CN116959594A - 基于CFD数据的省煤器出口NOx浓度分布的预测方法及系统 - Google Patents

基于CFD数据的省煤器出口NOx浓度分布的预测方法及系统 Download PDF

Info

Publication number
CN116959594A
CN116959594A CN202211596524.2A CN202211596524A CN116959594A CN 116959594 A CN116959594 A CN 116959594A CN 202211596524 A CN202211596524 A CN 202211596524A CN 116959594 A CN116959594 A CN 116959594A
Authority
CN
China
Prior art keywords
economizer
outlet
nox
nox concentration
parameters
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.)
Pending
Application number
CN202211596524.2A
Other languages
English (en)
Inventor
赵睿
张力伟
孙玉新
邸鑫
邸民乐
刘蒙
原通通
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.)
Shanxi Shengshi Lantian Technology Service Co ltd
Original Assignee
Shanxi Shengshi Lantian Technology Service Co ltd
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 Shanxi Shengshi Lantian Technology Service Co ltd filed Critical Shanxi Shengshi Lantian Technology Service Co ltd
Priority to CN202211596524.2A priority Critical patent/CN116959594A/zh
Publication of CN116959594A publication Critical patent/CN116959594A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/10—Analysis or design of chemical reactions, syntheses or processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/346—Controlling the process
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
    • B01D53/86—Catalytic processes
    • B01D53/8621—Removing nitrogen compounds
    • B01D53/8625—Nitrogen oxides
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
    • B01D53/86—Catalytic processes
    • B01D53/90—Injecting reactants
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Chemical & Material Sciences (AREA)
  • Computing Systems (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Fluid Mechanics (AREA)
  • Medical Informatics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)

Abstract

本发明公开了基于CFD数据的省煤器出口NOx浓度分布的预测方法及系统，涉及火电机组煤粉燃烧领域和脱硝技术领域，包括建立全炉膛物理模型；获取锅炉历史运行参数；对炉膛燃烧及污染物生成过程进行批量化的CFD计算；建立炉膛燃烧参数据库；制定省煤器出口截面分区方案；对锅炉运行参数数据进行预处理和特征向量提取；确定预测模型的算法和参数；建立省煤器出口分区NOx浓度预测模型；获取锅炉运行的实时参数；实时预测省煤器出口NOx浓度分布；将省煤器出口截面NOx浓度分布可视化呈现；计算喷氨总量和分区喷氨里昂，制定喷氨策略；执行喷氨动作。本发明能够预测SCR入口截面，即省煤器出口截面NOx浓度分布，为SCR的精细化喷氨提供指导。

