CN113803735A - 一种基于支持向量机的电站锅炉炉膛分区段智能吹灰系统及方法 - Google Patents
一种基于支持向量机的电站锅炉炉膛分区段智能吹灰系统及方法 Download PDFInfo
- Publication number
- CN113803735A CN113803735A CN202110911471.8A CN202110911471A CN113803735A CN 113803735 A CN113803735 A CN 113803735A CN 202110911471 A CN202110911471 A CN 202110911471A CN 113803735 A CN113803735 A CN 113803735A
- Authority
- CN
- China
- Prior art keywords
- hearth
- furnace
- temperature
- soot blowing
- soot
- 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
- 239000004071 soot Substances 0.000 title claims abstract description 89
- 238000007664 blowing Methods 0.000 title claims abstract description 80
- 238000012706 support-vector machine Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000005192 partition Methods 0.000 title claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims abstract description 38
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims abstract description 28
- 239000003546 flue gas Substances 0.000 claims abstract description 28
- 239000003245 coal Substances 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000008021 deposition Effects 0.000 claims abstract description 15
- 239000002253 acid Substances 0.000 claims abstract description 14
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 22
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 claims description 12
- 229910052593 corundum Inorganic materials 0.000 claims description 12
- 229910001845 yogo sapphire Inorganic materials 0.000 claims description 12
- 229910052681 coesite Inorganic materials 0.000 claims description 11
- 229910052906 cristobalite Inorganic materials 0.000 claims description 11
- 239000000377 silicon dioxide Substances 0.000 claims description 11
- 229910052682 stishovite Inorganic materials 0.000 claims description 11
- 229910052905 tridymite Inorganic materials 0.000 claims description 11
- 239000002893 slag Substances 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 6
- 239000004065 semiconductor Substances 0.000 claims description 4
- 239000003513 alkali Substances 0.000 claims description 3
- 238000001285 laser absorption spectroscopy Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 2
- 238000000041 tunable diode laser absorption spectroscopy Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 7
