燃烧器的分散控制系统 | |
| CN117055413A (zh) | 一种基于物联网的环保监控系统 | |
| CN104953592A (zh) | 多燃料混合燃烧发电机组的负荷优化分配方法 | |
| CN111445142A (zh) | 一种燃料掺烧评价方法、系统及装置 | |
| CN115146871A (zh) | 基于数据智能脱硫系统 | |
| CN115511243A (zh) | 配煤掺烧控制方法、装置、设备及介质 | |
| Aadithya | Application of energy value stream mapping as auditing tool for non-value added industrial energy management | |
| CN112541641A (zh) | 基于排放数据的管控方法、系统、介质及电子设备 | |
| CN112328707A (zh) | 基于电厂实时数据的运行操作动作识别方法 | |
| CN111639742A (zh) | 一种脱硫脱硝循环泵状态故障诊断系统及方法 | |
| CN103629692B (zh) | 锅炉燃烧器的分散控制方法 | |
| CN117991639B (zh) | 基于机器学习的燃煤电厂多目标燃烧优化控制方法及装置 | |
| Wang et al. | Research and application of gas emissions assessment system of thermal power units | |
| CN113031552B (zh) | 炉后环保设备协同控制方法及系统 |
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 | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20210709 Granted publication date: 20210528 |
|
| PP01 | Preservation of patent right | ||
| DD01 | Delivery of document by public notice | ||
| DD01 | Delivery of document by public notice |
Addressee: Wang Xin Document name: Notice of commencement of preservation proceedings |
|
| PD01 | Discharge of preservation of patent |
Date of cancellation: 20220109 Granted publication date: 20210528 |
|
| PD01 | Discharge of preservation of patent | ||
| DD01 | Delivery of document by public notice |
Addressee: Wang Xin Document name: Notice of termination of proceedings |
|
| DD01 | Delivery of document by public notice | ||
| CP03 | Change of name, title or address |
Address after: 361000 one of unit 702, No. 1, xishanwei Road, phase III Software Park, Xiamen Torch High tech Zone, Xiamen, Fujian Province Patentee after: Xiamen Yitong Intelligent Technology Group Co.,Ltd. Address before: B11, 4th floor, 1036 Xiahe Road, Siming District, Xiamen City, Fujian Province, 361000 Patentee before: XIAMEN ETOM SOFTWARE TECHNOLOGY Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230803 Address after: Unit 702, No. 1, Xishanwei Road, Phase III, Software Park, Torch High-tech Zone, Xiamen, Fujian Province, 361000 Patentee after: Xiamen Yitong Intelligent Technology Group Co.,Ltd. Patentee after: Fujian Longking Co.,Ltd. Address before: 361000 one of unit 702, No. 1, xishanwei Road, phase III Software Park, Xiamen Torch High tech Zone, Xiamen, Fujian Province Patentee before: Xiamen Yitong Intelligent Technology Group Co.,Ltd. |
|
| TR01 | Transfer of patent right |