Description

基于CFD数据的省煤器出口NOx浓度分布的预测方法及系统
技术领域
本发明涉及火电机组煤粉燃烧领域和脱硝技术领域，尤其涉及基于CFD数据的省煤器出口NOx浓度分布的预测方法及系统。
背景技术
现有的选择性催化还原脱销装置(Selective Catalytic Reduction，SCR)以NOx浓度的监测值作为喷氨控制阀的前馈信号，对喷氨总量进行调节。但传统的NOx浓度的测量方法只能反应NOx的总量，不能反应NOx的分布。若采用均匀喷氨的方式，NH3浓度场无法与NOx浓度场匹配，致使局部过量喷氨，氨逃逸增大，同时还可能出现局部喷氨不足，造成SCR出口NOx偏高、NOx浓度均匀性差。
为解决上述问题，研究者们提出了分区喷氨技术，在SCR反应器入口和出口采用NOx多点测量方法，通过同步实时采样、分时分析，不断对反应器入口两侧各个支管的喷氨阀开度进行优化调节使氨分布与NOx分布更加匹配，从而提高脱硝效率，使SCR适应变工况的运行。但在实际应用和分析中发现，烟气排放连续监测系统(Continuous EmissionMonitoring System，CEMS)异常和故障时有发生，导致NOx测量滞后，准确率低，对喷氨效果造成影响NOx浓度预测模型能够在炉膛入口参数发生变化时就预测出省煤器出口NOx浓度，提前指导SCR喷氨，但现有的NOx预测模型的建模数据通常来自于现场试验数据和电厂的分布式控制系统(Distributed Control System，DCS)，其NOx浓度是一个整体值，基于此建立的NOx预测模型只能预测出NOx总量，不能反应NOx在烟道截面的不均匀分布，无法指导SCR反应器精细化喷氨。
发明内容
针对现有技术的不足，本发明提供一种基于计算流体力学(Computational FluidDynamics，CFD)数据的省煤器出口NOx浓度分布的预测方法及系统，旨在解决SCR入口截面，即省煤器出口截面NOx浓度分布的预测问题，为SCR的精细化喷氨提供指导。
为了实现上述目的，本发明采用了如下技术方案：
基于CFD数据的省煤器出口NOx浓度分布的预测方法，包括以下步骤：
S100：计算省煤器出口NOx浓度分布；
S200：建立省煤器出口NOx浓度分布的预测模型；
S300：实时预测省煤器出口NOx浓度分布；
可选地，还包括以下步骤：
S400：省煤器出口NOx浓度分布可视化；
S500：SCR精细化喷氨。
具体地，步骤S100包括以下步骤：
S110：根据锅炉设计，1：1建立全炉膛的物理模型；
S120：进行全炉膛燃烧及污染物排放的数值模拟计算；
S121：根据现场试验或根据电厂的分布式控制系统(Distributed ControlSystem，DCS)获得锅炉的运行参数；
S122：建立全炉膛燃烧的数值计算模型；
S123：批量化地进行数值模拟计算；
步骤S200包括以下步骤：
S210：建立炉膛燃烧参数的数据库；
S220：对省煤器出口截面进行分区，制定分区方案，并计算S123中所有工况下省煤器出口每个区域内的NOx浓度；
S230：对建模所需数据进行预处理；
S240：提取特征向量；
S250：确定预测建模使用的算法和参数；
S260：根据S220中的分区方案，建立省煤器出口分区NOx浓度预测模型；
步骤S300包括以下步骤：
S310：获取锅炉运行的实时参数并进行数据预处理；
S320：实时预测省煤器出口NOx浓度分布；
步骤400包括以下步骤：
S410：获取实时预测得到的NOx数据；
S420：将省煤器出口截面NOx浓度分布可视化呈现；
步骤500包括以下步骤：
S510：计算喷氨量，制定喷氨策略；
S520：执行喷氨；
进一步技术方案为：
S110中，所述全炉膛的物理模型如图2所示，该模型包括锅炉壁面、烟道、燃烧器、NOx风和受热面等结构，受热面包括水冷壁、过热器、再热器和省煤器等；采用Gambit、Icem或Meshing等Fluent前处理软件进行物理建模和网格划分。
S121中，运行参数包括锅炉负荷、炉膛负压、总风量、给水流量、给水温度、总给煤量、各给煤机给煤量、各磨煤机一次风温度、各磨煤机一次风量、一次风总量、煤质数据、二次风总量、各层燃烧器二次风流量、各层燃烧器二次风温度、燃烧器旋流角度、燃尽风总量、各层燃尽风流量、各层燃尽风温度、主蒸汽温度、主燃烧区温度、省煤器出口烟气温度、省煤器出口氧量、省煤器出口截面NOx浓度等；
S122中，所述全炉膛燃烧的数值计算模型包括基本控制方程、气相湍流模型、气固两相流模型、煤粉燃烧模型、辐射换热模型和NOx反应模型等，该模型要能够反应炉内煤粉颗粒的燃烧、受热面吸热以及NOx的生成与还原等过程；
S123中，批量化计算的工况包括通过现场试验或DCS数据获得的稳定的锅炉运行工况，以及在上述工况的基础上改变部分运行参数得到的新工况，可改变的参数包括给煤量、配风量、配风温度等，配风量可包括总风量、一次风量、内二次风量、外二次风量、燃尽风量等；
S210中，所述炉膛燃烧参数的数据库包括了锅炉运行的所有参数，其中有关NOx浓度的参数为预测模型的输出参数，其余参数为NOx预测模型的输入参数；
S220中，所述分区方案包括两种方案：方案①：将省煤器出口矩形分为m×n个小矩形，如图3所示；方案②：根据喷氨管路能够喷氨调节的最小区域对省煤器出口截面进行划分；
S230中，采用Min-max数据线性变换方法对原始数据进行归一化处理，具体公式为：
式中，xi'为归一化之后的数据，xi为原始数据，xmin为原始数据中的最小值，xmax为原始数据中的最大值；