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 abstract description 2
- 229910052710 silicon Inorganic materials 0.000 abstract description 2
- 239000010703 silicon Substances 0.000 abstract description 2
- CSDREXVUYHZDNP-UHFFFAOYSA-N alumanylidynesilicon Chemical compound [Al].[Si] CSDREXVUYHZDNP-UHFFFAOYSA-N 0.000 abstract 1
- 239000002956 ash Substances 0.000 description 14
- 238000007726 management method Methods 0.000 description 14
- 238000002485 combustion reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000010883 coal ash Substances 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 230000008018 melting Effects 0.000 description 4
- 238000002844 melting Methods 0.000 description 4
- 239000000779 smoke Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N iron oxide Inorganic materials [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23J—REMOVAL OR TREATMENT OF COMBUSTION PRODUCTS OR COMBUSTION RESIDUES; FLUES
- F23J1/00—Removing ash, clinker, or slag from combustion chambers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23J—REMOVAL OR TREATMENT OF COMBUSTION PRODUCTS OR COMBUSTION RESIDUES; FLUES
- F23J2900/00—Special arrangements for conducting or purifying combustion fumes; Treatment of fumes or ashes
- F23J2900/01009—Controls related to ash or slag extraction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Incineration Of Waste (AREA)
- Regulation And Control Of Combustion (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于支持向量机的电站锅炉炉膛分区段智能吹灰系统：入炉煤质检测系统，用于获取入炉煤种的软化温度、硅比、硅铝比、碱酸比；炉膛CO监测系统，用于获取不同区段的CO浓度；炉膛温度监测系统，用于获取不同区段的炉膛温度；炉膛出口烟气温度监测系统，用于获取炉膛出口烟气温度；信息管理与处理系统，接收上述信息并输入到训练好的支持向量机模型，输出当前区段的积灰状态，再确定不同区段是否需要进行吹灰，如需要吹，则发送吹灰信号至炉膛吹灰系统；炉膛吹灰系统，接收吹灰信号，命令对应区段的吹灰器运行。本发明还公开了上述系统的吹灰方法。该系统及方法可以准确地对炉膛结渣积灰情况进行预测，以供电厂人员及时进行优化调整。
Description
技术领域
本发明涉及锅炉炉膛受热面吹灰技术领域，尤其涉及一种基于支持向量机的电站锅炉炉膛分区段智能吹灰系统及方法。
背景技术
在电站锅炉的运行过程中，在炉膛水冷壁等壁面上通常存在着不同程度的结渣，轻则使炉内传热状况恶化、锅炉效率下降，影响电厂的经济性，重则导致炉内腐蚀，甚至会有大块灰渣落下，造成锅炉被迫停炉或砸坏冷灰斗，严重影响锅炉的安全经济运行。为了防止炉膛结渣，电站锅炉可以采用炉膛吹灰器来进行炉膛的清扫工作。由于炉膛环境复杂程度很高，难以对炉内结渣情况进行直接监测，电站运行人员通常只能通过经验来判断当前的结渣状况。目前，电站锅炉的吹灰系统通常采用定时的全面吹灰方式。该方法简单可行，但由于炉膛结渣的影响因素复杂，结渣往往是从局部首先发生，且与时间呈现非线性的关系。一方面，该方式可能会导致结渣吹灰不及时，造成炉膛传热效率下降、排烟温度升高，甚至导致大块灰渣形成；另一方面，该方式可能会出现吹灰过于频繁，消耗蒸汽量过多，还会对未结渣的受热面金属管壁造成损耗。因此，对电站锅炉炉膛的结渣状况实行及时准确的监测，并基于当前状况对吹灰系统进行智能控制，对于提高电站锅炉运行过程的安全性与经济性具有重要意义。