S240中，采用技术(Principal Components Analysis，PCA)进行特征向量提取，具体公式为：
Fp＝a1i·ZX1+a2i·ZX1+…+api·ZXp
A＝(aij)p×m＝(a1,a2,…am)
Rai＝λiai
式中，F为选取的线性组合，即综合指标；下表p表示原本的指标的个数；api为X的协方差阵的特征值所对应的特征向量；ZXp为原始变量经过标准化处理的值；m为主成分个数；
S250中，确定预测建模所使用的算法即参数，包括支持向量机(SVM)、随机森林或梯度提升数等算法及其包含的子算法和参数；
S260中，所述省煤器出口分区NOx浓度预测模型以S240中提取出的特征向量为输入参数，基于S220的分区方案，以省煤器出口截面每个区域内的NOx浓度值为输出参数，分别建立每个区域内的NOx预测模型。该模型能够根据锅炉运行参数预测省煤器出口截面每个区域内的NOx浓度，得到省煤器出口截面的NOx浓度分布；
S310中，需要实时获取的数据为S240选择的主成分参数。采用Min-max数据线性变换方法对原始数据进行归一化处理；
S320中，以S310中预处理后的参数为输入参数，采用S260建立的预测模型，对省煤器出口NOx浓度分布进行实时预测；
S410中，提取S320中预测的NOx浓度分布数据，即得到实时状况下预测的省煤器出口截面不同区域内的NOx浓度；
S420中，将NOx浓度值大小与颜色相关联，将省煤器出口不同区域内的NOx浓度可视化地呈现，如图4所示；
S510中，喷氨量计算包括喷氨总量计算和分区喷氨计算。根据计算得到的不同区域的喷氨浓度制定喷氨策略，SCR喷氨总量取决于省煤器出口NOx总量，喷氨格栅在烟道每个区域的喷氨量取决于流经该区域的NOx量。
基于CFD数据的省煤器出口NOx浓度分布的预测系统，包括以上任意一项所述的基于CFD数据的省煤器出口NOx浓度分布的预测方法，如图1所示，包括NOx浓度分布计算模块100、预测模型建立模块200和实时预测模块300，可选地，还包括NOx浓度分布可视化模块400和喷氨控制模块500；
所述NOx浓度分布计算模块100包括物理建模单元110和CFD模拟计算单元120；
所述物理建模单元110用于根据锅炉设计，1：1建立全炉膛的物理模型，全炉膛的物理模型如图2所示，包括锅炉壁面、烟道、燃烧器、NOx风和受热面等结构，所述受热面包括水冷壁、过热器、再热器和省煤器等，该模块单元采用Gambit、Icem或Meshing等Fluent前处理软件进行物理建模和网格划分；
所述CFD模拟计算单元120包括历史数据获取单元121、数学建模单元122和批量化计算单元123；
所述历史数据获取单元121用于根据现场试验或根据电厂的分布式控制系统(Distributed Control System，DCS)获得锅炉的运行参数，运行参数包括锅炉负荷、炉膛负压、总风量、给水流量、给水温度、总给煤量、各给煤机给煤量、各磨煤机一次风温度、各磨煤机一次风量、一次风总量、煤质数据、二次风总量、各层燃烧器二次风流量、各层燃烧器二次风温度、燃烧器旋流角度、燃尽风总量、各层燃尽风流量、各层燃尽风温度、主蒸汽温度、主燃烧区温度、省煤器出口烟气温度、省煤器出口氧量、省煤器出口截面NOx浓度等；
所述数学建模单元122用于建立全炉膛燃烧的数值计算模型。所述全炉膛燃烧的数值计算模型包括基本控制方程、气相湍流模型、气固两相流模型、煤粉燃烧模型、辐射换热模型和NOx反应模型等该模型要能够反应炉内煤粉颗粒的燃烧、受热面吸热以及NOx的生成与还原等过程；
所述批量化计算单元123用于批量化地进行数值模拟计算，其批量化计算的工况包括通过现场试验或DCS数据获得的稳定的锅炉运行工况，以及在上述工况的基础上改变部分运行参数得到的新工况。可改变的参数包括给煤量、配风量、配风温度等，配风量可包括总风量、一次风量、内二次风量、外二次风量、燃尽风量等；
所述预测模型建立模块200包括数据库单元210、NOx浓度分布描述策略单元220、数据预处理单元230、特征向量提取单元240、机器学习算法单元250和预测模型建立单元260；
所述数据库单元210用于建立炉膛燃烧参数的数据库，所述炉膛燃烧参数的数据库包括了锅炉运行的所有参数，其中有关NOx浓度的参数为预测模型的输出参数，其余参数为NOx预测模型的输入参数；
所述NOx浓度分布描述策略单元220用于省煤器出口截面进行分区，制定分区方案，并计算S123中所有工况下省煤器出口每个区域内的NOx浓度。所述分区方案包括两种方案：方案①：将省煤器出口矩形分为m×n个小矩形，如图3所示；方案②：根据喷氨管路能够喷氨调节的最小区域对省煤器出口截面进行划分；
所述数据预处理单元230用于对建模所需数据进行预处理，处理方法采用Min-max数据线性变换方法；
所述特征向量提取单元240用于提取建模所需的特征向量，提取方法采用用技术；
所述机器学习算法单元250用于确定预测建模使用的算法和参数，可采用支持向量机(SVM)、随机森林或梯度提升数等算法及其包含的子算法和参数；
所述预测模型建立单元260用于建立省煤器出口分区NOx浓度预测模型；该模型以特征向量提取单元240中提取出的特征向量为输入参数，基于NOx浓度分布描述策略单元220的分区方案，以省煤器出口截面每个区域内的NOx浓度值为输出参数，分别建立每个区域内的NOx预测模型。该模型能够根据锅炉运行参数预测省煤器出口截面每个区域内的NOx浓度，得到省煤器出口截面的NOx浓度分布；
所述实时预测模块300包括实时数据获取及预处理单元310和NOx浓度分布实时预测单元320；
所述数据获取及预处理单元310用于获取锅炉运行的实时参数并进行数据预处理，需要实时获取的数据为S240选择的主成分参数；
所述NOx浓度分布实时预测单元320用于实时预测省煤器出口NOx浓度分布，以数据获取及预处理单元310中预处理后的参数为输入参数，采用预测模型建立单元260中建立的预测模型，对省煤器出口NOx浓度分布进行实时预测；
所述NOx浓度分布可视化模块400包括数据获取单元410和可视化单元420；
所述数据获取单元410用于从NOx浓度分布实时预测单元320中获取实时预测得到的省煤器出口截面不同区域内的NOx浓度数据；
所述可视化单元420用于将省煤器出口截面NOx浓度分布可视化呈现，用不用颜色表示省煤器出口截面不同区域内的NOx浓度，如图4所示；
所述喷氨控制模块500包括喷氨计算单元510和喷氨执行单元520；
所述喷氨计算单元510用于计算喷氨量，制定喷氨策略，其中，喷氨量计算包括喷氨总量计算和分区喷氨计算。根据计算得到的不同区域的喷氨浓度制定喷氨策略。SCR喷氨总量取决于省煤器出口NOx总量，喷氨格栅在烟道每个区域的喷氨量取决于流经该区域的NOx量；
所述喷氨执行单元520用于根据喷氨计算单元510中制定好的喷氨策略，执行喷氨动作。
本发明的有益效果如下：
本发明能够在炉膛燃烧参数预测出省煤器出口的NOx浓度分布，对SCR的精确喷氨提供指导，能够有效地改善由于NOx测量滞后和不准确带来的喷氨不均匀的问题，提高脱硝效率，降低污染物排放。
附图说明
图1为本发明提出的基于CFD数据的省煤器出口NOx浓度分布的预测方法及系统的框图示意图；
图2为本发明提出的基于CFD数据的省煤器出口NOx浓度分布的预测方法及系统的全炉膛物理模型示意图；
图3为本发明提出的基于CFD数据的省煤器出口NOx浓度分布的预测方法及系统的省煤器出口截面分区方案示意图；
图4为本发明提出的基于CFD数据的省煤器出口NOx浓度分布的预测方法及系统的可视化系统用户界面示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
参照图1-4，本方案提供的一种实施例：基于CFD数据的省煤器出口NOx浓度分布的预测方法，包括NOx浓度分布计算模块100、预测模型建立模块200和实时预测模块300，可选地还包括NOx浓度分布可视化模块400和喷氨控制模块500。
NOx浓度分布计算模块100包括物理建模单元110和CFD模拟计算单元120；
物理建模单元110用于根据锅炉设计，1：1建立全炉膛的物理模型。全炉膛的物理模型如图2所示，包括锅炉壁面、烟道、燃烧器、NOx风和受热面等结构，受热面包括水冷壁、过热器、再热器和省煤器等。该模块单元采用Gambit、Icem或Meshing等Fluent前处理软件进行物理建模和网格划分；
CFD模拟计算单元120包括历史数据获取单元121、数学建模单元122和批量化计算单元123；
历史数据获取单元121用于根据现场试验或根据电厂的分布式控制系统(Distributed Control System，DCS)获得锅炉的运行参数。运行参数包括锅炉负荷、炉膛负压、总风量、给水流量、给水温度、总给煤量、各给煤机给煤量、各磨煤机一次风温度、各磨煤机一次风量、一次风总量、煤质数据、二次风总量、各层燃烧器二次风流量、各层燃烧器二次风温度、燃烧器旋流角度、燃尽风总量、各层燃尽风流量、各层燃尽风温度、主蒸汽温度、主燃烧区温度、省煤器出口烟气温度、省煤器出口氧量、省煤器出口截面NOx浓度等；
数学建模单元122用于建立全炉膛燃烧的数值计算模型。全炉膛燃烧的数值计算模型包括基本控制方程、气相湍流模型、气固两相流模型、煤粉燃烧模型、辐射换热模型和NOx反应模型等该模型要能够反应炉内煤粉颗粒的燃烧、受热面吸热以及NOx的生成与还原等过程；
批量化计算单元123用于批量化地进行数值模拟计算，其批量化计算的工况包括通过现场试验或DCS数据获得的稳定的锅炉运行工况，以及在上述工况的基础上改变部分运行参数得到的新工况。可改变的参数包括给煤量、配风量、配风温度等，配风量可包括总风量、一次风量、内二次风量、外二次风量、燃尽风量等；
预测模型建立模块200包括数据库单元210、NOx浓度分布描述策略单元220、数据预处理单元230、特征向量提取单元240、机器学习算法单元250和预测模型建立单元260；
数据库单元210用于建立炉膛燃烧参数的数据库，炉膛燃烧参数的数据库包括了锅炉运行的所有参数，其中有关NOx浓度的参数为预测模型的输出参数，其余参数为NOx预测模型的输入参数；
NOx浓度分布描述策略单元220用于省煤器出口截面进行分区，制定分区方案，并计算S123中所有工况下省煤器出口每个区域内的NOx浓度，分区方案包括两种方案：方案①：将省煤器出口矩形分为m×n个小矩形，如图3所示；方案②：根据喷氨管路能够喷氨调节的最小区域对省煤器出口截面进行划分；
数据预处理单元230用于对建模所需数据进行预处理，处理方法采用Min-max数据线性变换方法；
特征向量提取单元240用于提取建模所需的特征向量，提取方法采用用技术；
机器学习算法单元250用于确定预测建模使用的算法和参数，可采用支持向量机(SVM)、随机森林或梯度提升数等算法及其包含的子算法和参数。
预测模型建立单元260用于建立省煤器出口分区NOx浓度预测模型，该模型以特征向量提取单元240中提取出的特征向量为输入参数，基于NOx浓度分布描述策略单元220的分区方案，以省煤器出口截面每个区域内的NOx浓度值为输出参数，分别建立每个区域内的NOx预测模型，该模型能够根据锅炉运行参数预测省煤器出口截面每个区域内的NOx浓度，得到省煤器出口截面的NOx浓度分布；