锅炉炉膛结渣的影响因素包括煤的性质、锅炉结构、燃烧工况等。入炉煤的成分特性是炉膛结渣监测中的重要指标，常见的预测指标有煤灰的融化特性、碱酸比、硅比等。另外由于炉内受热面结渣之后其水冷壁吸热量减少，在负荷不变的情况下会使炉膛出口烟气温度升高，因此通过炉膛出口烟温是可以判断炉膛内的结渣情况的。如专利CN 111242279A中采用了软化温度t2、硅铝比SiO2/Al2O3、碱酸比B/A、炉膛出口烟温T等作为神经网络的输入值，实现对超超临界煤粉锅炉的结渣预测。
炉膛燃烧过程中的煤灰熔点除了与煤灰本身的性质、燃烧状况有关外，还与煤灰在炉内的气氛有关。还原性气氛(如CO)会将熔点较高的Fe2O3还原为熔点较低的FeO，进而影响到炉内的结渣状况。由于过量空气系数与炉内还原性气氛具有较强的关联性，因此很多研究中均采用过量空气系数来衡量炉内的还原性气氛。但由于电站锅炉炉膛结渣通常是由局部发生，而过量空气系数只能用于衡量整个炉膛内的气氛，所以基于过量空气系数的炉膛结渣检测手段往往给出的是炉膛的整体吹灰信号，难以实现分区段吹灰。
因此，建立一种对炉膛不同区段的还原性气氛进行监测、进而实现指导炉膛分区段吹灰的方法，可以使得电站锅炉运行过程的安全性与经济性得到提高。
发明内容
本发明的目的在于提供一种基于支持向量机的电站锅炉炉膛分区段智能吹灰系统及方法，可以较为准确地对炉膛结渣积灰情况进行预测，以供电厂人员及时进行优化调整。
本发明提供如下技术方案：
一种基于支持向量机的电站锅炉炉膛分区段智能吹灰系统，所述系统包括：
入炉煤质检测系统，用于获取入炉煤种的软化温度t2、硅比G、硅铝比SiO2/Al2O3、碱酸比B/A；
炉膛CO监测系统，用于获取炉膛内不同区段的CO浓度；
炉膛温度监测系统，用于获取炉膛内不同区段的炉膛温度；
炉膛出口烟气温度监测系统，用于获取炉膛出口烟气温度；
信息管理与处理系统，接收入炉煤种的软化温度t2、硅比G、硅铝比SiO2/Al2O3、碱酸比B/A、不同区段的CO浓度和温度、炉膛出口烟气温度，并输入到训练好的支持向量机模型，训练好的支持向量机模型输出当前区段的积灰状态；信号管理与处理系统根据输出的当前区段的积灰状态确定不同区段是否需要进行吹灰，如需要吹灰，则发送吹灰信号至炉膛吹灰系统；
炉膛吹灰系统，接收信息管理与处理系统发送的吹灰信号，命令对应区段的吹灰器运行。
进一步的，所述炉膛CO浓度监测系统，主要基于可调谐半导体激光吸收光谱技术测量CO浓度，主要包括取样管、二极管激光器及其控制器、准直器、探测器、TDLAS测量池、压力传感器及信号采集器。
进一步的，所述炉膛温度监测系统，主要通过安装于炉膛不同区段的温度传感器，实时获取炉膛不同区段的炉膛温度。
进一步的，所述炉膛出口烟气温度监测系统，主要通过安装于炉膛出口的红外传感器，实时获取炉膛出口烟气温度T。
进一步的，所述信息管理与处理系统，主要用于实时接收上述不同区段的信号，并输入支持向量机算法模块中对应区段的模型中，输出当前区段的积灰状态，若所述当前区段的积灰状态超出正常范围，则向炉膛吹灰系统发送吹灰信号。
进一步的，所述支持向量机算法模块，包含炉膛不同区段的多个支持向量机模型，每个区段的模型均由该区段现有的数据集合训练而成；模型的输入数据集合包括该区段的炉膛平均温度、平均CO浓度，以及入炉煤种的软化温度t2、硅比G、硅铝比SiO2/Al2O3、碱酸比B/A 和炉膛出口烟气温度T；模型的输出数据以0，1来衡量结渣状态，分别表示“正常运行”与“需要吹灰”。
进一步的，所述炉膛吹灰系统，主要用于接收信息管理与处理系统的吹灰信号，并使积灰严重区段的吹灰器投入使用。
这种基于支持向量机的电站锅炉炉膛分区段智能吹灰方法，包括如下步骤：
步骤一：入炉煤质检测系统、炉膛出口烟气温度监测系统实时监测入炉煤种的软化温度t2、硅比G、硅铝比SiO2/Al2O3、碱酸比B/A 以及炉膛出口烟气温度T，并传输至信息管理与处理系统；
步骤二：安装在炉膛不同区段的炉膛温度监测系统、炉膛CO监测系统实时监测该区段的炉膛温度与CO浓度，并传输至信息管理与处理系统并计算出该区段的炉膛平均温度与平均CO浓度；
步骤三：信息管理与处理系统接收到步骤一和步骤二中的上述信息后，经过数据预处理后输入该区段预先训练好的支持向量机模型，输出该区段是否需要进行吹灰的信号，并传输至该区段的炉膛吹灰系统；
步骤四：若该区段的炉膛吹灰系统所接收到的信号为“正常运行”，则命令该区段的吹灰器维持不工作状态；
步骤五：若该区段的炉膛吹灰系统所接收到的信号为“需要吹灰”，则命令该区段的吹灰器投入运行。
本发明相比现有技术，具有以下的有益效果：
(1)本发明采用基于支持向量机算法的预测模型，通过炉膛温度、CO浓度等参数的实时测量，可以较为准确地对炉膛结渣积灰情况进行预测。该系统可以嵌入电厂的在线服务系统，有利于电厂工作人员对锅炉炉膛的监测与操作；
(2)本发明通过在炉膛分区段布置温度测点、CO浓度测点，可以提供炉膛不同区段的实时数据，进而实现对炉膛不同区段的结渣积灰状态分别进行预测，为炉膛分区段吹灰操作提供指导，对电厂运行具有一定的经济意义。
附图说明
图1为本发明的工作步骤流程图。
图2为炉膛CO浓度监测系统示意图。
图3为智能吹灰系统应用于锅炉炉膛的温度测点分布图、CO浓度测点分布图及吹灰器分布图。
图4为支持向量机算法结构图。
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用以解释本发明，并不用于限定本发明。