实时预测模块300包括实时数据获取及预处理单元310和NOx浓度分布实时预测单元320；
数据获取及预处理单元310用于获取锅炉运行的实时参数并进行数据预处理，需要实时获取的数据为S240选择的主成分参数；
NOx浓度分布实时预测单元320用于实时预测省煤器出口NOx浓度分布，以数据获取及预处理单元310中预处理后的参数为输入参数，采用预测模型建立单元260中建立的预测模型，对省煤器出口NOx浓度分布进行实时预测；
NOx浓度分布可视化模块400包括数据获取单元410和可视化单元420；
数据获取单元410用于从NOx浓度分布实时预测单元320中获取实时预测得到的省煤器出口截面不同区域内的NOx浓度数据；
可视化单元420用于将省煤器出口截面NOx浓度分布可视化呈现，用不用颜色表示省煤器出口截面不同区域内的NOx浓度，如图4所示。
喷氨控制模块500包括喷氨计算单元510和喷氨执行单元520；
喷氨计算单元510用于计算喷氨量，制定喷氨策略。其中，喷氨量计算包括喷氨总量计算和分区喷氨计算。根据计算得到的不同区域的喷氨浓度制定喷氨策略。SCR喷氨总量取决于省煤器出口NOx总量，喷氨格栅在烟道每个区域的喷氨量取决于流经该区域的NOx量；
喷氨执行单元520用于根据喷氨计算单元510中制定好的喷氨策略，执行喷氨动作。
基于CFD数据的省煤器出口NOx浓度分布的预测系统，本实施例还提出一种基于CFD数据的省煤器出口NOx浓度分布的预测方法，包括以下步骤：
S100：计算省煤器出口NOx浓度分布；
S200：建立省煤器出口NOx浓度分布的预测模型；
S300：实时预测省煤器出口NOx浓度分布；
可选地，还包括以下步骤：
S400：省煤器出口NOx浓度分布可视化；
S500：SCR精细化喷氨；
具体地，步骤S100包括以下步骤：
S110：根据锅炉设计，1：1建立全炉膛的物理模型；
S120：进行全炉膛燃烧及污染物排放的数值模拟计算，包括：
S121：根据现场试验或根据电厂的分布式控制系统(Distributed ControlSystem，DCS)获得锅炉的运行参数；
S122：建立全炉膛燃烧的数值计算模型；
S123：批量化地进行数值模拟计算；
步骤S200包括以下步骤：
S210：建立炉膛燃烧参数的数据库；
S220：对省煤器出口截面进行分区，制定分区方案，并计算S123中所有工况下省煤器出口每个区域内的NOx浓度；
S230：对建模所需数据进行预处理；
S240：提取特征向量；
S250：确定预测建模使用的算法和参数；
S260：根据S220中的分区方案，建立省煤器出口分区NOx浓度预测模型；
步骤S300包括以下步骤：
S310：获取锅炉运行的实时参数并进行数据预处理；
S320：实时预测省煤器出口NOx浓度分布；
步骤400包括以下步骤：
S410：获取实时预测得到的NOx数据；
S420：将省煤器出口截面NOx浓度分布可视化呈现；
步骤500包括以下步骤：
S510：计算喷氨量，制定喷氨策略；
S520：执行喷氨；
进一步技术方案为：
S110中，全炉膛的物理模型如图2所示，该模型包括锅炉壁面、烟道、燃烧器、NOx风和受热面等结构，受热面包括水冷壁、过热器、再热器和省煤器等；采用Gambit、Icem或Meshing等Fluent前处理软件进行物理建模和网格划分。
S121中，运行参数包括锅炉负荷(x1)、炉膛负压(x2)、总风量(x3)、给水流量(x4)、给水温度(x5)、总给煤量(x6)、各给煤机给煤量(x7～x12)、各磨煤机一次风温(x13～x18)、各磨煤机一次风量(x19～x24)、一次风总量(x25)、煤质数据(x26～x30)、二次风总量(x31)、各层燃烧器二次风流量(x32～x37)、各层燃烧器二次风温度(x38～x43)、燃烧器旋流角度(x44)、燃尽风总量(x45)、各层燃尽风流量(x46～x47)、各层燃尽风温度(x48～x49)、蒸汽温度(x50)、主燃烧区温度(x51)、省煤器出口烟气温度(x52)、省煤器出口氧量(x53)、省煤器出口截面NOx浓度(x54)。
S122中，全炉膛燃烧的数值计算模型包括基本控制方程、气相湍流模型、气固两相流模型、煤粉燃烧模型、辐射换热模型和NOx反应模型等，该模型要能够反应炉内煤粉颗粒的燃烧、受热面吸热以及NOx的生成与还原等过程；
基本控制方程包括质量守恒、动量守恒和能量守恒。
质量守恒方程为：
式中，ρ为烟气密度，kg/m3；为速度矢量，m/s；t为时间，s；Sm是从分散的第二相(例如由于液滴的蒸发)和用户定义的质量来源添加到连续相的质量；
动量守恒方程为：
式中，p是流体的静压，Pa；是应力张量，Pa；/>为和/>分别是重力体力和外体力，N；
能量守恒方程为：
式中，xj为流体在j方向的位移，m；uj为流体在j方向的速度，m/s；h为流体距边界的距离，m；T为热力学温度；K；表示的是导热项，Sh和Φ分别表示热源和流体机械能的耗散项。
气相湍流模型采用Realizable k-ε模型，该模型对旋流流动的修正更适用于包括强流线曲率、涡流和旋转的流动，Realizable k-ε模型中的k和ε方程分别为：
式中，p表示压力，Pa；k表示紊流脉动动能，J；ε表示紊流脉动动能的耗散率，％；μ和μt分别为流体在标准状态和温度t下的湍流黏度，kg/(m·s)；σk和σε分别是k和ε的普朗特常数；Gk和Gb分别为由于层流速度梯度和浮力而产生的湍流动能，m2/s2；YM表示可压缩湍流中的波动膨胀对总耗散率的贡献，m2/s2；Sk和Sε是用户定义的源术语；C1、C2、C1ε、C3ε是常数；