如图1所示，本发明提供了一种基于支持向量机的电站锅炉炉膛分区段智能吹灰系统，包括：入炉煤质检测系统、炉膛CO监测系统、炉膛温度监测系统、炉膛出口烟气温度监测系统、信息管理与处理系统、炉膛吹灰系统。
入炉煤质检测系统，用于获取入炉煤种的软化温度t2、硅比G、硅铝比SiO2/Al2O3、碱酸比B/A。
炉膛CO浓度监测系统，主要基于可调谐半导体激光吸收光谱技术测量CO浓度，主要包括取样管、二极管激光器及其控制器、准直器、探测器、TDLAS测量池、压力传感器及信号采集器。
炉膛温度监测系统，主要通过安装于炉膛不同区段的温度传感器，实时获取炉膛不同区段的温度。
炉膛出口烟气温度监测系统，主要通过安装于炉膛出口的红外传感器，实时获取炉膛出口烟气温度T。
信息管理与处理系统，主要用于实时接收上述不同区段的信号，并输入支持向量机算法模块中对应区段的模型中，输出当前区段的积灰状态，若所述当前区段的积灰状态超出正常范围，则向炉膛吹灰系统发送吹灰信号。
支持向量机算法模块，包含炉膛不同区段的多个支持向量机模型，每个区段的模型均由该区段现有的数据集合训练而成；模型的输入数据集合包括该区段的炉膛平均温度、平均CO浓度，以及入炉煤种的软化温度t2、硅比G、硅铝比SiO2/Al2O3、碱酸比B/A和炉膛出口烟气温度T；模型的输出数据以0，1来衡量结渣状态，分别表示“正常运行”与“需要吹灰”。
炉膛吹灰系统，主要用于接收信息管理与处理系统的吹灰信号，并使积灰严重区段的吹灰器投入使用。
上述基于支持向量机的电站锅炉炉膛分区段智能吹灰系统的吹灰方法，包括如下步骤：
1)、入炉煤质检测系统、炉膛出口烟气温度监测系统实时监测入炉煤种的软化温度t2、硅比G、硅铝比SiO2/Al2O3、碱酸比B/A以及炉膛出口烟气温度T，并传输至信息管理与处理系统；
2)、安装在炉膛不同区段的炉膛温度监测系统、炉膛CO监测系统实时监测该区段的炉膛温度与CO浓度，并传输至信息管理与处理系统并计算出该区段的炉膛平均温度与平均CO浓度；
3)、信息管理与处理系统接收到步骤1)和步骤2)中的述信息后，经过数据预处理后输入该区段预先训练好的支持向量机模型，输出该区段是否需要进行吹灰的信号，并传输至该区段的炉膛吹灰系统；
4)、若该区段的炉膛吹灰系统所接收到的信号为“正常运行”，则命令该区段的吹灰器维持不工作状态；
5)、若该区段的炉膛吹灰系统所接收到的信号为“需要吹灰”，则命令该区段的吹灰器投入运行。
如图2所示，所述炉膛CO浓度监测系统，主要包括取样管、二极管激光器及其控制器、准直器、探测器、TDLAS测量池、压力传感器及信号采集器。该系统基于可调谐半导体激光吸收光谱技术 (TDLAS，Tunable Diode Laser Absorption Spectroscopy)，通过取样管对炉膛烟气进行定时取样，并引导进入TDLAS测量池。当激光光束通过TDLAS测量池后，探测器会在时域上产生输出信号波形。系统会直接分析吸收信号，并根据朗伯-比尔定律计算气体浓度。
如图3所示，锅炉炉膛依据当地的燃烧特性分为了主燃烧区、燃尽区与换热区。由于不同炉膛高度处的温度与热负荷是不均匀的，受热面上沾污情况也有所区别，因此有必要对炉膛不同区段的结渣积灰状态进行分别监测。苏联1973版《锅炉机组热力计算标准方法》中给出了炉膛不同区段的热力计算方法，并将炉膛分为了三个区段：放热量最大的主燃烧区；燃烧器以上的燃尽区；炉膛最上部包括前屏部分的换热区。不同区段分别布置了炉膛温度检测系统与炉膛CO浓度检测系统，用于监测该区段的温度与CO浓度，进而传输至支持向量机算法模块对是否需要吹灰进行判断。如果判断结果为“需要吹灰”，则吹灰器控制系统向该区段的吹灰器发出运行指令，进而实现对炉膛不同区段吹灰操作的智能控制。
如图4所示，该系统的支持向量机模型首先通过样本数据集来进行训练。样本数据集是现有的数据集，主要包括某一状态下的入炉煤质数据、炉膛出口烟温、该区段平均温度、该区段平均CO浓度以及当前状态下是否有必要进行吹灰。支持向量机算法首先基于大量样本数据集划分超平面，得到训练好的支持向量机模型。投入工作后，由不同模块的传感器将当前状态下的入炉煤质数据、炉膛出口烟温、该区段平均温度、该区段平均CO浓度传输至该区段的支持向量机模型，通过模型判断当前状态是否需要进行吹灰，若该区段的炉膛吹灰系统所接收到的信号为“正常运行”，则命令该区段的吹灰器维持不工作状态；若该区段的炉膛吹灰系统所接收到的信号为“需要吹灰”，则命令该区段的吹灰器投入运行。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (6)
1.一种基于支持向量机的电站锅炉炉膛分区段智能吹灰系统，其特征在于，所述系统包括：
入炉煤质检测系统，用于获取入炉煤种的软化温度t2、硅比G、硅铝比SiO2/Al2O3、碱酸比B/A；
炉膛CO监测系统，用于获取炉膛内不同区段的CO浓度；
炉膛温度监测系统，用于获取炉膛内不同区段的炉膛温度；
炉膛出口烟气温度监测系统，用于获取炉膛出口烟气温度；
信息管理与处理系统，接收入炉煤种的软化温度t2、硅比G、硅铝比SiO2/Al2O3、碱酸比B/A、不同区段的CO浓度和温度、炉膛出口烟气温度，并输入到训练好的支持向量机模型，训练好的支持向量机模型输出当前区段的积灰状态；信号管理与处理系统根据输出的当前区段的积灰状态确定不同区段是否需要进行吹灰，如需要吹灰，则发送吹灰信号至炉膛吹灰系统；
炉膛吹灰系统，接收信息管理与处理系统发送的吹灰信号，命令对应区段的吹灰器运行。
2.根据权利要求1所述的基于支持向量机的电站锅炉炉膛分区段智能吹灰系统，其特征在于，所述炉膛CO监测系统基于可调谐半导体激光吸收光谱技术测量CO浓度，包括取样管、二极管激光器及其控制器、准直器、探测器、TDLAS测量池、压力传感器及信号采集器。
3.根据权利要求1所述的基于支持向量机的电站锅炉炉膛分区段智能吹灰系统，其特征在于，所述炉膛温度监测系统通过安装于炉膛不同区段的温度传感器，实时获取炉膛不同区段的炉膛温度。
4.根据权利要求1所述的基于支持向量机的电站锅炉炉膛分区段智能吹灰系统，其特征在于，所述炉膛出口烟气温度监测系统通过安装于炉膛出口的红外传感器，实时获取炉膛出口烟气温度T。
5.根据权利要求1所述的基于支持向量机的电站锅炉炉膛分区段智能吹灰系统，其特征在于，所述支持向量机算法模块，包含炉膛不同区段的多个支持向量机模型，每个区段的模型均由该区段现有的数据集合训练而成；模型的输入数据集合包括该区段的炉膛平均温度、平均CO浓度，以及入炉煤种的软化温度t2、硅比G、硅铝比SiO2/Al2O3、碱酸比B/A和炉膛出口烟气温度T；模型的输出数据以0，1来衡量结渣状态，分别表示“正常运行”与“需要吹灰”。
6.一种根据权利要求1-5任一所述的系统的基于支持向量机的电站锅炉炉膛分区段智能吹灰方法，其特征在于，包括如下步骤：
1)、入炉煤质检测系统、炉膛出口烟气温度监测系统实时监测入炉煤种的软化温度t2、硅比G、硅铝比SiO2/Al2O3、碱酸比B/A以及炉膛出口烟气温度T，并传输至信息管理与处理系统；
2)、安装在炉膛不同区段的炉膛温度监测系统、炉膛CO监测系统实时监测该区段的炉膛温度与CO浓度，并传输至信息管理与处理系统并计算出该区段的炉膛平均温度与平均CO浓度；
3)、信息管理与处理系统接收到步骤1)和步骤2)中的上述信息后，经过数据预处理后输入不同区段预先训练好的支持向量机模型，输出该区段是否需要进行吹灰的信号，并传输至该区段的炉膛吹灰系统；
4)、若该区段的炉膛吹灰系统所接收到的信号为“正常运行”，则命令该区段的吹灰器维持不工作状态；若该区段的炉膛吹灰系统所接收到的信号为“需要吹灰”，则命令该区段的吹灰器投入运行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110911471.8A CN113803735B (zh) | 2021-08-10 | 2021-08-10 | 一种基于支持向量机的电站锅炉炉膛分区段智能吹灰系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110911471.8A CN113803735B (zh) | 2021-08-10 | 2021-08-10 | 一种基于支持向量机的电站锅炉炉膛分区段智能吹灰系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113803735A true CN113803735A (zh) | 2021-12-17 |
| CN113803735B CN113803735B (zh) | 2024-05-28 |
Family
ID=78942919
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110911471.8A Active CN113803735B (zh) | 2021-08-10 | 2021-08-10 | 一种基于支持向量机的电站锅炉炉膛分区段智能吹灰系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113803735B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1525263A (en) * | 1975-10-17 | 1978-09-20 | Rocket Boiler Ind Co Ltd | Mixing valves |
| US5181482A (en) * | 1991-12-13 | 1993-01-26 | Stone & Webster Engineering Corp. | Sootblowing advisor and automation system |
| US20140137778A1 (en) * | 2012-01-11 | 2014-05-22 | Power & Industrial Services Corporation | METHOD AND APPARATUS FOR REDUCING NOx EMMISIONS AND SLAG FORMATION IN SOLID FUEL FURNACES |
| CN109668625A (zh) * | 2018-12-21 | 2019-04-23 | 浙江大学 | 基于冷灰斗振动信号的锅炉落渣监测和控制方法 |
| CN110864316A (zh) * | 2019-10-14 | 2020-03-06 | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 | 一种基于红外测温及数值计算的锅炉炉膛优化吹灰系统 |