气固两相流模型采用离散相模型来耦合煤粉和气流的流动，其中将气体作为连续相处理，将煤粉颗粒作为离散相处理。通过建立入射颗粒来模拟煤粉的入射，采用基于拉格朗日模型的随机轨道模型(Discrete Random Walk Model)描述入射粒子的运动过程。该模型模拟了粒子与一系列离散的流体相湍流涡流的相互作用，粒子涡流穿越时间定义为：
式中，τ是粒子弛豫时间；Le是涡长尺度；|u-up|是相对速度的大小。
煤粉燃烧模型包括挥发分析出模型、气象燃烧模型和焦炭燃烧模型。
挥发分析出模型采用双竞争反应速率模型(Two Competing Rates Model)来模拟挥发分的析出过程，挥发分析出速率为：
k＝Ae-(E/RT)
式中，mp为颗粒质量，kg；mp,0为颗粒的初始质量，kg；fv,0为颗粒中挥发分的初始质量分数；k为动力学速率，s-1；E为活化能，J/mol；A为指前因子；R为摩尔气体常数；
气象燃烧模型采用非预混燃烧模型，该模型将热化学物质简化为一个参数，即混合分数；
焦炭燃烧模型选用扩散-动力控制反应速率模型。焦炭表面反应燃烧速率为：
式中，Tp和T∞分别为反应物表面的温度和周围介质的温度，K；dp为发生化学反应的表面积，m2；Yox为局部气体中氧化剂的质量分数；Mw,ox为氧化剂的摩尔质量，g/mol；R为考虑了焦炭内表面的反应及其扩散的动力学反应常数；
辐射换热模型采用P1模型，该模型的辐射通量qr表示为：
式中，a为吸收系数；σs为散射系数；G为入射辐射率；C为各相异性的相位函数系数；
NOx反应模型包括热力型NOx反应模型和燃料型NOx反应模型；
热力型NOx的主要控制方程如下：
燃料型NOx中的氮来源于挥发分和焦炭中的氮；
S123中，批量化计算的工况包括在30～100％BMCR负荷范围内，通过现场试验或DCS数据获得的稳定的锅炉运行工况，以及在上述工况的基础上改变部分运行参数得到的新工况。可改变的参数包括给煤量、配风量、配风温度等，配风量可包括总风量、一次风量、内二次风量、外二次风量、燃尽风量等；
S210中，炉膛燃烧参数的数据库包括了锅炉运行的所有参数，其中有关NOx浓度的参数为预测模型的输出参数，其余参数为NOx预测模型的输入参数；
S220中，分区方案包括两种方案：方案①：将省煤器出口矩形分为m×n个小矩形，如图3所示；方案②：根据喷氨管路能够喷氨调节的最小区域对省煤器出口截面进行划分；
S230中，采用Min-max数据线性变换方法对原始数据进行归一化处理，具体公式为：
式中，xi'为归一化之后的数据，xi为原始数据，xmin为原始数据中的最小值，xmax为原始数据中的最大值。
S240中，采用技术(Principal Components Analysis，PCA)进行特征向量提取，具体公式为：
Fp＝a1i·ZX1+a2i·ZX1+…+api·ZXp
A＝(aij)p×m＝(a1,a2,…am)
Rai＝λiai
式中，F为选取的线性组合，即综合指标；下表p表示原本的指标的个数；api为X的协方差阵的特征值所对应的特征向量；ZXp为原始变量经过标准化处理的值；m为主成分个数；
S250中，确定预测建模所使用的算法及参数，包括支持向量机(SVM)、随机森林或梯度提升数等算法及其包含的子算法和参数。本实施例中采用SVM算法，其算法原理为：对于一个给定的特征空间上的训练数据集：
T＝{(x1，y1)，(x2，y2)，...(xN，yN)}
其中，xi∈X＝Rn，yi∈Y＝(+1,-1)，i＝1,2,…N，xi为第i个特征向量，也称为实例，yi为xi的类标记。假设训练数据集是线性可分的，那么在特征空间中必然存在分离超平面，其方程为：
w·x+b＝0
式中，w为分离超平面的法向量，b为分离超平面的截距。
则线性可分支持向量机的最优化问题可以写为：
s.t.yi(w·x+b)-1≥0，i＝1,2,…N
当训练数集线性不可分时，引入松弛变量ξi和惩罚参数C，则学习问题变成如下凸二次规划问题：
s.t.yi(w·x+b)-1≥1-ξi，i＝1,2,…N
ξi≥0，i＝1,2,…N
对于非线性的分类问题，SVM的(xi,xj)变成了(φ(xi),φ(xj))，对此引入核函数来进行降维：
k(x,y)＝(Φ(x),Φ(y))
S260中，省煤器出口分区NOx浓度预测模型以S240中提取出的特征向量为输入参数，基于S220的分区方案，以省煤器出口截面每个区域内的NOx浓度值为输出参数，分别建立每个区域内的NOx预测模型。该模型能够根据锅炉运行参数预测省煤器出口截面每个区域内的NOx浓度，得到省煤器出口截面的NOx浓度分布；
S310中，需要实时获取的数据为S240选择的主成分参数。采用Min-max数据线性变换方法对原始数据进行归一化处理；
S320中，以S310中预处理后的参数为输入参数，采用S260建立的预测模型，对省煤器出口NOx浓度分布进行实时预测；
S410中，提取S320中预测的NOx浓度分布数据，即得到实时状况下预测的省煤器出口截面不同区域内的NOx浓度；
S420中，将NOx浓度值大小与颜色相关联，将省煤器出口不同区域内的NOx浓度可视化地呈现，如图4所示；
S510中，喷氨量计算包括喷氨总量计算和分区喷氨计算。根据计算得到的不同区域的喷氨浓度制定喷氨策略，SCR喷氨总量取决于省煤器出口NOx总量，喷氨格栅在烟道每个区域的喷氨量取决于流经该区域的NOx量。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (10)

1.基于CFD数据的省煤器出口NOx浓度分布的预测方法，其特征在于，包括以下步骤：
S100：计算省煤器出口NOx浓度分布；
S200：建立省煤器出口NOx浓度分布的预测模型；
S300：实时预测省煤器出口NOx浓度分布；
S400：省煤器出口NOx浓度分布可视化；
S500：SCR精细化喷氨。
2.根据权利要求1所述的基于CFD数据的省煤器出口NOx浓度分布的预测方法，其特征在于，所述S100包括以下步骤：
S110：根据锅炉设计，1：1建立全炉膛的物理模型，该模型包括锅炉壁面、烟道、燃烧器、NOx风和受热面等结构，受热面包括水冷壁、过热器、再热器和省煤器；
S120：进行全炉膛燃烧及污染物排放的数值模拟计算，包括以下步骤：
S121：根据电厂的分布式控制系统(Distributed Control System，DCS)获得锅炉的运行参数，运行参数包括锅炉负荷、炉膛负压、总风量、给水流量、给水温度、总给煤量、各给煤机给煤量、各磨煤机一次风温度、各磨煤机一次风量、一次风总量、煤质数据、二次风总量、各层燃烧器二次风流量、各层燃烧器二次风温度、燃烧器旋流角度、燃尽风总量、各层燃尽风流量、各层燃尽风温度、主蒸汽温度、主燃烧区温度、省煤器出口烟气温度、省煤器出口氧量、省煤器出口截面NOx浓度；
S122：建立全炉膛燃烧的数值计算模型，全炉膛燃烧的数值计算模型包括基本控制方程、气相湍流模型、气固两相流模型、煤粉燃烧模型、辐射换热模型和NOx反应模型等，该模型要能够反应炉内煤粉颗粒的燃烧、受热面吸热以及NOx的生成与还原等过程；
S123：批量化地进行数值模拟计算，批量化计算的工况包括通过现场试验或DCS数据获得的稳定的锅炉运行工况，以及在上述工况的基础上改变部分运行参数得到的新工况，可改变的参数包括给煤量、配风量、配风温度等，配风量可包括总风量、一次风量、内二次风量、外二次风量、燃尽风量。
3.根据权利要求2所述的基于CFD数据的省煤器出口NOx浓度分布的预测方法，其特征在于，所述S200包括以下步骤：
S210：建立炉膛燃烧参数的数据库，炉膛燃烧参数的数据库包括了锅炉运行的所有参数，其中有关NOx浓度的参数为预测模型的输出参数，其余参数为NOx预测模型的输入参数；
S220：对省煤器出口截面进行分区，制定分区方案，并计算S123中所有工况下省煤器出口每个区域内的NOx浓度，所述分区方案包括两种方案：方案①：将省煤器出口矩形分为m×n个小矩形；方案②：根据喷氨管路能够喷氨调节的最小区域对省煤器出口截面进行划分；S230：对建模所需数据进行预处理。采用Min-max数据线性变换方法对原始数据进行归一化处理，具体公式为：
式中，xi'为归一化之后的数据，xi为原始数据，xmin为原始数据中的最小值，xmax为原始数据中的最大值；
S240：提取特征向量，采用技术(Principal Components Analysis，PCA)进行特征向量提取，具体公式为：
Fp＝a1i·ZX1+a2i·ZX1+…+api·ZXp
A＝(aij)p×m＝(a1,a2,…am)
Rai＝λiai
式中，F为选取的线性组合，即综合指标；下表p表示原本的指标的个数，api为X的协方差阵的特征值所对应的特征向量，ZXp为原始变量经过标准化处理的值，m为主成分个数；
S250：确定预测建模使用的算法和参数，所述算法可采用支持向量机(SVM)、随机森林或梯度提升数等算法及其包含的子算法；
S260：根据S220中的分区方案，建立省煤器出口分区NOx浓度预测模型，省煤器出口分区NOx浓度预测模型以S240中提取出的特征向量为输入参数，基于所述S220的分区方案，以省煤器出口截面每个区域内的NOx浓度值为输出参数，分别建立每个区域内的NOx预测模型。该模型能够根据锅炉运行参数预测省煤器出口截面每个区域内的NOx浓度，得到省煤器出口截面的NOx浓度分布。
4.根据权利要求3所述的基于CFD数据的省煤器出口NOx浓度分布的预测方法，其特征在于，所述S300包括以下步骤：
S310：获取锅炉的实时运行参数并进行数据预处理，实时运行参数为所述S240选择的主成分参数，采用Min-max数据线性变换方法对原始数据进行归一化处理；
S320：实时预测省煤器出口NOx浓度分布，以所述S310中预处理后的参数为输入参数，采用S260建立的预测模型，对省煤器出口NOx浓度分布进行实时预测。
5.根据权利要求4所述的基于CFD数据的省煤器出口NOx浓度分布的预测方法，其特征在于：所述S400包括以下步骤：
S410：获取实时预测得到的NOx数据，提取S320中预测的NOx浓度分布数据，即得到实时状况下预测的省煤器出口截面不同区域内的NOx浓度；
S420：将省煤器出口截面NOx浓度分布可视化呈现，将NOx浓度值大小与颜色相关联，将省煤器出口不同区域内的NOx浓度可视化地呈现。
6.根据权利要求5所述的基于CFD数据的省煤器出口NOx浓度分布的预测方法，其特征在于：所述S500包括以下步骤：
S510：计算喷氨量制定喷氨策略，喷氨量计算包括喷氨总量计算和分区喷氨计算，根据计算得到的不同区域的喷氨浓度制定喷氨策略，SCR喷氨总量取决于省煤器出口NOx总量，喷氨格栅在烟道每个区域的喷氨量取决于流经该区域的NOx量；
S520：执行喷氨动作做。
7.基于CFD数据的省煤器出口NOx浓度分布的预测系统，包括权利要求1-6任意一项所述的基于CFD数据的省煤器出口NOx浓度分布的预测方法，其特征在于，包括：NOx浓度分布计算模块100、预测模型建立模块200、实时预测模块300、NOx浓度分布可视化模块400和喷氨控制模块500。
8.根据权利要求7所述的基于CFD数据的省煤器出口NOx浓度分布的预测系统，其特征在于，所述NOx浓度分布计算模块100包括物理建模单元110和CFD模拟计算单元120；
所述物理建模单元110用于根据锅炉设计，1：1建立全炉膛的物理模型，包括锅炉壁面、烟道、燃烧器、NOx风和受热面等结构；受热面包括水冷壁、过热器、再热器和省煤器等，该模块单元采用Gambit、Icem或Meshing等Fluent前处理软件进行物理建模和网格划分；
所述CFD模拟计算单元120包括历史数据获取单元121、数学建模单元122和批量化计算单元123。
所述历史数据获取单元121用于根据现场试验或根据电厂的分布式控制系统(Distributed Control System，DCS)获得锅炉的运行参数，运行参数包括锅炉负荷、炉膛负压、总风量、给水流量、给水温度、总给煤量、各给煤机给煤量、各磨煤机一次风温度、各磨煤机一次风量、一次风总量、煤质数据、二次风总量、各层燃烧器二次风流量、各层燃烧器二次风温度、燃烧器旋流角度、燃尽风总量、各层燃尽风流量、各层燃尽风温度、主蒸汽温度、主燃烧区温度、省煤器出口烟气温度、省煤器出口氧量、省煤器出口截面NOx浓度等；
所述数学建模单元122用于建立全炉膛燃烧的数值计算模型，全炉膛燃烧的数值计算模型包括基本控制方程、气相湍流模型、气固两相流模型、煤粉燃烧模型、辐射换热模型和NOx反应模型等该模型要能够反应炉内煤粉颗粒的燃烧、受热面吸热以及NOx的生成与还原等过程；
所述批量化计算单元123用于批量化地进行数值模拟计算，其批量化计算的工况包括通过现场试验或DCS数据获得的稳定的锅炉运行工况，以及在上述工况的基础上改变部分运行参数得到的新工况，可改变的参数包括给煤量、配风量、配风温度等，配风量可包括总风量、一次风量、内二次风量、外二次风量、燃尽风量等。
9.根据权利要求8所述的基于CFD数据的省煤器出口NOx浓度分布的预测系统，其特征在于，所述预测模型建立模块200包括数据库单元210、NOx浓度分布描述策略单元220、数据预处理单元230、特征向量提取单元240、机器学习算法单元250和预测模型建立单元260；
所述数据库单元210用于建立炉膛燃烧参数的数据库，炉膛燃烧参数的数据库包括了锅炉运行的所有参数，其中有关NOx浓度的参数为预测模型的输出参数，其余参数为NOx预测模型的输入参数；
所述NOx浓度分布描述策略单元220用于省煤器出口截面进行分区，制定分区方案，并计算S123中所有工况下省煤器出口每个区域内的NOx浓度。所述分区方案包括两种方案：方案①：将省煤器出口矩形分为m×n个小矩形；方案②：根据喷氨管路能够喷氨调节的最小区域对省煤器出口截面进行划分；
所述数据预处理单元230用于对建模所需数据进行预处理，处理方法采用Min-max数据线性变换方法；
所述特征向量提取单元240用于提取建模所需的特征向量，提取方法采用用技术；
所述机器学习算法单元250用于确定预测建模使用的算法和参数，可采用支持向量机(SVM)、随机森林或梯度提升数等算法及其包含的子算法和参数；
所述预测模型建立单元260用于建立省煤器出口分区NOx浓度预测模型，该模型以特征向量提取单元240中提取出的特征向量为输入参数，基于NOx浓度分布描述策略单元220的分区方案，以省煤器出口截面每个区域内的NOx浓度值为输出参数，分别建立每个区域内的NOx预测模型。该模型能够根据锅炉运行参数预测省煤器出口截面每个区域内的NOx浓度，得到省煤器出口截面的NOx浓度分布。
10.根据权利要求9所述的基于CFD数据的省煤器出口NOx浓度分布的预测系统，其特征在于，所述实时预测模块300包括实时数据获取及预处理单元310和NOx浓度分布实时预测单元320；
所述数据获取及预处理单元310用于获取锅炉运行的实时参数并进行数据预处理，需要实时获取的数据为S240选择的主成分参数，NOx浓度分布实时预测单元320用于实时预测省煤器出口NOx浓度分布，以数据获取及预处理单元310中预处理后的参数为输入参数，采用预测模型建立单元260中建立的预测模型，对省煤器出口NOx浓度分布进行实时预测；
所述NOx浓度分布可视化模块400包括数据获取单元410和可视化单元420；
所述数据获取单元410用于从NOx浓度分布实时预测单元320中获取实时预测得到的省煤器出口截面不同区域内的NOx浓度数据；
所述可视化单元420用于将省煤器出口截面NOx浓度分布可视化呈现，用不用颜色表示省煤器出口截面不同区域内的NOx浓度；
所述喷氨控制模块500包括喷氨计算单元510和喷氨执行单元520；
所述喷氨计算单元510用于计算喷氨量，制定喷氨策略，其中，喷氨量计算包括喷氨总量计算和分区喷氨计算，根据计算得到的不同区域的喷氨浓度制定喷氨策略，SCR喷氨总量取决于省煤器出口NOx总量，喷氨格栅在烟道每个区域的喷氨量取决于流经该区域的NOx量。
所述喷氨执行单元520用于根据喷氨计算单元510中制定好的喷氨策略，执行喷氨动作。
CN202211596524.2A 2022-12-12 2022-12-12 基于CFD数据的省煤器出口NOx浓度分布的预测方法及系统 Pending CN116959594A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211596524.2A CN116959594A (zh) 2022-12-12 2022-12-12 基于CFD数据的省煤器出口NOx浓度分布的预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211596524.2A CN116959594A (zh) 2022-12-12 2022-12-12 基于CFD数据的省煤器出口NOx浓度分布的预测方法及系统