| CN112524637A (zh) * | 2020-12-11 | 2021-03-19 | 华中科技大学 | 一种基于风粉和co在线监测的锅炉燃烧优化方法和系统 |
-
2021
- 2021-08-10 CN CN202110911471.8A patent/CN113803735B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1525263A (en) * | 1975-10-17 | 1978-09-20 | Rocket Boiler Ind Co Ltd | Mixing valves |
| US5181482A (en) * | 1991-12-13 | 1993-01-26 | Stone & Webster Engineering Corp. | Sootblowing advisor and automation system |
| US20140137778A1 (en) * | 2012-01-11 | 2014-05-22 | Power & Industrial Services Corporation | METHOD AND APPARATUS FOR REDUCING NOx EMMISIONS AND SLAG FORMATION IN SOLID FUEL FURNACES |
| CN109668625A (zh) * | 2018-12-21 | 2019-04-23 | 浙江大学 | 基于冷灰斗振动信号的锅炉落渣监测和控制方法 |
| CN110864316A (zh) * | 2019-10-14 | 2020-03-06 | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 | 一种基于红外测温及数值计算的锅炉炉膛优化吹灰系统 |
| CN112524637A (zh) * | 2020-12-11 | 2021-03-19 | 华中科技大学 | 一种基于风粉和co在线监测的锅炉燃烧优化方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 肖功培: "碱回收锅炉的过程控制", 中国造纸, no. 01, 25 January 1988 (1988-01-25) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113803735B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112283689B (zh) | 燃煤电站锅炉受热面积灰在线监测系统及其检测方法 | |
| CN103759277B (zh) | 燃煤电站锅炉智能吹灰闭环控制方法、装置和系统 | |
| AU656986B2 (en) | Apparatus for combustion, pollution and chemical process control | |
| CN101975400B (zh) | 基于热流量在线测量的锅炉炉膛吹灰控制装置和控制方法 | |
| CN102314184B (zh) | 干熄焦循环系统的温度压力控制方法 | |
| CN102102870A (zh) | 基于声学测温的炉膛灰污分区段的在线监测装置 | |
| CN111396920A (zh) | 火电机组及其基于co测量的锅炉燃烧监测方法及系统 | |
| CN106774515B (zh) | 一种焦炉烘炉智能温度控制系统和控制方法 | |
| CN109654519B (zh) | 锅炉吹灰系统及锅炉吹灰系统的运行方法 | |
| CN110081448A (zh) | 锅炉炉膛智能吹灰系统 | |
| CN105045196A (zh) | 一种锅炉水冷壁结渣在线监测系统及方法 | |
| CN109668625B (zh) | 基于冷灰斗振动信号的锅炉落渣监测和控制方法 | |
| CN103667740A (zh) | 铜转炉吹炼自动控制系统 | |
| CN111242279B (zh) | 一种超超临界煤粉锅炉炉膛结渣预测系统及方法 | |
| CN110699502A (zh) | 一种高精度预测高炉热风炉煤气消耗量的方法 | |
| CN113803735A (zh) | 一种基于支持向量机的电站锅炉炉膛分区段智能吹灰系统及方法 | |
| CN205049928U (zh) | 一种锅炉水冷壁结渣在线监测系统 | |
| CN103667741B (zh) | 铜转炉吹炼控制系统 | |
| CN110296421A (zh) | 一种固体废物熔融处置系统及其方法 | |
| CN105423273A (zh) | 光谱式锅炉防结焦系统及控制方法 | |
| CN210197322U (zh) | 锅炉炉膛智能吹灰系统 | |
| CN113203297A (zh) | 一种基于炉内工件表面温度的智能燃烧优化控制系统 | |
| CN112923394A (zh) | 一种燃煤锅炉高温对流受热面沾污结渣预警系统及方法 | |
| CN106871957B (zh) | 一种煤粉锅炉落渣位置及落渣量的测量方法 | |
| CN205227276U (zh) | 光谱式锅炉防结焦系统 |
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 |