Publications (1)

Publication Number Publication Date
CN116959594A true CN116959594A (zh) 2023-10-27

Family

ID=88446676

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211596524.2A Pending CN116959594A (zh) 2022-12-12 2022-12-12 基于CFD数据的省煤器出口NOx浓度分布的预测方法及系统

Country Status (1)

Country Link
CN (1) CN116959594A (zh)

Similar Documents

Publication Publication Date Title
Sunil et al. Mathematical modeling, simulation and validation of a boiler drum: Some investigations
Zhao et al. Coal-fired utility boiler modelling for advanced economical low-NOx combustion controller design
Laubscher et al. Coupled simulation and validation of a utility-scale pulverized coal-fired boiler radiant final-stage superheater
Zhu et al. Nonlinear model predictive control of USC boiler-turbine power units in flexible operations via input convex neural network
CN114239430A (zh) 一种基于数值模拟的炉膛出口NOx预测方法及系统
Blanco et al. New investigation on diagnosing steam production systems from multivariate time series applied to thermal power plants
Wang et al. Mechanism modeling of optimal excess air coefficient for operating in coal fired boiler
Xiao et al. A physically based air proportioning methodology for optimized combustion in gas-fired boilers considering both heat release and NOx emissions
Kim et al. Dynamic simulation of a circulating fluidized bed boiler system Part I: Description of the dynamic system and transient behavior of sub-models
CN116959594A (zh) 基于CFD数据的省煤器出口NOx浓度分布的预测方法及系统
Sun et al. Transient analysis and dynamic modeling of the steam generator water level for nuclear power plants
Sai et al. Neural Network Applications in a Power Station
De Meulenaere et al. Quantifying the impact of furnace heat transfer parameter uncertainties on the thermodynamic simulations of a biomass retrofit
Kusiak et al. Optimizing combustion efficiency of a circulating fluidized boiler: A data mining approach
CN116293784A (zh) 基于co测量的锅炉燃烧控制方法及控制系统
Dolotovskii et al. Software and dataware for energy generation and consumption analysis system of gas processing enterprises
Lips et al. Dynamic Modelling and Simulation of the Steam Cycle Utility System of a Waste Incineration Cogeneration Plant
Inaba et al. Study on control characteristics for HTTR hydrogen production system with mock-up test facility: system controllability test for fluctuation of chemical reaction
Kim et al. Dynamic simulation of a circulating fluidized bed boiler system Part II: Simulation of a boiler system operating in a power plant
Neuman et al. Non-linear model of coal fired steam boiler applied to engineering simulator
Marques et al. Steam generator efficiency optimization under uncertainty through multi-fidelity modeling
Kumar et al. Prediction of effective ventilation in a bleaching industry using CFD analysis–A case study
Liang et al. Dynamic modeling and validation of the boiler-side whole process of subcritical coal-fired power plants
Zhang et al. Experimental study of heat transfer characteristics in a coal-fired test facility under advanced ultra-supercritical conditions
Yang et al. Fuzzy Adaptive PID Control of Waste Heat Power Generation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication